在新一輪人工智能浪潮中，除了豐富數據的爆炸式涌現，計算能力的不斷提高，人工智能框架作為支撐深度學習發展最重要的基礎，也為人工智能應用落地發揮了突出作用。

在“華為全聯接2021”大會上，華為宣布正式推出MindSpore新版本，并發布了中文名：昇思。新版本從兩個方面實現了在人工智能框架領域的領先，一個是性能的“狂飆突進”，另一個是探索將科學計算與深度學習結合，推出了MindScience科學計算套件，支持電磁仿真、藥物分子仿真等。 

兩大關鍵創新使能性能“飆升”

時間回到2019年8月，華為在深圳正式推出了其全場景AI計算框架MindSpore，并宣布在2020年3月實現開源。作為華為自研的深度學習算法框架，MindSpore 迅速成為國內人工智能產業發展的重要推動力。

對于人工智能產業來說，追求高效率、高性能、靈活易用的基礎架構是永恒的主題。Gartner預測，2021年80％的新興技術將擁有AI基礎。昇思通過多尺度混合計算和高階混合微分兩大關鍵創新，不僅可以端到端加速AI和科學計算融合的算法，還突破了高階復用低階導數的算法和工程難題，使得高階微分的計算相比于傳統方法內存減少了兩倍，計算性能提升了5倍。

關于性能，不妨先看兩個數字。

昇思推出面向電子信息行業的MindElec電磁仿真套件和面向生命科學行業的MindSPONGE分子模擬套件，分別實現了電磁仿真性能提升10倍和生物制藥化合物模擬效率提升50%。

所謂電磁仿真就是對物體的電磁性能進行仿真模擬，以代替昂貴的原型，并改進設計。在傳統的電磁仿真場景下，需要將構件的空間、時間劃分為網格，結合本身的物理參數緯度，逐個求解逼近獲得近似解，在這個過程中，仿真需耗費數千GPU小時，且周邊環境發生改變，就需要重復上述過程。而MindElec通過AI擬合求解的方法，避免了傳統方法帶來的維度災難，實現了10倍性能提升，這意味著電磁仿真的算力成本減少為了原來的1/10。

在生物制藥領域，傳統生物制藥流程周期長、投入大、持續時間久、效率低，需基于蛋白質靶點及龐大的化合物庫進行分子篩選以及在得到相對較優的化合物之后需依賴人工經驗進行化合物優化，這個過程通路冗長且耗時需一年以上。MindSPONGE提供了業界領先的基礎模型，可以根據客戶所需的藥物屬性直接定向生成化合物藥物，從而將生物制藥化合物效率提升50%。

這意味著，通常需要年級別的時間可以降為月級或者天級，給生物制藥相關企業更大的產品迭代空間并能有效的減少研發資金的投入。 

為高性能科學應用提供計算新范式

從上世紀70年代初期開始，就已經出現了一些科學計算的軟件產品，但科學計算能力薄弱的問題并沒有得到解決，例如在天氣數值預報方面只能進行中、短期預報，在飛機氣動力設計方面只能分部件進行，在石油勘探方面只能處理粗糙的數學模型。AI的方法則可以利用科學計算領域已積累的數據，學習各種復雜條件下的映射關系，避免了傳統科學算方法的維度災難問題。

為了支持AI方法解科學計算問題，當前AI框架需要從一階自動微分需要擴展到高階自動微分，并解決由此帶來的計算和內存的爆炸問題；其次，需要同時支持AI大尺度計算和科學計算小尺度計算，通過兩者的融合優化實現端到端加速。

昇思在大幅提升性能的同時，聯合學術界和產業界共同打造MindScience系列科學計算套件。主要面向八大科學計算行業，包括：EDA、生命科學、汽車、材料、能源、氣象、航空航天、金融。這些套件包含業界領先的數據集、基礎模型、預置高精度模型和前后處理工具，加速科學行業應用開發。

可以說，昇思通過行業化的科學計算套件為科學計算提供了新的范式。“新”主要體現在兩方面，首先昇思通過統一的計算引擎同時支持了AI方法和科學計算方法，這可以有效降低開發者的學習成本和減少框架轉換帶來的時間開銷；其次，昇思構建的科學計算開發套件包含了業界領先的數據集、基礎AI模型和前后處理工具，這會極大降低用戶的學習、開發和使用成本。

全場景AI助力多樣性計算

當前多樣性計算已經成為計算行業最重要的趨勢。從單算力到多算力協同、從單機到集群、從傳統應用到多樣性融合應用，多樣性計算系統給新型應用發展帶來巨大的潛力和空間，同時也給開發者帶來極大的挑戰。

為了應對這些挑戰，幫助開發者在多樣性計算集群上，實現極簡開發、高效部署、極致性能，“華為全聯接2021”上還正式發布了北冥多樣性計算融合架構。定位全場景 AI 計算框架的昇思正是北冥多樣性計算融合架構的應用使能軟件，它可以被集成在華為的計算產業軟件棧中，作為AI核心引擎，為用戶提供模型開發、調試、訓練、推理等功能，同時對接到底層硬件算子庫，支持用戶在端、邊、云全場景下實現AI模型的快速開發、訓練和部署。

除了昇思，北冥多樣性計算融合架構針對多樣算力提供了基礎的編程語言、編譯器、加速庫也提供了集群的調度器，分布式開發框架和科學計算套件，針對不同開發場景提供不同的套件，開發者的技術門檻就是理解北冥架構每個套件的使用場景，在不同的開發場景下選擇合適的開發套件。

人工智能框架對于降低人工智能的開發和使用門檻、釋放人工智能生產力、最大程度發揮AI芯片算力潛力等方面可以啟動至關重要的作用。昇思通過性能提升，將科學計算與深度學習結合，將數值計算與深度學習相結合，真正給出了科學計算的新范式。未來，昇思有望進一步打通科學計算和AI之間的數據鴻溝和計算鴻溝，加速AI和科學計算的融合創新，推動人工智能產業的發展。

責任編輯：宋辰