Diese Seite verwendet Cookies. Durch die weitere Nutzung der Webseite stimmen Sie der Verwendung von Cookies zu. Weitere Informationen erhalten Sie in unserer Datenschutzerklärung.

Preise abrufen Wiederverkäufer Live Chat Kontakt

Derzeitiger Vorsitzender Eric Xu: Überall vorhandene Intelligenz für eine vollständig vernetzte, intelligente Welt bereitstellen

Gesamt 0 Produkte

  • Choose product to compare

Cancel
Compare with CISCO
Compare with H3C
  • Choose product to compare

Cancel
Compare with CISCO
Compare with H3C
  • Choose product to compare

Cancel
Compare with CISCO
Compare with H3C
  • Choose product to compare

Cancel
Compare with CISCO
Compare with H3C

Unter „sämtliche Szenarien“ verstehen wir verschiedene Szenarien für die Bereitstellung von KI, wie etwa öffentliche Clouds, private Clouds, innovatives Computing jeglicher Form, industrielle IoT-Geräte und Verbrauchergeräte.
Bei „Full-Stack“ geht es um die Funktionalität unserer Technologie. Unser Full-Stack-Portfolio beinhaltet Chips, Chipaktivierung, ein Schulungs- und Inferenz-System sowie Anwendungsaktivierung.

Eric Xu Derzeitiger Vorsitzender

[Shanghai, 10. Oktober 2018] Die dritte jährliche HUAWEI CONNECT wurde heute im Shanghai World Expo Exhibition and Convention Center eröffnet.

Der derzeitige Vorsitzende von Huawei, Eric Xu, erläuterte in seiner Eröffnungsrede die KI-Strategie seines Unternehmens sowie das Full-Stack-KI-Portfolio für sämtliche Szenarien. Darüber hinaus gab er die Veröffentlichung der Ascend-Serie von KI-Chips bekannt – die weltweit erste KI-IP- und Chip-Serie für eine Vielzahl von Szenarien.

KI ist das Gesamtergebnis von 60 Jahren Entwicklung im Bereich IKT.

Das Konzept der künstlichen Intelligenz wurde 1956 offiziell im Dartmouth Workshop von John McCarthy vorgestellt, einem Professor für Mathematik am Dartmouth College. Das war vor mehr als 60 Jahren. Seit dieser Zeit haben wir bereits zwei KI-Kälteperioden erlebt, in denen die Finanzierung von und das Interesse an KI-Forschung drastisch zurückgingen. Doch trotz dieser Rückschläge hat die KI nie aufgehört, sich ständig weiter zu entwickeln.

1971 stellte Intel den ersten Mikroprozessor vor. Das ist jetzt fast 50 Jahre her und das Mooresche Gesetz hat sich in der robusten Entwicklung der IKT-Branche immer wieder bewahrheitet.

Wenn wir die Grafiken von KI- und IKT-Entwicklungszyklen der vergangenen 60 Jahre übereinander legen, ist eindeutig erkennbar, dass die Fortschritte bei KI und IKT eng miteinander verbunden sind. Akademische Forschungsergebnisse und technische Fortschritte gehen Hand in Hand.

In der Vergangenheit mussten wir zwei KI-Kälteperioden überstehen, da die Erwartungen an die KI weit über die technischen Möglichkeiten der IKT-Branche in dieser Zeit hinausgingen. Doch das Gute ist, dass jeder Winter einmal vom Frühjahr abgelöst wird – und damit auch für die KI ein Neuanfang möglich wurde.

Heute befinden wir uns wieder in einer Zeit der Ernte, die durch sechs Jahrzehnte des Engagements und der Zusammenarbeit zwischen Akademikern und Branchenvertretern in IKT-Domänen ermöglicht wurde.

Zukünftig müssen wir die KI-Technologie vollumfänglich einsetzen. Wir müssen die Vorteile eher früher als später nutzen, um ihren Mehrwert zu vergrößern. Wir müssen alles in unserer Macht stehende tun, um diesen Erntezeitraum zu verlängern. Lassen Sie uns, bildlich gesprochen, die KI gemeinsam auf der ganzen Welt pflanzen und eine Umgebung schaffen, in der sie wachsen und gedeihen kann.

KI ist eine neue Allzweck-Technologie.

Wir können den Wert einer Technologie nicht voll ausschöpfen, wenn wir ihre Positionierung nicht richtig definieren. Das ist wichtig für uns, wenn wir die KI-Technologie wirklich verstehen und anwenden wollen.

Bei Huawei betrachten wir KI als eine Kombination aus mehreren Technologien, die zusammen eine neue Allzweck-Technologie (General Purpose Technology, GPT) bilden. Wir haben den Aufstieg vieler solcher Allzweck-Technologien bereits vor der KI gesehen. Das Rad und das Eisen, welche beide mehrere tausend Jahre alt sind. Eisenbahn und Elektrizität im 19. Jahrhundert. Und Autos, Computer und das Internet im 20. Jahrhundert.

In seinem Buch „Ökonomische Transformationen: Allzweck-Technologien und langfristiges Wirtschaftswachstum“ (Economic Transformations: General Purpose Technologies and Long-Term Economic Growth) stellt der kanadische Akademiker Richard G. Lipsey fest, dass neue GPTs die treibenden Kräfte für nachhaltiges sozioökonomisches Wachstum sind. Eine GPT muss Lipsey zufolge mehrere Verwendungszwecke in der gesamten Wirtschaft aufweisen sowie über eine Vielzahl von technologischen Entwicklungen und Überschneidungen verfügen (wenn sich zwei oder mehr verschiedene Technologien gegenseitig verstärken).

Ökonomen haben beobachtet, dass in der gesamten Menschheitsgeschichte 26 Technologien als echte GPTs klassifiziert werden können. KI ist eine davon.

Indem ich die Rolle der KI als Allzweck-Technologie hervorhebe, möchte ich Ihre Aufmerksamkeit darauf lenken, wie einflussreich und wertvoll KI für unsere Zukunft ist. Als GPT wird uns die KI helfen, effizientere Lösungen für Probleme zu finden, von denen wir bereits wissen, wie wir sie lösen können. Sie wird uns ebenfalls dabei helfen, bisher ungelöste Probleme zu beheben.

Wenn wir als Unternehmen an der Spitze bleiben wollen, müssen wir eine KI-Denkweise einführen und KI-Konzepte und Technologien nutzen, um sowohl bestehende als auch zukünftige Probleme anzugehen.

Innerhalb von Huawei hat unsere Erfahrung gezeigt, dass die KI Menschen bei bestimmten Aufgaben ersetzen kann und durch automatisierte Produktionszyklen die Kosten reduziert. Dies ist die wertvollste Eigenschaft von KI und unterscheidet sie von der betriebswirtschaftlichen Informatisierung, die nicht automatisch Produktionskosten senken kann.

KI löst Veränderungen in allen Branchen aus.

KI wird alle Branchen verändern. Jeder von uns muss sich selbst fragen: „Wie wird KI die Branche, in der ich arbeite, verändern, vielleicht sogar erschüttern?“ Für die Zukunft müssen wir neue Wege finden, wie wir unsere Unternehmen und Branchen auf Veränderungen vorbereiten.

Es gibt deutliche Anzeichen dafür, dass die KI eine ganze Reihe von Industriezweigen verändern oder umgestalten wird:

Intelligenter Transport macht den Verkehr wesentlich effizienter.

  • Intelligenter Transport macht den Verkehr wesentlich effizienter.
  • Personalisierte Bildung wird sowohl für Lehrer als auch Schüler effizienter.
  • Im Gesundheitswesen haben Frühprävention und Präzisionsbehandlung das Potenzial, die Lebenserwartung zu erhöhen.
  • Mit Echtzeit-Übersetzungen in mehreren Sprachen wird die Kommunikation einfacher als je zuvor.
  • Präzise Medikamententests senken die Kosten und die Zeit für die Entwicklung neuer Medikamente.
  • Die Wartung von Telekommunikationsnetzwerken wird effizienter.
  • Autonomes Fahren und Elektroautos verändern die Automobilindustrie nachhaltig

Diese Liste ließe sich endlos fortsetzen.

Allein im vergangenen Jahr, seit wir Huawei Cloud EI und HiAI eingeführt haben, haben wir bereits in den unterschiedlichsten Branchen eine beispiellose von der KI ausgelöste Dynamik festgestellt.


KI wird auch jedes Unternehmen verändern.

Seit dem 18. Jahrhundert hat es mehrere technologische Revolutionen gegeben. Jede davon hatte enorme Auswirkungen auf organisatorische Strukturen, Prozesse und Personalkompetenzen. Aber KI wird Jobs und Fertigkeiten in einer Weise verändern, die sich von den vorherigen Revolutionen unterscheidet.

Die vergangenen Revolutionen führten zu einem enormen Bedarf an Routineaufgaben, wie das Bedienen von Maschinen in Textilfabriken und den Betrieb von Fließbändern für den Zusammenbau von Automobilen und Telefonen. KI wird die Automatisierung in nahezu allen Bereichen eines Unternehmens erheblich steigern. Das bedeutet, dass es wesentlich weniger Bedarf für sich wiederholende Routineaufgaben gibt.

Die Nachfrage nach Stellen im Bereich Datenwissenschaft steigt, darunter auch jene für Datenwissenschaftler und Data Science-Ingenieure mit grundlegenden Kenntnissen im Bereich Datenwissenschaft. Die Gesamtzahl dieser Stellen wird deutlich kleiner sein als die Anzahl der sich wiederholenden Routineaufgaben.

Es ist wahrscheinlich, dass Unternehmen zunehmend rautenförmig werden, mit KI-Systemen, die den Platz der Menschen am unteren Ende einnehmen, wo sie riesige Mengen an Wiederholungs- und Routineaufgaben bewältigen.

Die von KI ausgelöste Veränderung hat gerade erst begonnen. Das richtige Problem zu finden, ist wichtiger als die Entwicklung einer neuen Lösung.

AI-triggered change has just begun. Change can mean good news for some and bad news for others, especially when changes first start to emerge.

Die von KI ausgelöste Veränderung hat gerade erst begonnen. Veränderungen sind für einige positiv, für andere eher negativ, vor allem, wenn die Veränderungen erst am Anfang stehen.

Einige Menschen begeistern sich für die neuen, vorher unvorstellbaren Funktionen, die durch KI möglich werden. Diese Personen haben das starke Bedürfnis, eine KI-Anwendung im großen Maßstab voranzubringen. Daneben gibt es auch jene, die an KI-Projekten zweifeln, die hinter den Erwartungen zurückbleiben, oder sich um die Zuverlässigkeit und Sicherheit von KI-Anwendungen Sorgen machen. Dies sind diejenigen, die sich nicht sicher sind, wie sie KI in der Zukunft am besten nutzen können.

Wenn wir die Geschichte aller GPTs betrachten, sind all diese Reaktionen auf KI sehr natürlich.

Es gibt vier verschiedene Phasen entlang der KI-Produktivitäts-/Akzeptanzkurve. Wir haben gerade erst die erste Phase verlassen, in der die Erforschung von KI-Technologie und -Anwendungen im kleinen Maßstab stattfindet.

Jetzt befinden wir uns in der zweiten Phase, in der die neue Technologie und die Gesellschaft kollidieren. Aus technischer Sicht entstehen immer mehr Probleme, wenn sich die KI-Technologie weiter entwickelt. Wenn wir die Dinge jedoch aus einer Anwendungsperspektive betrachten, findet der Nutzen von KI mehr Anerkennung, da sie auf breiterer Basis eingesetzt wird. 

Bereits vorhandene Richtlinien, Unternehmensprozesse und Arbeitskräfte basieren auf älteren Technologien aus dem Informations- und Internetzeitalter. Diese breitere soziale Umgebung ist noch nicht bereit für das KI-Zeitalter. In dieser Phase sehen wir also ein gewisses Maß an Kollisionen – oder sogar Konflikten – zwischen der Technologieentwicklung und der Gesellschaft.

Die KI wird in letzter Instanz auf eine soziale Umgebung treffen, die für ihre Entwicklung und Anwendung zuträglicher ist. Wenn dies geschieht, werden wir in die dritte Phase eintreten, in der wir schnelle, umfassende Fortschritte in der KI-Einführung und -Produktivität erleben werden.

Die vierte Phase dann wird das goldene Zeitalter der KI sein, in dem die Menschheit von einem konstanten Strom neuer Fortschritte in der Technologie profitieren wird, bis eine neue GPT entsteht. Dennoch müssen wir stets bedenken, dass KI kein Allheilmittel ist. Keine Technologie kann jedes Problem lösen. Wir müssen uns auf jene Bereiche konzentrieren, in denen die KI den größten Nutzen schaffen kann, und nicht auf die Probleme, für die KI nicht zur Lösung beitragen kann. Das richtige Problem zu finden, ist wichtiger als die Entwicklung einer neuen Lösung.

Inspirierende Diskrepanz

Zum Einstieg müssen wir einen Blick darauf werfen, wo wir heute mit KI stehen.

Auf der ganzen Welt wurden erhebliche Erfolge erzielt:

  • Im Jahr 2017 wurden 20.000 wissenschaftliche Arbeiten zum Thema maschinelles Lernen veröffentlicht.
  • Mehr als 22 Länder haben einen nationalen KI-Plan angekündigt.
  • Im Jahr 2017 gab es mehr als 1.100 neue KI-Startups.
  • KI-bezogene Fusionen und Übernahmen beliefen sich 2017 auf 24 Milliarden US-Dollar.
  • Risikokapital-Investitionen in KI haben im gleichen Jahr die Höhe von 14 Milliarden US-Dollar erreicht.

Trotz dieser unglaublichen Leistungen haben wir vielerortens auch weniger beeindruckende Zahlen gesehen, die auf die frühen Stadien einer eher zögerlichen KI-Einführung zurückzuführen sind. Zum Beispiel:

  • Nur 4 % der Unternehmen haben in KI investiert oder KI bereitgestellt.
  • Nur etwa 2 % der Einzelhändler haben in KI oder in die Bereitstellung von KI investiert.
  • Etwa 5 % der Smart City-Implementierungen verwenden KI.
  • Im Jahr 2017 wurden etwa 10 % der Smartphones auf dem Markt mit KI-Funktionen ausgestattet.
  • Das Verhältnis von Angebot und Nachfrage von KI-Spezialisten beträgt weltweit nur 1 %.

Diese Diskrepanz zwischen atemberaubenden Ergebnissen auf der einen und einer verhaltenen Akzeptanz auf der anderen Seite sind die treibenden Kräfte, die die Branche weiter voranbringen. Ich finde diese Diskrepanz sehr inspirierend.

Zehn Veränderungen, die die Zukunft gestalten

Um die Lücke zu schließen, benötigen wir die richtige Technologie, die richtigen Mitarbeiter und die richtige Geschäftsumgebung. Als Nächstes möchte ich auf zehn wichtige Änderungen eingehen, an denen wir im Zusammenhang mit diesen drei Punkten arbeiten müssen.

Als Erstes müssen wir die Modelle schneller trainieren können.

Mit der vorhandenen Technologie nimmt das Training komplexer Modelle oft Tage, wenn nicht Monate in Anspruch. Eine erfolgreiche Innovation erfolgt erst nach mehreren Wiederholungsrunden. Das langsame Modelltraining erschwert die Anwendungsinnovation erheblich. Wir sind der Meinung, dass das Training innerhalb von Minuten oder sogar Sekunden abgeschlossen sein sollte.

Die zweite Änderung steht im Zusammenhang mit der Verfügbarkeit und den Kosten der Rechenleistung.

Rechenleistung ist die Grundlage von KI. Derzeit ist sie eine kostspielige, knappe Ressource. Obwohl das Wachstum der Rechenleistung ein wichtiger Faktor für den Fortschritt in der KI ist, führt die Tatsache, dass erschwingliche Rechenleistung nicht leicht verfügbar ist, zu einer Einschränkung, die eine breite Akzeptanz von KI-Lösungen bremst.

Wir müssen in der Zukunft noch vielfältigere und erschwinglichere Rechenleistung bereitstellen können. Wir müssen jetzt Maßnahmen ergreifen, damit dieses Ziel erreicht werden kann.

Die dritte Änderung betrifft die KI-Bereitstellung.

Hybride Clouds sind zu einem führenden Cloud-Servicemodell für den Einsatz in Unternehmen geworden. Derzeit wird KI hauptsächlich in der Cloud bereitgestellt; sie findest sich auch im Edge, dort aber in weit geringerem Maße. KI wurde noch nicht nahtlos in Geschäftsumgebungen integriert.

KI sollte allgegenwärtig sein. Darüber hinaus sollte sie an alle Szenarien angepasst werden können und in allen Fällen muss der Schutz des Nutzers berücksichtigt und gewahrt werden.

Die vierte Änderung umfasst die Effizienz und die Sicherheit von Algorithmen.

Algorithmen sind eine weitere Triebkraft hinter der KI-Entwicklung. Die meisten der grundlegenden Algorithmen, die wir heute verwenden, wurden schon vor den 1980er-Jahren erfunden. Wenn KI in größerem Umfang angewendet wird, werden die Schwächen der vorhandenen Algorithmen immer deutlicher.

Algorithmen der Zukunft sollten dateneffizient sein. Das bedeutet, dass sie mit weniger Daten die gleichen Ergebnisse liefern können. Algorithmen der Zukunft sollten ebenfalls energiesparend sein und mit weniger Rechenleistung und weniger Energie zu den gleichen Ergebnissen führen. Die Algorithmen müssen sicher und transparent sein. Sie bilden die Voraussetzung für eine KI-Entwicklung im großen Maßstab.

Die fünfte Änderung betrifft die KI-Automatisierung.

Derzeit sind KI-Projekte immer arbeitsintensiv, insbesondere während des Datenkennzeichnungsprozesses. Dies erfordert so viel Aufwand, dass bereits spezielle „Datenkennzeichner“-Berufe entstanden sind. In der Branche gibt es sogar folgenden Running Gag: „No labor, no intelligence.“ (Keine Arbeit, keine Intelligenz.)

Wir müssen die KI-Automatisierung in Zukunft erheblich steigern, um automatisierte oder halbautomatische Vorgänge zu schaffen, insbesondere bei Prozessen wie Datenkennzeichnung, Datenerfassung, Merkmalerkennung, Modelldesign und Training.

Die sechste Änderung betrifft die praktische Anwendung von KI.

Im Juni 2018 veröffentlichte Benjamin Recht, außerordentlicher Professor an der UC Berkeley, ein Paper mit dem verblüffenden Titel: „Do CIFAR-10 Classifier Generalize to CIFAR-10?“ (Verallgemeinern CIFAR-10 Classifier zu CIFAR-10?) Laut diesem Paper sind die Modelle, die mit hoher Genauigkeit in einem Testsatz von CIFAR-10 Classifiern durchgeführt wurden, 5 bis 15 % weniger genau in einem anderen Test, der CIFAR-10 sehr ähnlich ist. Dies bedeutet einen großen Abfall bei der praktischen Anwendung eines bestimmten Modells.

Es ist klar, dass viele leistungsstarke Modelle und Algorithmen in Tests besser funktionieren als in der Praxis.

Zukünftige KI-Modelle in Industriequalität müssen in der Lage sein, die Anforderungen der realen Ausführung zu erfüllen. Es reicht nicht aus, dass sie nur in den Tests gute Ergebnisse erzielen.

Die siebte Änderung betrifft die Aktualisierung von Modellen.

Die Genauigkeit eines Modells sollte nicht statisch sein: Die Genauigkeit verändert sich mit der Datenverteilung und in den Anwendungs- und Hardwareumgebungen. Für Unternehmensanwendungen ist es erforderlich, dass die Genauigkeitswerte innerhalb eines akzeptablen Rahmens gehalten werden. Bestehende Modell-Updates werden jedoch nicht in Echtzeit durchgeführt. Sie sind abhängig von menschlichen Eingaben in festgelegten Intervallen. Es handelt sich um ein halboffenes Schleifensystem.

Wir sind der Ansicht, dass die Modelle der Zukunft anpassungsfähig sein und sich in Echtzeit aktualisieren lassen müssen. Dies wäre ein Echtzeitsystem mit geschlossenem Regelkreis, das den Betrieb von KI-Anwendungen in einem optimalen Zustand unterstützt.

Die achte Änderung betrifft die Synergien zwischen KI und anderen Technologien.

Jedes GPT liefert den maximalen wirtschaftlichen Wert nur in Verbindung mit anderen Technologien. KI bildet da keine Ausnahme. Aktuelle Diskussionen über KI sind aber häufig ausschließlich auf KI ausgerichtet, ohne dass andere Technologien erwähnt werden.

In der Zukunft müssen wir mehr Synergien zwischen KI und anderen Technologien wie Cloud, IoT, Edge-Computing, Blockchain, Big Data und Datenbanken fördern. Dies ist die einzige Möglichkeit, den Wert von KI vollständig auszuschöpfen.

Die neunte Änderung betrifft die Unterstützung von Plattformen.

KI stellt zum jetzigen Zeitpunkt eine Aufgabe dar, die nur von hochqualifizierten Experten ausgeführt werden kann. Es gibt nicht genügend ausgereifte, stabile und umfangreiche Automatisierungstools. Die Herstellung von KI-Modellen ist sehr aufwändig, was viel Zeit und Mühe erfordert.

Wir benötigen zukünftig eine zentrale Plattform, über die erforderliche Automatisierungstools bereitgestellt werden, damit KI-Anwendungen leichter und schneller entwickelt werden können. Wenn diese Plattform dann vorhanden ist, wird KI zur grundlegenden Fähigkeit aller Anwendungsentwickler, ja aller IKT-Mitarbeiter.

Die letzte Änderung betrifft die Verfügbarkeit von Fachkräften.

Mangel an KI-Spezialisten, insbesondere Datenwissenschaftlern, wurde lange Zeit als großes Hindernis für den KI-Fortschritt angesehen. Datenwissenschaftler sind selten – heute wie in der Zukunft.

Diese Herausforderung anzugehen, erfordert eine KI-Denkweise. Das bedeutet die Bereitstellung von intelligenten, automatisierten und benutzerfreundliche KI-Plattformen, Tools, Services sowie Trainings- und Schulungsprogrammen, um eine große Zahl von Datenwissenschaftlern und -Ingenieuren auszubilden. Diese Personen müssen mit den riesigen Mengen grundlegender Aufgaben in der Datenwissenschaft umgehen können.

Die KI-Mitarbeiter werden in einer pyramidenähnlichen Struktur organisiert, mit einer großen Anzahl von Datenwissenschafts-Technikern, die mit Datenwissenschaftlern und Fachexperten zusammenarbeiten. So können wir helfen, den Mangel an KI-Spezialisten zu beheben.

Diese zehn Veränderungen zeichnen kein vollständiges Bild von KI-Technologie, Personalbedarf und Branchenentwicklung. Aber wenn wir diese Änderungen vorantreiben können, bilden sie eine solide Grundlage für das zukünftige Wachstum der KI.

Die KI-Strategie von Huawei

Diese zehn Veränderungen sind das, was Huawei in der KI-Branche erwartet. Sie bilden zudem die Inspiration für die KI-Strategie von Huawei.

Um diese zehn Veränderungen voranzutreiben, wird unsere KI-Strategie von folgenden fünf Prioritäten geleitet:

Investition in KI-Forschung: Entwicklung grundlegender Funktionen für daten- und energieeffizientes (d.h. weniger Daten, Rechenleistung und Energiebedarf), sicheres und vertrauenswürdiges, automatisiertes/autonomes Maschinenlernen in Computer Vision, natürlicher Sprachverarbeitung, Entscheidung/Inferenz usw.

Entwicklung eines Full-Stack-KI-Portfolios:

  • Bereitstellung ausgiebiger und erschwinglicher Rechenleistung
  • Bereitstellung einer effizienten und benutzerfreundlichen KI-Plattform mit umfassenden Pipeline-Services
  • Anpassung des Portfolios an sämtliche Szenarien, sowohl eigenständige als auch kooperative Szenarien zwischen Cloud, Edge und Gerät
  • Entwicklung eines offenen Ökosystems und Nachwuchsförderung: Weltweite Zusammenarbeit mit Akademien, Branchen und Partnern.
  • Stärkung des vorhandenen Portfolios: Einführung von KI-Denkweise und -Techniken in bestehende Produkte und Lösungen zur Schaffung von Mehrwert und Steigerung der Wettbewerbsfähigkeit.
  • Steigerung der betrieblichen Effizienz bei Huawei: Anwenden von KI auf große Mengen routinemäßiger Geschäftsaktivitäten zur Steigerung von Effizienz und Qualität.

Das Full-Stack-KI-Portfolio für sämtliche Szenarien von Huawei

Unter „sämtliche Szenarien“ verstehen wir verschiedene Szenarien für die Bereitstellung von KI, wie etwa öffentliche Clouds, private Clouds, innovatives Computing jeglicher Form, industrielle IoT-Geräte und Verbrauchergeräte.

Bei „Full-Stack“ geht es um die Funktionalität unserer Technologie. Unser Full-Stack-Portfolio beinhaltet Chips, Chipaktivierung, ein Schulungs- und Inferenz-System sowie Anwendungsaktivierung.

Das vollständige Portfolio umfasst:

  • Ascend: Eine KI IP- und Chip-Serie auf Grundlage einer einheitlichen, skalierbaren Architektur. Diese Serie setzt sich aus Ascend Max, Mini, Lite, Tiny und Nano zusammen. Der Ascend 910 verfügt über die weltweit größte Rechendichte in einem einzelnen Chip. Der Ascend 310 ist das effizienteste KI SoC (System auf Chip) für Low-Power-Computing.
  • CANN (Compute Architecture for Neural Networks): Eine Bibliothek für Chip-Operator und ein hoch automatisiertes Operator-Entwicklungs-Toolkit
  • MindSpore: Ein einheitliches Schulungs- und Inferenz-System für Gerät, Edge und Cloud (sowohl eigenständig als auch kooperativ)
  • Anwendungsaktivierung: Umfassende Pipeline-Services (ModelArts), hierarchische APIs und vorintegrierte Lösungen

Im September 2017 haben wir Huawei Cloud EI veröffentlicht – eine KI-Serviceplattform für Unternehmen und Behörden.

Im April 2018 kündigte Huawei HiAI an, unsere KI-Engine für intelligente Geräte.

Unser Full-Stack-KI-Portfolio für sämtliche Szenarien soll leistungsstarke Unterstützung für Huawei Cloud EI und HiAI bieten.

Mit Hilfe unseres KI-Portfolios wird Huawei Cloud EI ein Full-Stack-Portfolio für Unternehmen und Behörden bereitstellen können, während HiAI ein Full-Stack-Portfolio für intelligente Geräte bieten wird. HiAI-Services werden über Huawei Cloud EI bereitgestellt.

  • Zusammengefasst besteht unsere KI-Strategie aus Investitionen in Grundlagenforschung und Nachwuchsförderung, der Entwicklung eines Full-Stack-KI-Portfolios für sämtliche Szenarien und der Förderung eines offenen, globalen Ökosystems.
  • Wir bei Huawei werden weiterhin Möglichkeiten zur Verbesserung von Verwaltung und Effizienz mit KI schaffen.
  • Im Telekommunikationssektor planen wir den Einsatz der KI von SoftCOM, um den Betrieb und die Wartung von Netzwerken effizienter zu gestalten.
  • Auf dem Verbrauchermarkt wird HiAI unsere Verbrauchergeräte mit echter Intelligenz versorgen, wodurch diese smarter als je zuvor werden.
  • Huawei EI-Public Cloud-Services und FusionMind Private Cloud-Lösungen bieten ausreichende und erschwingliche Rechenleistung für alle Organisationen – insbesondere Unternehmen und Regierungsbehörden – und helfen ihnen dabei, KI mit mehr Leichtigkeit zu nutzen.
  • Unser Portfolio umfasst außerdem die KI-Acceleration Card, KI-Server, KI-Appliance und viele andere Produkte.

„Alle Szenarien“ bedeutet, dass Huawei umfassende Intelligenz für eine vollständig vernetzte, intelligente Welt bereitstellen kann.

„Full Stack“ bedeutet, dass Huawei KI-Anwendungsentwicklern eine unvergleichliche Rechenleistung und eine starke Plattform zur Anwendungsentwicklung bereitstellen kann. Wir arbeiten daran, KI noch umfassender zu machen, damit sie für alle erschwinglich, effektiv und zuverlässig wird. Und wir haben alles, was es braucht, um dies möglich zu machen.

Dies sind die Grundzüge der KI-Strategie und des Full-Stack-Portfolios für alle Szenarien von Huawei. Vielen Dank für Ihre Teilnahme an HUAWEI CONNECT. Ich hoffe, wir können alle zusammenarbeiten, damit KI zu einer praktischen Realität wird, die für alle zugänglich und verfügbar ist. Huawei ist bestrebt, eng mit unseren Kunden, Partnern und Akademikern zusammenzuarbeiten, um gemeinsam zu wachsen, eine allgegenwärtige KI zu fördern und schließlich eine vollständig vernetzte, intelligente Welt aufzubauen.



Video: Point of View

Hot News

0 readers

(0 scores)

Like the story? Give your score.

0/500

Write your comment here.
Summit

0 comments

    More comments

      You have scored successfully.

      You have submitted successfully.

      Evaluation failed.

      Submission failed.

      Please write your comment first.

      WORLDWIDE