1915年，爱因斯坦提出了空间可拉伸这一概念。这一理论作为广义相对论的基础，解释了宇宙大爆炸、时空生成、恒星燃烧等等本源问题。量子物理学认为，物质的密度增大导致内部原子核碰撞释放出能量，能量向不同维度膨胀，是空间拉伸主要原因之一。这也是广为人知的聚变效应。
与宇宙和物质本源相似，一个技术产业空间走向生态繁荣，具备长期活力，往往也是一种“拉伸运动”：产业实体需要在技术、产业、商业应用等不同维度积蓄“密度”，向前拓展，最终达成整体的聚变式繁荣。
华为HDC.Cloud的第二天，关注点聚焦在了万千AI开发者和AI从业者，以至于各行业人士普遍关注的华为全栈全场景AI的最新进展。
华为AI的特殊性在于，全栈全场景AI体系是全球唯一从处理器到框架，再到推理部署、开发工具，云边端各场景架构统一的AI系统，是业界产业指向最清晰、基础设施最完备的AI生态。这一生态的边界，某种意义上也是如今AI开发者和行业应用者的能力的边界。
我们知道，AI本质上是一种以AI算法驱动的软件工程技术。从应用流程上看，首先要由AI科学家和算法研究人员开发出足够强大的AI算法，打破AI能力的边界；然后通过开源开放，广大AI开发者基于基础算法，完成具体的AI模型开发；这些模型进入产业界，再结合产业需求和场景实际情况进行部署，最终让AI完成落地。
而HDC.Cloud恰好在算法前沿、开发者赋能、行业实践，三个主要维度展示了华为全栈全场景AI的最新进展与未来发展规划。三大维度全面扩张，让华为AI和Atlas 生态形成了立体的矩阵式生长，也让AI开发者的能力边界随华为的技术、产业布局一同延展，触碰了新的AI可能性。
让我们切换不同视角，来看一看华为全栈全场景AI在三大关键象限的最新动态。
技术前沿象限：
华为计算视觉未来研究计划
在实际的产业智能化进程里，计算视觉是泛AI技术体系中应用度最强、覆盖场景最广泛的技术。根据多种数据报告统计，计算视觉技术在整体AI应用中普遍占比70-80%，可以说是AI真正的主力军。
而计算视觉的能力极限，显然也意味着整体AI产业的技术极限。
华为在计算视觉领域围绕数据、知识和模型三大方向，过去两年已在AI顶会CVPR、ICCV、NeurIPS、ICLR等发表80余篇论文，并取得多项业界领先的成果在这个关键领域。华为的AI科学家们不断钻研，针对计算视觉最前沿、最富挑战的课题，相继给出了自己的一系列答案。
比如说，面对如何在海量数据(603138,股吧)中挖掘有效信息的问题。华为提出了知识蒸馏与自动数据扩增结合的方法，实现了业界最强的信息规律效果。而华为的魔术模型，则将多模态视觉纳入了产业实践，以此提高计算视觉技术的信息应用效率。
而针对高效视觉识别的业界核心问题，华为创建了业界搜索速度最快的自动网络架构搜索技术，并且研发了新型算子加速卷积网络，推动计算视觉进一步走入工业体系。
面向最具挑战性的通用智能问题，华为也创造了利用虚拟数据学习控制无感知机械臂等实践方案，开始迈出人类向通用视觉挑战的第一步。
面向未来，华为发布了计算视觉研究计划，邀请全球AI专家参与研究。基于华为昇腾AI处理器的Atlas人工智能计算平台将为该计划提供强大算力支撑，研究成果将在华为全场景AI计算框架MindSpore实现并开源给业界，让全球AI开发者以此为基础持续创新、不断突破边界、共同打造无所不及的智能。
计算视觉正在加速成为AI技术面向未来探索的主要前沿阵地，长期决定AI产业化的能力上限。华为决定推动的计算视觉未来研究计划，也是在产学研结合趋势与行业应用视野的一次融合，助力业界共同迈过计算视觉的珠穆朗玛。
华为计算视觉研究计划围绕三大方向，共有六大子计划，包括：
1、数据冰山计划：以极少量标注数据撬动海量无标注数据，支撑小样本场景下模型训练；
2、数据魔方计划：利用多种模态相互辅助、增强模型在实际场景的学习能力；
3、模型摸高计划：构建云侧大模型，刷新各类视觉任务性能上限；
4、模型瘦身计划：打造端侧高效的计算模型，助力各种芯片完成复杂推理；
5、万物预视计划：设计视觉预训练任务，打造视觉通用模型；
6、虚实合一计划：在虚拟与现实的结合中，将计算视觉引向真正的人工智能；
六个子计划融合了技术前沿性与产业需求、全球共同关注点，三方面的价值，将华为的思考与探索向世界公布，奖励与华为一同探寻未知的技术人才。
开发者象限：框架开源与开发平台升级
长时间以来，深度学习框架都是建立AI生态的必争之地。谷歌的Tensorflow与微软的caffe、Facebook的Pytorch在全球范围内展开过激烈竞争。
而在中国AI产业高速崛起，“新基建”推动AI技术走向千行万业的大背景下，华为的深度学习框架顺理成章引起了整个AI行业的持续关注。
在HDC.Cloud，开发者们期待已久的全场景AI计算框架MindSpore宣布码云正式开源，同时企业级AI应用开发者套件ModelArts Pro在华为云上线。从框架开源到AI开发平台的产业化升级，意味着华为全栈全场景AI的软硬件骨干已经全部投入业界实践，成为全球AI开发者的能力组成部分。
与其他深度学习框架相比，MindSpore的差异化特征在于致力于和产业开发真实环境的紧密适配。例如MindSpore原生适应端、边缘和云各场景，并能够在按需协同基础上，通过实现AI算法即代码，打通架构和编程之间的固有界限，减少AI开发者的模型开发时间，降低开发门槛。另外，MindSpore基于技术创新及与AI处理器的协同优化，实现了运行态效能提高，并且支持异构并行计算。
（张迪煊分享华为Atlas人工智能计算平台的云边端全场景开发实践）
总体而言，MindSpore最显著的特点在于，它能够同时支持云、边缘、端各个场景独立又协同的统一训练和推理框架，这解决了开发者们“开发易、部署难”的长期痛点，直接将AI开发对准了产业实践方向，与华为的鲲鹏产业、Atlas生态紧密融合。可以说，MindSpore与欧美主流框架多数诞生于科研场景、实验室场景不同，它是一款完全致力于工业场景、部署能力和开发实践的框架，是深度学习框架与产业化AI开发的紧密结合。
同时，华为还发布全球首款企业级AI应用开发专业套件ModelArts Pro。当强工程特性的框架，遇到支撑企业级AI应用的开发平台，华为全栈全场景AI在开发者象限的精髓，在于产业能力的有一次跨越式突破。
产业实践象限：
Atlas生态应用于全场景开发
AI是否能用，是否好用，最终要交给实践来检测和证明，华为全栈全场景AI的另一个关键象限突破，在于Atlas产品序列持续发展，Atlas生态不断与产业场景深入融合。
