据外媒The Information报道, 华为在内部制定 '达芬奇计划' , 该计划也被华为高管在内部称之为 'D计划' , 负责人是华为副董事长, 华为旗下IC设计公司海思董事长徐直军.
主要内容是: 第一, 将AI引入华为的所有产品和服务当中, 包括电信基站, 云数据中心, 智能手机, 监控摄像头等; 第二, 为数据中心开发新的AI芯片, 使得语音识别, 图像识别等应用可以在云端使用.
The Information对该计划的推测是: 一, 华为发力AI芯片可能对英伟达造成威胁; 二, 华为的AI云端布局可能加剧美国政府的担忧.
华为AI布局
华为的AI布局, 其实不是什么新鲜事.
雷锋网已经报道过, 在6月22日召开的华为DigiX2018华为终端·全球合作伙伴及开发者大会上, 华为消费者业务CEO余承东阐述了华为消费者业务的全新战略: 全场景智慧生活生态战略.
余承东强调, 华为要打造的全场景智慧生活生态是一个开放的生态. 面向整个生态, 华为HiAI人工智能开放平台将提供芯, 端, 云三个层面的技术开放, 赋能全球的合作伙伴.
在芯片侧, 华为将通过HiAI移动计算平台, 影音工具, 游戏助手等打造流畅的操作体验; 在终端侧, 华为通过智慧硬件, HiAI平台, AR/VR等设备来构筑全连接服务和全场景应用, 提供一系列智能感知和交互能力; 在云侧则通过华为移动服务 (HMS) , AppGallery等满足消费者个性化的使用需求.
2017年9月, 华为发布了世界首款手机AI芯片麒麟970, 添加神经网络处理单元NPU (其技术来源于寒武纪) , 与CPU相比, 计算速度提升25倍, 能耗效率提高50倍. 华为Mate 10和Mate 10 Pro和荣耀V10都搭载了麒麟970芯片.
目前, 华为仍使用英伟达的GPU芯片向服务器添加AI功能.
中国芯 '组团' 进军云端AI芯片
国内竞争形势正在加剧, 今年, 百度和寒武纪纷纷进军云端AI芯片.
今年5月, 寒武纪发布首款云端智能芯片 Cambricon MLU100.
据了解, MLU100采用寒武纪最新的MLUv01架构和TSMC 16nm工艺, 可工作在平衡模式 (1GHz主频) 和高性能模式 (1.3GHz主频) , 平衡模式下等效理论峰值速度达每秒128万亿次定点运算, 高性能模式下等效理论峰值速度达每秒166.4万亿次定点运算, 但典型板级功耗为80瓦, 峰值功耗不超过110瓦.
7月4日, 在 2018百度AI开发者大会上, 百度CEO兼董事长李彦宏发布了百度自主研发的 AI 芯片 '昆仑' , 其中包含训练芯片昆仑 818-300 和推理芯片 818-100.
百度宣称, 这是中国第一款云端全功能 AI 芯片, 也是目前为止业内设计算力最高的 AI 芯片. 从参数上来看, '昆仑' 采用了三星 14nm 工艺, 具备 260Tops 的性能, 512 GB/s 内存带宽; 功耗超过 100 瓦特, 由几万个小核心构成.
云端AI芯片市场格局
而在目前的GPU芯片市场上, 英伟达市场占有率高达70%, 是当之无愧的芯片领域霸主.
2016年, 英伟达投入数十亿美元, 动用数千名工程师, 推出了第一个专为深度学习优化的Pascal GPU. 2017年又推出了性能相比Pascal提升5倍的新GPU架构Volta, 神经网络推理加速器TensorRT 3也同时亮相, TensorRT作为一款可编程推理加速器能加速现有和未来的网络架构.
雷锋网对AI芯片市场格局进行过详细分析 (详见: 当今群雄逐鹿的AI芯片行业, 终将是头部玩家的天下) . 目前, 云端AI芯片无论是从硬件还是软件, 已经被传统巨头控制.
下面这张图是Compass Intelligence公布的全球AI芯片榜单. 因为AI芯片目前在终端应用极少, 所以榜单头部的排名可以近似的认为就是云端AI芯片的目前市场格局.
我们可以看到, 芯片巨头Nvidia (英伟达) 已经牢牢占据AI芯片榜首, 由于CUDA开发平台的普及, 英伟达的GPU是目前应用最广的通用AI硬件计算平台.
除了有实力自研芯片的企业 (全世界也没几家) , 如果需要做AI相关的工作, 必定需要用到Nvidia的芯片. Nvidia的芯片应用普遍, 现在所有的AI软件库都支持使用CUDA加速, 包括谷歌的Tensorflow, Facebook的Caffe, 亚马逊的MXNet等.
现在业界争论的焦点是AI芯片的处理器架构用哪种是最好的, 有GPU, FPGA, DSP和ASIC, 甚至还有更前沿的脑神经形态芯片. 现在GPU处于优势地位, 但其他几种处理器架构也各有优势.
Intel则是多方下注, 不错过任何一种处理器架构. 谷歌在TPU (其实就是一种ASIC) 方面的巨大投入带来了硬件效能的极大提高, 目前看来对GPU的冲击将是最大的, 原因不单单是因为专用架构带来的效率优势, 还有商业模式方面带来的成本优势.
在云端, 国际巨头已经成为了事实上的生态主导者, 因为云计算本来就是巨头的战场, 现在所有开源AI框架也都是这些巨头发布的. 在这样一个生态已经固化的环境中, 华为要想分一杯羹, 国产云端AI芯片想要挺进五强, 甚或挑战英伟达, 绝非易事.