华为昇思大会纪要1214（附相关概念股）

人工智能技术发展迅速，大模型演进不断深化，对AI框架提出新选择与新要求。昇思MindSpore AI框架自2020年启动以来，联合产学研各界，不断孵化主流大模型，培养AI开发者，支持原生论文创作，贡献开源事业。

AI框架在技术体系中承上启下，南向对接算力，北向孵化模型，是人工智能创新的核心土壤。

昇思框架作为自主创新的AI框架，在开源实践中取得显著成果，部分指标已媲美国际水平。

昇思开源社区经过4年发展，成为中国发展最快的开源AI框架：汇聚3.7万开发者，全球下载量突破1100万。已进入全球主流AI框架第一梯队，获得广泛认可。创新项目覆盖大模型孵化、科学研究、端侧应用等方向，在金融、能源、制造等行业发挥重要价值。

中国人工智能学会携手鹏程实验室、华为，共同开展人工智能昇思学术基金2.0项目，为科研人员提供经费、算力、技术支持。近年来支持200家科研团队合作，累计发表顶级论文1700多篇，居中国第一，全球第二。其中包括2篇自然子刊、2篇最佳论文以及3篇ESA高被引用论文。学术基金已成为连接学术界与企业界的桥梁，推动人工智能领域的前沿研究与应用。

党中央国务院高度重视人工智能发展，强调推动人工智能与实体经济深度融合。刚刚召开的中央经济工作会议再次指出“人工智能加行动”，为我们人工智能的发展提供了行动指南。

工信部推动人工智能发展的举措：

强化创新引领：组织“揭榜挂帅”，建设国家制造业创新中心，推动关键技术突破。

优化发展环境：发布《国家人工智能产业综合标准化体系建设指南》，夯实产业基础。

推动产业集聚：在北京、上海、杭州等11地建设国家人工智能创新应用先导区，推动场景创新。

促进国际交流：支持全球工业人工智能卓越联盟创新中心在华落地，举办世界人工智能大会，推动国际合作。

加强技术研发：围绕算力、算法、数据等底层技术加大攻关，推动软硬件适配，完善产业链。

夯实智能设施：加快5G网络和千兆光网建设，构建智能高效的融合基础设施。

拓展应用场景：以制造业为重点，形成示范性强、带动性广的重大应用场景，提升赋能水平。

完善产业生态：培育人工智能企业，推动大中小企业协同创新，支持开源社区建设，构建全球影响力的产业生态。

华为AI计算生态发展成果：

通过开放模组、板卡、部件等基础硬件，打造多样化产品；通过开放基础软件，助力开发者创新AI模型与应用。

经过5年发展：昇腾的硬件合作伙伴从5家增至50多家，开发硬件产品近千款；软件合作伙伴从100多家增至2000多家，联合开发解决方案近4000个；广泛应用于互联网、金融、政府、电信、能源、交通等行业核心场景。

昇思框架发展：昇思框架于2020年3月28日开源，携手产业界共建AI开源生态。4年来发展迅速，2024年中国市场新增份额将达30%，成为中国发展最快的AI开源框架，逐渐成为业界新选择。

在大模型引领的人工智能新局面下，昇思框架具备更高效、更敏捷、更开放的技术与生态能力，全面助力AI模型开发、训练和推理。

探索前沿分布式技术：昇思框架原生支持分布式并行能力，面向多模态、长序列、Moe等主流场景，提供多维混合分布式并行算法。

创新多模型多任务引擎，支持多模型混合编程及并行技术，为类OpenAI模型提供基础框架能力，提升万亿MV训练效率50%以上。

探索前沿分布式技术：聚焦生成式AI快速开发和端侧部署，6小时复现Llama 3 1 7B模型，天级即可完成大语言模型部署。持续优化从训练到推理的快交互能力，强化大模型在强化学习领域的推理与应用部署能力。

激发开源智慧，共促产业发展：推动科研与产业连接，与中国人工智能学会、鹏程实验室联合发布昇思论文基金，预计3年内携手50多位AI学者攀登学术高峰。

通过产业与生态联盟促进科研成果转化，推动领域数据生态机制建立，持续加速模型产业生态发展。

我国AI开源生态现状

政策支持：国家高度重视开源生态建设，工信部金壮龙部长提到鸿蒙、欧拉等典型案例。

2021年开源首次写入“十四五”规划，至2024年7月已有38项政策文件涉及开源生态建设。

产业进展：国内AI开源生态从无到有，逐步形成了要素齐备的开源体系，代表性成果包括昇思框架、阿里智谱等。

科技巨头（如华为、腾讯）与高校（如清华大学）在开源方面贡献显著，推动了大模型等技术创新。

发展成就：昇思框架跻身全球第一梯队，2023年新增市场份额达18%，2024年预计可达30%。

国内开源生态已形成科技巨头、初创企业、高校科研机构和个人开发者多方协作的创新格局。

开源发展的不足与挑战：

国内开源技术创新层面仍需努力，尤其在基础设施层与国际相比存在差距。

开源政策指导性强，但具体措施和支持力度仍需加强。

企业在AI开源投入远超高校，需进一步平衡资源分配。

未来发展方向与建议

技术内容开源：

技术内容的开源是AI发展的基础，需高校、企业和基金会共同参与。

高校院所的基础研究与企业的技术创新相辅相成，共同推动开源生态发展。

治理体系建设：

开源生态需完善治理体系，包括协同合作机制、激励机制和人才培养。

共建共治，实现开源与创新的良性循环。

深化政策支持：

加强政策落地，推动开源社区生态规范治理，促进技术创新与成果转化

智谱自成立以来的使命是“发掘创新原动力”

资源与成本挑战：

大模型训练需要大量算力与硬件资源，成本高昂（如千卡级别集群月租金达千万人民币）。

通过昇思框架的优化，大幅提升训练效率，降低成本。

技术突破：

智谱与昇思合作，实现了从0到1的技术突破，掌握了核心技术，打造全栈自主可控的创新体系。

增强分布式并行能力，提升从训练到推理的性能与一致性。

智谱与昇思的合作成果：

CodeGeeX项目：

自2020年起，智谱与昇思基于华为昇腾芯片合作，开发完全自主可控的国产大模型。

CodeGeeX已迭代至第4代，支持上百种编程语言，具备代码补全、生成、调试、联网搜索等全流程开发能力。

当前CodeGeeX在全球拥有超百万用户，日活达数十万，每天生成近2亿行代码。

多模态模型研究：

今年重点突破动态视觉理解，将图像理解拓展至视频理解，解决时间序列相关任务。

基于昇思框架，快速完成多模态模型的训练与部署，打造首个视频理解开源大模型。

训练效率提升：

在昇思框架支持下，两周内实现训练效率提升20%，显著降低成本。

多模态模型训练复杂度高，但通过双方联合攻关，快速复现核心算法并优化算子支持。

开源生态的推动与意义

智谱始终坚持开源、开放、生态化发展，昇思框架的开源特性为技术迭代与模型优化提供了重要支撑；开源生态的蓬勃发展反哺技术演进，加速了创新成果的落地；双方合作实现了1+1>2的效果，共同推动自主可控的创新生态发展。

智谱与昇思的合作展示了中国在开源生态与人工智能领域的潜力；通过坚持开源与自主创新，有信心追赶并超越世界顶尖水平，助力中国在通用人工智能（AGI）领域的突破。

腾讯机器学习平台的理念是“一念之间生成大模型，世间万象”。

机器学习平台本质是“信道”，传递算法人员和用户创意，而非“信号”。

大模型时代对平台的需求变化

用户需求变化：

微调和推理提示工程逐步兴起，用户群体扩大至非算法类人群（如设计、美术等）。

平台需要更高的易用性和更强的API对接能力。

平台优化目标：

提升易用性和性价比，关注稳定性、性能和成本优化。

打造一站式平台，让用户通过简单操作完成复杂任务，同时支持闭源模型赋能业务。

异构设计与优化

推荐系统中的异构优化：

结合信息量分布特点，稠密部分（GB级）和稀疏部分（TB级）分别存储在显存、内存和远端存储中。

通过不同硬件的分布式存储与计算，充分利用频繁访问与低频访问的特性，提升系统效率。

大模型训练中的异构优化：

针对大模型稠密特性的固化分布，通过数据并行、模型并行、流水线并行等策略提升训练效率。

利用自动化配置技术，优化资源分配，提升用户体验和训练效率。

MindSpore框架帮助实现自动化配置，提升训练性能10%。

推理优化：

针对自循环推理逻辑，手写模型优化显存调度。

底层硬件屏蔽层设计，兼容多种硬件（如英伟达、昇腾等），实现跨硬件优化。

在多人对话场景中，吞吐量提升超过6倍。

无量世界：接收更多外界信息，扩展大模型的输入能力。

一念三千：生成更多多样化的内容信息，推动多模态技术的深度应用。

长文本与RAG（检索增强生成）结合：

通过RAG技术，从无限信息中召回有限信息，实现性价比最优的模型效果。

腾讯内部正在推进“T-RAG”项目，作为公司级联合项目建设相关能力。

传统电力系统仿真的局限性

计算速度慢：每次参数变化都需重新解高阶方程，存在大量重复计算，且传统CPU难以实现并行计算。

场景覆盖有限：无法满足新能源高渗透率下的海量场景分析需求。

保守运行策略：因计算能力不足，调度系统不得不采取保守策略。

驭电智能仿真器的核心技术与优势

AI驱动的仿真技术：

基于物理约束的神经网络，通过高维空间差值计算实现秒级响应，避免大量重复计算。

Gpu/Npu并行计算能力大幅提升仿真效率。

模块化设计与迭代开发：

驭电分为三个阶段开发：

1.0版本：实现潮流计算与分析功能。

2.0版本：具备机电暂态稳定分析能力。

3.0版本：实现电磁暂态仿真（微秒级）。

当前1.0版本已实现，从0到1突破，获得全球认可（如2024年度SALL奖）。

性能提升：

基于昇思平台优化的图算子，计算速度提升近60%。

相比传统数字仿真，计算速度提高上千倍，误差小于1%，远优于工程需求的5%。

实际应用与验证

样本数据验证：

使用真实新能源出力和电力负荷数据，在标准系统中验证模型性能。

在39节点系统上构建了1900万样本集，大模型展现出良好的泛化能力和涌现现象。

应用场景：

实现毫秒级快速分析上千场景，支持海量场景生成、智能计算和自动分析。

在珠海电网试用效果显著，彻底颠覆传统电力系统分析模式。

驭电仿真器功能演示

实时调度与控制：调整风速、光照等参数后，实时更新分析结果。

故障模拟：选择任意支线作为预想故障，快速分析安全裕度和过载情况。

风险离线分析：查看全年8760小时中涉及重载风险的任意时刻潮流情况。

开源中国简介：

成立于2008年，最初是技术社区，专注于开源领域资讯与项目推荐。

2013年推出代码托管平台，目前有超过1000万开发者使用。

2020年推出研发效能平台，为企业提供内部研发管理工具。

2023年推出开源大模型平台，支持AI应用开发。

三大核心平台：

开发者生态平台

中国开源基础设施

软件开发工具平台

昇思（MindSpore）是开源中国平台上的顶尖AI开源项目，由华为主导开发。

自2019年推出以来，一直在Gitee指数中排名第一，得分高达99分（满分无100分）。

Gitee指数升级：

2022年，指数从生产力、创新力、稳健性三个维度全面升级，昇思继续稳居AI领域第一。

前沿技术跟进：

2021年，AlphaFold破解蛋白质结构预测难题，AI在生物、材料、化学、量子计算等领域取得突破。

昇思同期推出量子使能计算套件与科学使能计算套件，成为Gitee上最有价值的科研项目之一。

大模型时代的领先：

2022年，昇思推出大模型开发套件，提前布局百模大战，保持技术领先地位。

开发者活跃度：

超过10万次代码核录请求

Gitee对昇思的支持与合作

GTI大模型平台：

收录全球14,000多个开源模型，提供开箱即用的模型API，支持开发者快速开发AI应用。

在平台上设立昇思专区，提供昇思模型API服务，开发者可直接体验昇思模型的能力。

昇思社区的快速发展

社区规模增长：

贡献者数量从200增长到3.7万，代码提交突破10万次，版本下载量从10万增长到1,100万。

用户覆盖全球130多个国家、2400多座城市，基于昇思原创发表的学术论文超过1,700篇。

生态成果：

原生适配50多个大模型，支持开发、训练、微调、部署的全流程开箱即用。

孵化超过2,000个解决方案，广泛应用于互联网、金融、能源、交通等15个行业。

昇思社区的快速发展

社区规模增长：

贡献者数量从200增长到3.7万，代码提交突破10万次，版本下载量从10万增长到1,100万。

用户覆盖全球130多个国家、2400多座城市，基于昇思原创发表的学术论文超过1,700篇。

生态成果：

原生适配50多个大模型，支持开发、训练、微调、部署的全流程开箱即用。

孵化超过2,000个解决方案，广泛应用于互联网、金融、能源、交通等15个行业。

开发者成长与社区建设

四阶段成长路径：

学习阶段：提供30多个主题课程、600多场专题活动，帮助开发者掌握AI基础知识。

实践阶段：发布1,100多个实习任务、举办30多场大赛，提升开发技能。

创新阶段：提供学术论文奖励基金与项目支持，激励创新与成果转化。

回馈阶段：鼓励开发者加入技术委员会，通过布道与答疑提升个人影响力。

社区治理与激励：

由18家理事会单位、21名技术委员和18个SIG组共同管理社区发展与技术迭代。

提供算力、奖励等资源支持大模型孵化，推动应用落地。

以“千川汇海阔，逐浪天地宽”为愿景，与开发者携手共创AI全新未来。

昇思框架的使用体验：

软硬件协同：

昇思框架与NPU（神经网络处理器）的协同优化，在同等集群、模型和超参配置下，训练性能比其他框架高出15%。

训练稳定性：

在千亿参数模型训练中，最长实现了22天的稳态训练，无需人工干预。

集群性能：

集群运行线性度达到98%，为业界领先水平。

并行策略迁移优化：原本需要以周为单位的实验时间，通过模拟编译技术缩短至天级。

模型任务重启优化：模型任务重新拉起时间从小时级优化到分钟级。

开源大模型让科研人员无需从零开始训练模型，显著降低了准入门槛。

加速行业进步：

基于开源模型进行科研创新，推动整个行业快速发展。

社会责任感：

大型企业和机构通过开源回馈社会，推动AI技术普及和应用。

统一标准化：

开源模型的参数和接口标准化，方便行业使用并推动生态建设。

中国电信开源实践：

开源历程：

2022年底启动大模型研发，今年1月发布首个开源模型，随后陆续发布3B、7B、52B等多个版本。

开源反馈：

社区用户的使用建议和反馈显著提升了模型效果，验证了开源策略的正确性。

与昇思的合作：

在更大规模集群上训练更大参数模型，双方通力合作解决了算子适配、性能优化和精度对齐等难题。

通过小模型（3B、7B、35B）训练指导大模型（千亿、万亿参数）的研发，最终实现了模型效果和训练效率的双赢。

大模型的三大演进方向：

多模态：

类拟人交互必然涉及图文、音频、视频，甚至嗅觉、触觉等多模态信息处理。

自2020年起，基于昇思框架的多模态研究已取得一定进展，但仍有广阔的探索空间。

高质量数据：

数据质量直接影响模型的泛化能力和准确性。

高质量数据包括行业数据、任务导向数据、精细化数据、模型生成数据以及强化学习构造数据。

数据开源的重要性不亚于模型开源，例如ImageNet对行业的巨大影响。

行业应用：

大模型需快速、高效地与行业结合，解决实际问题，并通过行业反馈不断提升自身能力。

AI框架的未来发展：

用户友好性：

易用性强，少出问题，且问题能够快速解决。

能够快速适配开源模型和前沿技术。

性能优化：

训练性能： 降低研发周期和成本。

推理性能： 满足高并发场景和有限资源场景的需求。

中科院自动化所是昇思框架最早的合作单位之一。

端侧大模型的技术挑战与趋势：

研究模式的敏捷迭代：

高校和研究机构倾向于在小模型上完成技术验证，再迁移到大模型上。

这种模式迭代速度快，降低了资源投入，适配大模型的能力强。

小模型的研究成果往往能适用于大模型。

大模型自身技术的发展：

模型能力的提升不再单纯依赖参数规模的扩大，而是关注“知识密度”的提高。

通过更精妙的模型结构和优化技术，小参数模型可以达到与过去大模型相当的效果。

例如，当前几十亿参数的小模型可达到2020年GPT-3的效果。

软硬件协同优化：

在低资源设备上运行端侧模型需要软硬件的协同发展。

随着底层芯片和软件框架（如昇思）的快速迭代，端侧模型的部署效率显著提升。

未来1-2年内，智能穿戴设备和人机交互模式将迎来更多创新。

端侧模型的未来潜力：

随着技术进步，端侧模型的能力将持续增强，低成本、高效率的部署将推动更多行业应用。

“知识密度的提升”是解决端侧算力受限与精度提升矛盾的有效方法。

端侧大模型部署中，软硬件协同也是关键所在。

相关概念股：

软件与信息技术服务板块

1. 榕基软件
2. ：作为华为优选级ISV伙伴，其政务信息化AI云平台与华为AI框架昇思完成兼容性测试。
3. 软通动力
4. ：国内IT外包市场头部企业，与昇思适配，加速覆盖多个领域，是昇思开源社区理事会首批成员单位。
5. 润和软件
6. ：构建了面向金融行业的软件平台，与华为昇腾联手发布多款生态产品，并基于昇思进行智能化升级。

人工智能与大数据板块

1. 盛视科技
2. ：携手升腾AI推出多项联合解决方案，所有方案均采用华为升腾AI芯片及MindSpore框架。
3. 多伦科技
4. ：智能驾考龙头，其产品已完成华为AI框架昇思的兼容性测试。
5. 东方国信
6. ：与华为昇思合作两年，打造多个领域的人工智能模型，并加入MindSpore开源社区。

安防与智能交通板块

1. 川大智胜
2. ：公司产品与华为AI框架昇思做过适配，主要合作在昇腾芯片。
3. 浩云科技
4. ：安防业务资质齐全，其AI智能分析主机与华为昇思完成兼容性测试。
5. 高新兴
6. ：华为重要合作伙伴，推出基于昇思的智能分析产品，在车路云一体化领域有系列产品。

金融科技板块

1. 长亮科技
2. ：华为昇思生态伙伴，加入金融生态联盟，与华为联合开发金融数据仓库解决方案。
3. 新晨科技
4. ：获得华为昇腾技术认证，其AI运维事件单助手与华为Atlas800及昇思完成兼容性测试。

其他板块

1. 华孚时尚
2. ：其阿克苏城市公共算力项目包含MindSpore昇思AI框架。
3. 人民网
4. ：旗下公司基于MindSpore构建AI平台，用于互联网内容的智能审核。
5. 云从科技
6. ：华为昇思理事会成立人之一，与华为在AI领域有深度合作。
7. 拓维信息
8. ：基于鲲鹏、昇腾AI打造智能计算产品，是华为鸿蒙生态重要建设者。
9. 常山北明
10. ：为昇腾应用软件伙伴，子公司绑定华为南京昇腾AI智算中心。
11. 同方股份
12. ：旗下公司是华为的整机伙伴，与华为昇腾产品线深度合作。
13. 神州数码
14. ：与华为长期合作，其服务器采用华为鲲鹏和昇腾芯片。
15. 开普云
16. ：已加入华为昇思Mindspore开源社区，提升数智安全算法模型。
17. 汉鑫科技
18. ：为华为昇思AI框架&大模型首批联创伙伴。
19. 高凌信息
20. ：携手昇思推出中原AI反诈骗创新解决方案。
21. 云天励飞
22. ：基于华为多个基础平台，与华为在智慧城市建设领域落地一系列产品和解决方案。

这些公司与华为昇思的合作关系体现了昇思在AI框架、芯片、解决方案等多个方面的广泛影响力，以及其在推动产业生态发展方面的积极作用。

免责声明：本文内容仅供学习交流，不构成任何投资建议！

----------------------

来源：赛道掘金