斯坦福大學發布最新的DAWNBench榜單，華為雲ModelArts一站式AI開發平台獲得圖像識別訓練和推理性能雙料冠軍，將模型訓練時間大幅縮減的同時實現了超強推理性能，體現了其在全球深度學習平台技術的領先性。

在訓練性能方面，ResNet50_on_ImageNet上的測試結果顯示，當採用128塊V100時，華為雲ModelArts上模型訓練時間僅需4分08秒，較其2018年12月創下的9分22秒紀錄快了一倍，比此前fast.ai在AWS平台上的訓練速度快4倍；在推理性能方面，華為雲ModelArts識別圖片的速度是排名第二廠商的1.7倍，亞馬遜的4倍，谷歌的9.1倍。

ModelArts：領先的深度學習平台技術

作為人工智能最重要的基礎技術之一，近年來深度學習也逐步延伸到更多的應用場景，如自動駕駛、互聯網、安防、醫療等領域。隨著深度學習模型越來越大，所需數據量越來越多，所需的AI算力資源和訓練時間越來越長，深度學習的訓練和推理性能將是重中之重。

斯坦福大學DAWNBench是全球人工智能領域最權威的競賽之一，是用來衡量端到端的深度學習模型訓練和推理性能的國際權威基準測試平台，相應的排行榜反映了當前業界深度學習平台技術的領先性。

華為雲ModelArts支持海量數據預處理、大規模分佈式訓練、自動化模型生成，並具備端-邊-雲模型按需部署能力，可幫助用戶快速創建和部署模型、管理全週期AI工作流。在本次斯坦福大學DAWNBench深度學習訓練時間及推理性能挑戰中，華為雲ModelArts運用了高性能分佈式模型訓練和極速推理技術。

斯坦福大學DAWNBench推理性能榜單

斯坦福大學DAWNBench訓練時間榜單

用戶：高效地在雲端獲得和利用AI計算資源

稀缺且昂貴的算力和開發效率低是當前AI開發過程中的主要痛點，例如開發者、企業或高校機構等通常期望藉助更高性能的大規模計算集群來加速訓練過程，然而採購和維護如此規模的高性能計算集群意味著高昂的成本。

對於華為雲ModelArts用戶來講，可以高效地在雲端，獲得和利用規模的高性能GPU計算集群資源，按需付費，算力的獲取門檻大幅下降；ModelArts還借助華為雲對特定硬件（高性能服務器、網絡、存儲等）、軟件和算法協同優化來實現加速；加上對分佈式系統和算法的優化，以及對用戶體驗的優化，可以進一步幫助用戶降低成本，快速實現或優化AI業務。

為了賦能生態，進一步加速AI產品的開發與落地，3月21日華為雲發布了在ModelArts基礎上構建的開發者生態社區——華為雲AI市場，提供AI模型、API交易功能以及數據、競賽案例等內容共享功能，為高校科研機構、AI應用開發商、解決方案集成商、企業及個人開發者等群體，提供安全、開放的共享及交易環境。華為雲AI市場中包含的AI模型市場，是國內首個提供發布及訂閱AI模型服務的平台。

自發布以來，華為雲ModelArts一站式AI開發平台已經逐步覆蓋醫療、智能製造、自動駕駛、智慧城市、建築、園區等人工智能場景，幫助金域醫學、廣聯達、雲廬科技等企業進行AI開發應用落地。

截至2018年底，華為雲EI企業智能服務已經增加至56種、159種功能，在城市、製造、物流、物聯網等8大行業超過200個項目進行探索，致力做行業升級新引擎。

斯坦福大學DAWNBench榜單鏈接：https://dawn.cs.stanford.edu/benchmark/