在新一轮人工智能浪潮中，除了丰富数据的爆炸式涌现，计算能力的不断提高，人工智能框架作为支撑深度学习发展最重要的基础，也为人工智能应用落地发挥了突出作用。

在“华为全联接2021”大会上，华为宣布正式推出MindSpore新版本，并发布了中文名：昇思。新版本从两个方面实现了在人工智能框架领域的领先，一个是性能的“狂飙突进”，另一个是探索将科学计算与深度学习结合，推出了MindScience科学计算套件，支持电磁仿真、药物分子仿真等。 

两大关键创新使能性能“飙升”

时间回到2019年8月，华为在深圳正式推出了其全场景AI计算框架MindSpore，并宣布在2020年3月实现开源。作为华为自研的深度学习算法框架，MindSpore 迅速成为国内人工智能产业发展的重要推动力。

对于人工智能产业来说，追求高效率、高性能、灵活易用的基础架构是永恒的主题。Gartner预测，2021年80％的新兴技术将拥有AI基础。昇思通过多尺度混合计算和高阶混合微分两大关键创新，不仅可以端到端加速AI和科学计算融合的算法，还突破了高阶复用低阶导数的算法和工程难题，使得高阶微分的计算相比于传统方法内存减少了两倍，计算性能提升了5倍。

关于性能，不妨先看两个数字。

昇思推出面向电子信息行业的MindElec电磁仿真套件和面向生命科学行业的MindSPONGE分子模拟套件，分别实现了电磁仿真性能提升10倍和生物制药化合物模拟效率提升50%。

所谓电磁仿真就是对物体的电磁性能进行仿真模拟，以代替昂贵的原型，并改进设计。在传统的电磁仿真场景下，需要将构件的空间、时间划分为网格，结合本身的物理参数纬度，逐个求解逼近获得近似解，在这个过程中，仿真需耗费数千GPU小时，且周边环境发生改变，就需要重复上述过程。而MindElec通过AI拟合求解的方法，避免了传统方法带来的维度灾难，实现了10倍性能提升，这意味着电磁仿真的算力成本减少为了原来的1/10。

在生物制药领域，传统生物制药流程周期长、投入大、持续时间久、效率低，需基于蛋白质靶点及庞大的化合物库进行分子筛选以及在得到相对较优的化合物之后需依赖人工经验进行化合物优化，这个过程通路冗长且耗时需一年以上。MindSPONGE提供了业界领先的基础模型，可以根据客户所需的药物属性直接定向生成化合物药物，从而将生物制药化合物效率提升50%。

这意味着，通常需要年级别的时间可以降为月级或者天级，给生物制药相关企业更大的产品迭代空间并能有效的减少研发资金的投入。 

为高性能科学应用提供计算新范式

从上世纪70年代初期开始，就已经出现了一些科学计算的软件产品，但科学计算能力薄弱的问题并没有得到解决，例如在天气数值预报方面只能进行中、短期预报，在飞机气动力设计方面只能分部件进行，在石油勘探方面只能处理粗糙的数学模型。AI的方法则可以利用科学计算领域已积累的数据，学习各种复杂条件下的映射关系，避免了传统科学算方法的维度灾难问题。

为了支持AI方法解科学计算问题，当前AI框架需要从一阶自动微分需要扩展到高阶自动微分，并解决由此带来的计算和内存的爆炸问题；其次，需要同时支持AI大尺度计算和科学计算小尺度计算，通过两者的融合优化实现端到端加速。

昇思在大幅提升性能的同时，联合学术界和产业界共同打造MindScience系列科学计算套件。主要面向八大科学计算行业，包括：EDA、生命科学、汽车、材料、能源、气象、航空航天、金融。这些套件包含业界领先的数据集、基础模型、预置高精度模型和前后处理工具，加速科学行业应用开发。

可以说，昇思通过行业化的科学计算套件为科学计算提供了新的范式。“新”主要体现在两方面，首先昇思通过统一的计算引擎同时支持了AI方法和科学计算方法，这可以有效降低开发者的学习成本和减少框架转换带来的时间开销；其次，昇思构建的科学计算开发套件包含了业界领先的数据集、基础AI模型和前后处理工具，这会极大降低用户的学习、开发和使用成本。

全场景AI助力多样性计算

当前多样性计算已经成为计算行业最重要的趋势。从单算力到多算力协同、从单机到集群、从传统应用到多样性融合应用，多样性计算系统给新型应用发展带来巨大的潜力和空间，同时也给开发者带来极大的挑战。

为了应对这些挑战，帮助开发者在多样性计算集群上，实现极简开发、高效部署、极致性能，“华为全联接2021”上还正式发布了北冥多样性计算融合架构。定位全场景 AI 计算框架的昇思正是北冥多样性计算融合架构的应用使能软件，它可以被集成在华为的计算产业软件栈中，作为AI核心引擎，为用户提供模型开发、调试、训练、推理等功能，同时对接到底层硬件算子库，支持用户在端、边、云全场景下实现AI模型的快速开发、训练和部署。

除了昇思，北冥多样性计算融合架构针对多样算力提供了基础的编程语言、编译器、加速库也提供了集群的调度器，分布式开发框架和科学计算套件，针对不同开发场景提供不同的套件，开发者的技术门槛就是理解北冥架构每个套件的使用场景，在不同的开发场景下选择合适的开发套件。

人工智能框架对于降低人工智能的开发和使用门槛、释放人工智能生产力、最大程度发挥AI芯片算力潜力等方面可以启动至关重要的作用。昇思通过性能提升，将科学计算与深度学习结合，将数值计算与深度学习相结合，真正给出了科学计算的新范式。未来，昇思有望进一步打通科学计算和AI之间的数据鸿沟和计算鸿沟，加速AI和科学计算的融合创新，推动人工智能产业的发展。

责任编辑：宋辰