关于华为昇腾(Ascend)AI芯片,CANN计算架构,MindSpore深度学习框架,MindStudio开发工具

1、华为昇腾生态

深度学习之前的配置都是:NVIDIA GPU / CPU + CUDA + Tensorflow/PyTorch

后来老美禁止 NVIDIA 卖GPU芯片给我们,于是国内企业开始发力CPU和GPU硬件,成果丰硕,虽然与NVIDIA顶级GPU还有一些差距,但是也不错,为了尽快填补国内需求,我们的解决方案是国产GPU + CUDA + Tensorflow/PyTorch,本来用的好好的,然而敌人亡我之心不死,开始禁止我们使用 CUDA ,它其实就是一个协议或者指令集,它连接底层硬件与上层机器学习框架即Tensorflow/PyTorch,通过硬件和软件两个维度卡你,我们这么多年习惯了拿来主义,现在变得很被动。

值此危难之际,还是华为站了出来,硬件软件一起扛,硬件上推出了昇腾系列AI计算芯片 Ascend910/Ascend310,就是专门用来计算的GPU芯片,软件上使用 CANN(类比于CUDA),然后推出机器学习框架异思mindspore(对标Tensorflow/PyTorch),同时mindspore也是开放的,它支持基于 CUDA 的 GPU 以及普通的 CPU芯片,当然mindspore也是使用 Python 来开发,还提供一个 MindStudio 全流程开发工具链。官网 https://www.mindspore.cn/,也就是说华为昇腾是一个完整的生态,不再受外界掣肘。

有资料显示Ascend910性能与NVIDIA-A100相当,这其实很牛逼了,要知道英伟达发展了多少年,我们才多少年。

在人工智能框架使用率方面,TensorFlow、PyTorch、昇思MindSpore和飞桨合计占了86%的市场份额,其中,MindSpore以11%的占比在全球框架里排名第三,逆势进入了AI框架的第一梯队。

2、昇腾当前有哪些不足:

当前昇腾需求的爆发式增长动力主要来自1)AI算力行业自身的快速增长;2)国内自主可控的替代,比如说国家级别的人工智能计算中心,大部分开始会采用昇腾。

当相比于英伟达目前也有不少核心问题:

1,昇腾只能用于华为自身生态中的大模型业务,比如昇腾不能做GPT-3,因为910不支持32位浮点,**而目前大模型训练几乎都要使用32位的浮点,所以昇腾芯片只能利用华为开发的框架(如MindSpore),再加上优化好的大模型,比如盘古CV。

2,生态依然需要完善。英伟达最强大的护城河在于它的生态系统CUDA。目前CANN还有差距。

3,先进制程的卡脖子问题得到了一定解决,但依然需要担忧产能问题。

相关推荐
chh5633 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
TomEval3 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
ZhengEnCi4 小时前
AI 总模仿代码库里的过时写法怎么办:先清坏样例,再用类型与测试让 AI 无法犯错
人工智能·ai编程
一只爱撸猫的程序猿4 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
GitCode官方4 小时前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI5 小时前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
CyrusYiVPP5 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷5 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
罗西的思考5 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
屿华AI5 小时前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具