人工智能芯片戰(zhàn)局暗潮洶涌，當 Google 與 NVIDIA 戰(zhàn)火交纏于云端 AI ，更往下蔓延至邊緣 AI 戰(zhàn)場時，華為宣布“達芬奇”架構，提出 MindSpore 計算框架，一舉橫跨公有云、私有云、端、邊緣等，這一步，讓國內(nèi)人工智能技術實力提升至另一個層次。

達芬奇，歐洲文藝復興時期最完美的代表，也是人類歷史上絕無僅有的全才，他是科學家、發(fā)明家、建筑工程師，也是畫家。華為借“達芬奇”這個化身與命名，透露出 AI 戰(zhàn)略布局的光芒與野心。

華為 2018 全聯(lián)接大會上，副董事長兼輪值董事長徐直軍為華為的 AI 戰(zhàn)略作出定義：全棧全場景 AI 解決方案。

所謂“全棧”，是指在芯片設計、芯片算子庫和高度自動化算子開發(fā)工具 CANN 、統(tǒng)一訓練推理計算框架 MindSpore 、全流程服務（ModelArts）一體到位。

“全場景”則是指將 AI 應用到橫跨公有云、私有云、各種邊緣計算、各種終端環(huán)境的場景進行部署，尤其是應用到華為已有的業(yè)務領域包括智能手機、榮耀手機、智能家電、華為云等，包括面向企業(yè)和政府的人工智能服務平臺華為云 EI ，以及面向智能終端的人工智慧引擎 HiAI 已經(jīng)為大量開發(fā)者、消費者及企業(yè)提供豐富的 AI 服務。

（來源：華為）

華為芯片布局：為 AI 而生

時光回到 2017 年，華為推出首顆手機端人工智能芯片麒麟 970，首次實現(xiàn)在端側嵌入專用 NPU ，打響人工智能芯片落地智能手機領域的第一槍。隔年，麒麟 980 芯片問世，同樣以一年一個制程的速度演進。

2018 年 10 月，華為“達芬奇”架構浮出水面，首次發(fā)布華為全棧全場景 AI 戰(zhàn)略及計劃，其中包括全球首個覆蓋全場景人工智能的華為 Ascend （昇騰）系列芯片以及基于該系列芯片的產(chǎn)品和云服務。最重磅的當屬昇騰 310 和昇騰 910 兩款 AI 芯片的發(fā)布。

圖 | 2018 華為 HC 全聯(lián)接大會上，華為推出首款全棧全場景人工智能芯片——Ascend 310（來源：華為）

昇騰 310 芯片鎖定邊緣計算，采用 12nm 工藝技術，在 8W 的功耗上實現(xiàn)了 8 TOPS 半精度浮點數(shù)算力或 16 TOPS 8 位整數(shù)算力，且集成了單通道全高清視頻解碼器。

昇騰 310 芯片強調(diào)全高清視頻解碼器，因此初期應用場景應會是以這一波人工智能最熱門的機器視覺為主。

再往上發(fā)展至云端計算領域，尤其是云端的訓練芯片昇騰 910，具備核心技術實力，與 Google、NVIDIA 兩大巨頭正面對弈是可以預期的。

透視華為的昇騰芯片，雖然看起來只是一顆小小的芯片，但其實是一個微型系統(tǒng)，其內(nèi)部集成了 AI 核、鯤鵬內(nèi)核，及編解碼芯片等其他功能獨立的部件，通過這些內(nèi)部部件對外提供通用的 AI 算力，可以應用在不同的場景。其中，達芬奇架構扮演的角色就是自研的 AI 加速器，和傳統(tǒng)的 ARM 核心架構進行協(xié)調(diào)來加速 AI 計算效能，再把計算用的乘加器（MAC）按照不同的計算組織成不同的方式，并搭配標準的數(shù)據(jù)緩存。

這和以 NVIDIA 的 GPU 架構作為 AI 加速器來優(yōu)化智能計算是一樣的邏輯。其 GPU 為了優(yōu)化人工智能的計算功能，加入了對于矩陣運算的優(yōu)化支持的 Tensor Core，但畢竟 GPU 不是天生為 AI 計算所設計，計算效率不高，因此才會引得這么多企業(yè)都紛紛競逐 AI 戰(zhàn)場自研芯片，與 NVIDIA 的 GPU 同臺競爭。

華為自研的達芬奇架構就是一例，且達芬奇架構就是為 AI 而生，終極目標是人工智能走進千家萬戶。

若是再與 Google 的 TPU 相比，達芬奇架構更為簡潔。因為 TPU 使用了脈動陣列（systolic array）架構，優(yōu)勢是對于內(nèi)存帶寬的需求減少，但問題在于一旦到了終端的低算力和低功耗應用中，效率問題會浮現(xiàn)。

根據(jù)華為規(guī)劃，基于達芬奇架構的昇騰芯片分為 Max、Mini、Lite、Tiny、Nano 五個系列，除了昇騰 910（Max）、昇騰310（Mini）之外，另外三個系列 Lite、Tiny、Nano 分別是瞄準物聯(lián)網(wǎng)、智能手機、智能穿戴等終端場景，以 IP 和芯片搭載的方式嵌入于不同產(chǎn)品中。

華為 MindSpore 計算框架的普惠 AI 愿景

這其中的一個重點是同時支持云、邊緣、端各個場景獨立又協(xié)同的統(tǒng)一訓練和推理框架 MindSpore，是華為人工智能戰(zhàn)略中的一張王牌。

為什么要有機器學習算法框架？因為人工智能從學術理論研究，一直落實到應用層面，當中涉及很多步驟和工具，為了簡化過程，需要有個計算框架作為基礎的平臺和工具，也讓不同領域的專家如數(shù)學家、科學家、計算機專家等，可以更專注于自身領域的創(chuàng)新和技術，不然會很耗費人才。

圖 | 華為的全棧全場景 AI 解決方案（來源：華為）

在深度學習框架的世界中，如果說 Google 的 TensorFlow、Amazon 的 MXnet、Facebook 的 PyTorch，以及 Microsoft 的 CNTK 被列為當今四大門派，華為 MindSpore 是最強的挑戰(zhàn)者。

AI 計算框架對于降低 AI 的開發(fā)和使用門檻、釋放 AI 生產(chǎn)力、最大程度發(fā)揮 AI 芯片算力潛力等都是至關重要的。華為既是 AI 芯片及硬件解決方案提供商，同時由于本身的業(yè)務領域廣泛并已經(jīng)在終端、邊緣計算、云服務、網(wǎng)絡設備、5G 等都已經(jīng)部署 AI 能力，華為也是 AI 的深度使用者。

華為 MindSpore 作為基于其過去多年對AI技術的使用和探索經(jīng)驗研制的 AI 計算框架，勢必為 AI 產(chǎn)業(yè)界帶來驚喜，進一步升級 AI 計算框架，在云邊端所有場景全面發(fā)揮 AI 芯片算力潛能、降低 AI 門檻，MindSpore 無疑將是華為實現(xiàn)普惠 AI 抱負的重要一環(huán)。

打造易用平臺，累積 AI 人才

同時，在進入人工智能時代后，開發(fā)者已經(jīng)成為與行業(yè)合作伙伴同等重要的角色，華為是否能通過 MindSpore 計算框架來打造有利的生態(tài)發(fā)展條件，進而吸引足夠的開發(fā)者來使用華為的技術方案，是其實施全棧全場景 AI 戰(zhàn)略的下一階段關鍵。

阿里巴巴創(chuàng)始人馬云曾說，中國在人工智能方面的人才極端缺乏，幾乎沒什么人才。另一維度，根據(jù)騰訊研究院發(fā)布的《中美兩國人工智能產(chǎn)業(yè)發(fā)展全面解讀》分析，美國人工智能產(chǎn)業(yè)總量約是中國的兩倍。

要解開人才短缺的問題，提出簡單易學的人工智能平臺、工具和算法框架是最基本的。再者，通過提供培訓，借助于平臺在開發(fā)者群體中的口碑效應，可以吸引更多人才投入。同時，也能建立企業(yè)在該領域的影響力，可以累積有價值的 AI 人才，這些都將推動人工智能生態(tài)的正循環(huán)。

華為的達芬奇架構問世，對于國內(nèi)人工智能領域是一個重大里程碑，這也是系統(tǒng)廠商自研芯片策略的終極展示。

過往，系統(tǒng)廠的芯片需求幾乎都被英特爾的標準型通用芯片一統(tǒng)天下，隨著品牌系統(tǒng)廠商為了凸顯產(chǎn)品的差異性和簡化硬件架構，開始走向自研專用芯片，蘋果自研手機處理器芯片做了一個巨大的帶頭示范。

在進入人工智能時代后，由于應用場景的多樣化和復雜度，自研芯片的能力代表著技術競爭力的門檻能堆砌多高。因此，這場人工智能戰(zhàn)役基本上不會有大型系統(tǒng)廠缺席，同時，華為這種掌握硬核科技實力、擁有普惠 AI 抱負的系統(tǒng)大廠，基于其 AI 戰(zhàn)略的真正投入和實施，我們相信將對整個 AI 產(chǎn)業(yè)帶來極為積極的正面影響。