如何利用电子电路来实现逻辑运算

信息时代，算力即是生产力。

但你有没有想过，算力每天都在算些啥？

万物皆数，万事皆算

曾经，人们对计算的理解，局限于数学计算。

直到克劳德·香农的出现。他敏锐地意识到，开关电路与逻辑运算之间具有相似性，并在论文中展现了如何利用电子电路来实现逻辑运算。

从此，计算的对象，不再只是纯粹的数字，它也可以计算逻辑。

等到图灵提出“图灵机”的构想，用机器进行计算的野心则更加宏大。

图灵机的艺术形式 | wikipedia

图灵将人类的计算过程抽象为一系列规则，希望用机器模拟人类的整个计算过程，即所谓的通用计算。在此基础上，人类造出了冯·诺依曼机。现代几乎所有电子计算机都是沿用这种架构。这种架构中，负责计算的核心部件，被我们称作CPU（Central Processing Unit，中央处理器）。

冯·诺伊曼结构的设计概念 | wikipedia

此后，随着信息技术的发展，图像、音频、视频等其他信息载体，借助传感器和信息编码技术，也开始数字化，也开始被计算。

于是， GPU（Graphics Processing Unit，图像处理器）出现了。GPU表示：CPU进行图形运算效率太低啦，今后这部分工作由我专门来做。从那以后，C+G也成为了计算机的基本配置。

仅仅过了十数年，由于人工智能技术的发展，其对算力的庞大需求让CPU和GPU都显得力不从心，于是，Google干脆在研发“阿尔法狗”的时候，顺便制造了专用的芯片：TPU（Tensor Processing Unit，张量处理器）。其后，一系列公司都开始针对人工智能开发专门优化的神经网络处理芯片（Neural-network Processing Unit，NPU）。

这背后的本质，事实上是计算的对象发生了变化，计算的场景更加细分，需要的算力更加庞大，原有的硬件架构不再高效。

而不知不觉中，计算早已变得无处不在,万物开始互联。

在5G+AI的技术加持下，许多前所未有的对象、场景和应用，开始被感知、被联接、被传输、被计算；进行计算的场所，不再局限于一个个“端”，也未必集中到一朵朵“云”，而是云边端的全场景协同；计算所借助的工具，不再是某一类通用CPU或者GPU，而是场景细分下的各种各样的芯片和硬件；而计算本身也早已不再是纯粹的加减乘除，生活中早已是“万物皆数、万事皆算”。

人类文明即将进入的，是一个异构计算、协同计算、高性能计算、泛在计算同时并存的多样性计算新时代。

爱因斯坦曾经感叹：“宇宙最不可理解之处，就是它居然是可以被理解的。”或许现在还要加上一条：它居然可以被计算。

从计算机到计算“基”

每一次计算的对象和场景发生变化，都伴随着硬件的变革。

但多样性计算的时代，需要的早已不止是某一种芯片或者某一台机器，而是从硬件到软件再到应用，从生态开放到人才培养的一整套基础设施。

在这场可能是未来十年人类社会最重要的基础建设活动里，华为计划2020年投入2亿美元、5年投入15亿美元，来促进整个计算产业的发展。

华为围绕“鲲鹏”+“昇腾”两大领域，以“硬件开放、软件开源，使能合作伙伴”为宗旨，构筑开放创新的全生态链，与开发者一起在多样性计算时代获得共赢。

多样性计算的一大挑战是：计算场景越来越多元化。

随着应用创新速度加快，应用种类和数量繁多，应用也越来越场景化和多样化，加上用户对应用体验的追求不断提高，需要的算力越来越庞大，这就对计算硬件提出了新的要求。

实践证明，单纯云、边、端的一个或两个维度的计算都无法更好地满足用户需求，只有云、边、端一体化的协同计算才能满足不同用户对时延、性能、功耗等的多样需求。

然而，不同侧的算力可能有不同的架构，如何让各种架构下的算力高效协同就成为了一个难题。

答案是鲲鹏。鲲鹏与广泛的边、端的算力架构原生兼容。有了鲲鹏，计算场景多元化的问题将迎刃而解。

华为提供的KunpengBoostKit应用使能套件，针对大数据、分布式存储等八大应用场景做了一系列深度优化，让应用开发者以“开箱即用”的方式，更加便捷的使用鲲鹏平台。Kunpeng DevKit开发套件也在持续增强，提供代码扫描、迁移、编译、调优等一系列功能，还新增了无源码迁移功能，使开发者不用再为各种不同的开发环境而困扰。

如果你是基础软件开发者，openEuler操作系统和openGauss数据库已开源。你不再是孤军奋战，你可以深度参与社区建设，与志同道合的全球开发者实现技术理念。

如果你是硬件开发者，华为开放鲲鹏主板，尤其是最新推出的2.0版本，采用了基础板+扩展板+BMC/BIOS的设计，硬件开发者可以根据自身的行业需求，对其进行自定义和拓展，极大地提高了灵活性。

多样性计算的另一大挑战是：人工智能计算，也就是通常说的AI计算。

目前，AI在特定领域已超越人类，成为推动社会发展关键引擎。但AI从算法走向应用仍旧面临一系列挑战。与AI展现的美好前景相比，目前开发、应用、部署一个AI实在太麻烦了。

针对这些挑战，华为昇腾提供了全栈式解决方案，让AI开发变得极简高效。

首先是在硬件层面，华为陆续发布了覆盖端边云的Atlas全场景系列硬件，为AI提供算力支撑，不管在哪用AI，都有充足算力做保证。

接着针对AI专业开发者，华为发布了异构计算架构CANN 3.0，支持10+端边云设备形态、14+操作系统和多种AI框架，使能全场景硬件；采用统一的API，四大开放性设计，提供两种算子开发方式，让AI的开发变得更加高效；还提供1000+高性能算子，使能澎湃算力。根据测试，基于Atlas 900、CANN3.0和ModelArts的联合调优，ResNet-50模型训练时间，从HC2019上的59.8秒减少到了28秒。

面向AI应用开发者，华为提供全场景AI计算框架MindSpore 1.0，提供全自动并行、全场景协同功能，并且全流程极简，让开发者只用关注算法本身。

面向最上层的业务应用开发者，采用MindX 1.0，即可把AI变成服务。开发者只需关注业务实现，无需担心AI的具体算法、框架。还提供各类行业应用套件，配合使用可极大地提升开发效率。以即将上线的视频分析SDK：mxVision为例，它可以让车辆识别/视频结构化这种典型的CV类应用快速上线，应用开发效率提升10倍以上。

整个流程借助MindStudio 2.0全流程开发工具链，可以加速开发过程，让AI变得更加容易，真正解放开发者的创造力，释放AI的巨大潜能。

多样性计算还有一个最大的挑战，即分布式+多样性计算。

高性能分布式应用给开发者带来了巨大的挑战：如何提供高密度的算力、如何让应用匹配不同的算力，并行性能如何保障、资源如何统一调度等等，都是令开发者头秃的问题。

但如果借助基于函数计算的分布式并行应用开发框架，开发者本已不多的头发将能得到保留。开发者能够像搭积木般构建分布式并行应用，在大规模分布式系统上享受单机编程体验；还提供高扩展低时延的数据缓存系统，缓存续写速度缩短10倍；支持函数高效直接通信，实现毫秒级函数启动；还特别通过AI提升用户对大规模分布式并行应用的性能调优和故障定位效率。

此外还有新一代加速库和调度器，这些都能帮助开发者，聚焦于核心业务逻辑，不必操心“日常琐事”。

所有屠龙的冒险者都需要装备，这一系列工具，就是华为给开发者铸造的神兵利器，让开发者不用踏破铁鞋去深山老林寻找银鳞胸甲，而是能够专心磨炼自己的武艺，去寻找真正的宝藏。

而比这些工具更重要的，是鲲鹏和昇腾越来越开放的生态。

在全产业的共同努力下，鲲鹏和昇腾的生态驶入快车道。当前开发者已超过30万，合作伙伴超过1000家，完成兼容性认证的解决方案超过3000+，服务于金融、运营商、政府、电力、交通等各行各业，真正做到了全生态开放创新，使能算力爆炸式增长，为数字经济提供了发展新动能。

除了在产业层面秉承“硬件开放、软件开源，使能合作伙伴”的原则，华为还格外注重产业人才的培养，坚持以产业集聚人才，以人才引领产业，构建良性人才生态，激发产业持续活力。

目前，华为联合首批72所高校建设了“智能基座”产教融合协同育人基地，针对高校研究性、应用型、技能型等不同人才类型，有的放矢、分门别类的进行人才培养，点亮未来“灯塔”；针对高校人才发展路径，构建闭环知识、实践、认证成长体系，还编写了“鲲鹏”+“昇腾”系列学习教材。未来“鲲鹏”、“昇腾”或将成为高校学生的必备技能。

结语

预计到2023年，整个计算产业生态体系在全球有近两万亿美元的市场空间，在中国则超过1.1万亿人民币。华为愿意使能每一位开发者，让每一行代码都能具备改变世界的算力，让整个产业一起：

“鲲鹏”展翅，“昇腾”万里。

审核编辑 ：李倩