硬核盘点，华为面向开发者的八大技术（上）
黄显东
讲述：初明明大小：4.09M时长：04:27
随着社会的发展，科技的进步，5G 落地、AI 爆发、大数据持续突破、云计算已然成为新时代的水电煤。日益增多的新兴技术，为开发者带来机遇的同时也带来了不少挑战。尽管开发者们经常身处历史性事件的前沿，但由于很多技术学习门槛较高，且没有相对完整的配套技术生态，开发者们其实很难时刻保持良好的学习曲线。
在简化开发、降低技术门槛、提高研发效率等方面，华为每年投入大量的资金和人力，以下精选了华为八大硬核技术，希望对你有所帮助。
Top 1：达芬奇架构
毋庸置疑，AI 技术正成为各行业数字化转型的发动机，大到智慧城市，小到 IoT 等，都少不了 AI 的身影。那么多的应用场景，如何才能实现 AI 在多平台、多场景之间的协同？
华为用达芬奇架构给出了答案。作为华为自研的面向 AI 计算特征的全新计算架构，达芬奇架构具备高算力、高能效、灵活可裁剪的特性。
具体说来，达芬奇架构采用 3D Cube 针对矩阵运算做加速，大幅提升了单位功耗下的 AI 算力，同时还集成了向量、标量、硬件加速器等多种计算单元，辅以最小的计算代价增加矩阵乘的算力，来提升 AI 计算的完备性和不同场景的 AI 能效。
而灵活可裁剪的特性则让达芬奇架构能够满足端侧、边缘侧及云端的应用场景，可用于小到几十毫瓦，大到几百瓦的训练场景，解锁 AI 的无限可能。
Top 2：A-Tune 智能调优技术
为了减少开发者在软件调优上消耗的时间，华为 A-Tune 智能调优技术，可以在程序运行中实时感知应用的运行特征，使系统主动调整底层资源；还可以通过学习引擎对特征进行建模，根据业务负载去匹配最佳资源模型，通过负反馈持续优化。
简而言之，A-Tune 技术相当于在现有系统上加装了大脑，让系统“懂”业务场景，给出最合适的资源模型，使得系统运行更加智能，达到应用性能加速的目的。
Top 3：S2S 自动微分
深度学习框架的自动微分根据实现原理的不同，分为以谷歌的 TensorFlow 为代表的图方法，以 Facebook 的 PyTorch 为代表的运算符重载，以及以华为自研的 MindSpore 为代表的源码转化方法（Source To Source，S2S）。
在性能和可编程性上，S2S 自动微分显著优于业界图和运算符重载方式，开发者无需重新学习一套新的表达逻辑（图逻辑），用原生 Python 就能实现 AI 算法。
同时，S2S 自动微分能够实现任意算子的微分表达和编译优化，同时实现反向算子自动生成，极大地方便模型开发，为开发者的代码带来更佳性能。在软件硬件协同方面，支持自动优化，无需像其他两种方式需要手动定制。
此外，S2S 自动微分还有着丰富的调试手段。开发者可以使用可视化接口，方便观察程序运行时的状态，同时支持动态执行，帮助开发者在程序运行时进行代码调试。
Top 4：轻量级的云化集成开发环境
华为轻量级的云化集成开发环境即 Cloud IDE 满足了开发者 Code anywhere anytime 的需求。
基于开源的华为自研内核，Cloud IDE 结合了代码编辑器的轻量极速、快速文件和目录访问操作以及多语言高亮显示等特性，还具备 IDE 的代码调试和代码理解的能力。
开发者可以在任意联网的浏览器中快速开始编码、测试和调试等开发活动，体验和本地 IDE 一样拥有高性能和快速的表现。同时内核还集成了华为的代码分析、检查能力和 AI 辅助编码能力。尤其 AI 辅助编码把传统 IDE 的智能联想功能提升到了智能的新高度，通过机器学习算法训练特定语言模型，用户的代码上下文作为模型输入，模型给出预测结果作为输出，让开发者编码效率和代码质量能得到海量提升。
以上就是今天的内容，因篇幅所限，其余 4 个华为硬核技术将在下文分享。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论