数字爆炸时代，信息飞速增长，算力需求愈加急迫。
当下，华为布局了“一云、两翼、三引擎”以及开放的产业生态，并始终围绕信息采集、信息传送、信息存储、信息的学习推理与分发呈现整个信息流，以搭建计算产业。
在11月7日的西安腾开发者沙龙上，华为西安研究所副所长、质量与运营部部长曾昭毅概况了华为计算产业的四个战略：
第一是面向端、边、云的达芬奇架构；
第二是全场景、全系列的布局；
第三是“有所为，有所不为”的商业战略；
第四是开放产业生态。
近几年，华为腾提出普惠AI战略，将AI开发者作为普惠AI战略的核心，视开发者的成功为产业的成功，从产学研多方面加大AI人才生态的布局建设。到今年为止已与100多家高校达成合作并开设了华为腾人工智能系列课程。
在生态构建方面，华为腾的理念是，开发最好用的基础软硬件平台，打造最好用的平台工具，让更多人加入AI浪潮。
在本站腾开发者沙龙上，华为腾的技术专家亲临线下向广大开发者详细解读了腾生态与技术原理，与现场开发者展开了热烈讨论。
打造最好用的基础软硬件平台，华为腾赋能AI计算生态
据相关数据显示，AI领域当前的人才供需比为1%，行业渗透率只有4%。AI开发者的成长需要长期积累，要打破当下人才供需不均的局面，首先要解决AI算力平台和基础软硬件的稀缺问题。
为此，华为打造了全栈的基础软硬件平台。从手机到Atlas900，最底层的硬件已全部覆盖用于人工智能计算中心的集群计算，硬件之上是异构计算架构CANN，目的是把芯片和硬件的算力充分的释放出来。再往上是MindSpore框架，目前的1.0版本已实现全自动并行、全场景的协同和私人定制，完成了全流程的极简。应用使能方面，核心是MindX，包括MindDL、Edge、modelZoo和SDK等部分。
华为腾计算业务副总裁薛武军表示，华为将顺应新基建浪潮，依靠国家规划，积极同政府合作，在西安打造腾生态创新中心。此外，华为还将同教育部合作，共同推出面向未来培养人才的科研举措。
大规模视频手势识别系统的腾迁移案例
来自西安电子科技大学的高级工程师李江涛详细解读了基于3DCNN的大规模视频手势识别系统的腾迁移案例，介绍了基于RGB-S-D的C3D算法以及ResC3D算法的方案框架及实施流程。
ResC3D模型是结合去雾影像增强的创新算法，和时空注意机制的多特征融合模型的设计训练得出的。迁移过程中，首先对输入的大规模视频手势进行图像融合预处理，利用ACL腾计算语言，将TF深度学习框架下的C3D模型通过atc命令转换为om模型，并对om模型与pb模型进行对比，验证了om模型转换的正确性。其次，基于腾达芬奇架构进行特征学习和推理，最终通过C3D模型和SVM分类器将手势视频数据转化为手势类别结果输出。
目前，大规模视频手势识别系统的落地应用领域广阔，包括视频安全检测监控、复杂手语理解、虚拟现实和沉浸式人机交互等。
全流程AI开发的MindStudio
随后，华为腾MindStudio专家工程师屈超富对MindStudio的全流程开发实践进行了深度解读。
MindStudio是面向腾芯片的全栈开发工具链，面向AI算子开发、模型开发、应用开发提供了全栈全场景支持，提供了应用开发、调试、模型转换、模型可视化、编辑联想、设备管理和定位功能，同时还提供了网络移植、优化和分析功能，为用户开发应用程序带来了极大的便利。
屈超富在现场展示了MindStudio的界面，并对应用开发、模型转换和算子开发的过程以及MindStudio提供的功能进行了演示。
云端一体化的腾异构架构CANN3.0
在人工智能领域，华为为深度学习量身打造了达芬奇架构，并于2018年推出了腾AI芯片，立足于自然语言处理、计算视觉和自动驾驶等领域，打造面向云端一体化的全栈式、全场景的解决方案，同时推出芯片高效算子库和高度自动化的神经网络算子开发工具CANN。
对此，华为腾AI资深布道师王晓雷围绕腾异构架构CANN3.0的项目背景和产品定位，结合理论与实践，讲解了一系列软硬件协同优化典型神经网络的典型方法。
在芯片层之上，华为在端边云推出Atlas系列产品，其中，采用腾异构架构CANN3.0，实现端边云的全场景协同，在芯片使能层分别开放统一编程接口ACL和行业SDK，方便用户操作底层硬件或者快速部署业务。
业界第一款支持自动并行的MindSpore深度学习框架
目前AI框架面临模型规模大和复杂度高的挑战，需要框架要有很好的分布式并行能力。对此，华为推出MindSpore深度学习框架。
活动现场，华为腾MindSpore高级工程师王聪首先介绍了MindSpore的总体架构和构建网络模型的基本步骤。MindSpore推出Application+Bigdata自动并行能力，并内置大量API，让开发者更易上手。最后MindSpore保障模型的高稳定性，提高模型抗攻击能力。
随后王聪分析了MindSpore的发展现状，MindSpore目前是业界第一款支持自动并行的架构，其性能相对业界主流架构，有很大的性能提升。虽然同 TensorFlow还是有一定的差距，但仍在人工智能软硬件应用生态发展中占有一席之地。
基于腾的海量硬盘异常检测模型
云服务方面，由腾NAIE云服务技术专家周忠茂介绍了基于腾的海量硬盘故障检测模型实战。周忠茂首先对NAIE体系进行了概述：NAIE基于腾技术架构，通过云AI、网络AI、网元AI多层协同，提供数据服务、模型训练服务和网络AI框架，使能ICT网络行业智能化。他还分析了当前硬盘故障的检测场景，基于模型训练平台特色功能，创建了腾+MindSpore的硬盘故障检测模型训练任务。
他认为，随着5G的来临，网络部署和维护复杂度越来越高，运维难度也随之增加。通过腾硬盘故障检测模型，不仅减短了开发周期，而且其丰富的SDK，使通信领域AI开发更加简单，极大地提高了效率，同时降低了成本。
基于腾的AI处理器应用开发实践
随着深度学习和计算机视觉的快速发展，相关技术已经在诸多领域广泛应用。目标检测作为图像理解的重要一环，是机器视觉领域里最具有挑战性的问题之一，其在人脸检测、行人检测、车辆检测以及遥感影像中的重要地物检测等领域都有应用需求。
华为腾应用开发工程师许业涛对目标检测的关键技术进行了介绍，并详细讲解了整个腾AI处理器的应用开发流程：原始的模型在经过工程准备后，首先进行模型评估、模型转换和精度评估，转换过程中出现问题时需要通过循环多次的算子开发及调试，直到调优成功；完成之后就进入到业务开发的过程中，经过一系列处理之后再推送到各种设备，而MindStudio可以支撑整个应用开发的过程。
华为腾生态自推出以来，持续迭代升级其硬件系列与软件平台，并逐渐覆盖了更多使用场景。到现在，腾开发者沙龙已走过成都、杭州、广州、上海、深圳、苏州、南京、武汉、西安站，之后还将在北京、天津分享更多华为腾AI计算产业有意思的事，相信随着华为腾的进一步“摧城拔寨”，腾会进一步吸引各地开发者来添砖加瓦，更好的夯实华为腾生态，从而加速全行业的深刻变革。
