據外媒The Information報道, 華為在內部制定 '達芬奇計劃' , 該計劃也被華為高管在內部稱之為 'D計劃' , 負責人是華為副董事長, 華為旗下IC設計公司海思董事長徐直軍.
主要內容是: 第一, 將AI引入華為的所有產品和服務當中, 包括電信基站, 雲數據中心, 智能手機, 監控攝像頭等; 第二, 為數據中心開發新的AI晶片, 使得語音識別, 映像識別等應用可以在雲端使用.
The Information對該計劃的推測是: 一, 華為發力AI晶片可能對英偉達造成威脅; 二, 華為的AI雲端布局可能加劇美國政府的擔憂.
華為AI布局
華為的AI布局, 其實不是什麼新鮮事.
雷鋒網已經報道過, 在6月22日召開的華為DigiX2018華為終端·全球合作夥伴及開發者大會上, 華為消費者業務CEO餘承東闡述了華為消費者業務的全新戰略: 全場景智慧生活生態戰略.
餘承東強調, 華為要打造的全場景智慧生活生態是一個開放的生態. 面向整個生態, 華為HiAI人工智慧開放平台將提供芯, 端, 雲三個層面的技術開放, 賦能全球的合作夥伴.
在晶片側, 華為將通過HiAI移動計算平台, 影音工具, 遊戲助手等打造流暢的操作體驗; 在終端側, 華為通過智慧硬體, HiAI平台, AR/VR等設備來構築全連接服務和全場景應用, 提供一系列智能感知和交互能力; 在雲側則通過華為移動服務 (HMS) , AppGallery等滿足消費者個性化的使用需求.
2017年9月, 華為發布了世界首款手機AI晶片麒麟970, 添加神經網路處理單元NPU (其技術來源於寒武紀) , 與CPU相比, 計算速度提升25倍, 能耗效率提高50倍. 華為Mate 10和Mate 10 Pro和榮耀V10都搭載了麒麟970晶片.
目前, 華為仍使用英偉達的GPU晶片向伺服器添加AI功能.
中國芯 '組團' 進軍雲端AI晶片
國內競爭形勢正在加劇, 今年, 百度和寒武紀紛紛進軍雲端AI晶片.
今年5月, 寒武紀發布首款雲端智能晶片 Cambricon MLU100.
據了解, MLU100採用寒武紀最新的MLUv01架構和TSMC 16nm工藝, 可工作在平衡模式 (1GHz主頻) 和高性能模式 (1.3GHz主頻) , 平衡模式下等效理論峰值速度達每秒128萬億次定點運算, 高性能模式下等效理論峰值速度達每秒166.4萬億次定點運算, 但典型板級功耗為80瓦, 峰值功耗不超過110瓦.
7月4日, 在 2018百度AI開發者大會上, 百度CEO兼董事長李彥宏發布了百度自主研發的 AI 晶片 '崑崙' , 其中包含訓練晶片崑崙 818-300 和推理晶片 818-100.
百度宣稱, 這是中國第一款雲端全功能 AI 晶片, 也是目前為止業內設計算力最高的 AI 晶片. 從參數上來看, '崑崙' 採用了三星 14nm 工藝, 具備 260Tops 的性能, 512 GB/s 記憶體頻寬; 功耗超過 100 瓦特, 由幾萬個小核心構成.
雲端AI晶片市場格局
而在目前的GPU晶片市場上, 英偉達市場佔有率高達70%, 是當之無愧的晶片領域霸主.
2016年, 英偉達投入數十億美元, 動用數千名工程師, 推出了第一個專為深度學習優化的Pascal GPU. 2017年又推出了性能相比Pascal提升5倍的新GPU架構Volta, 神經網路推理加速器TensorRT 3也同時亮相, TensorRT作為一款可編程推理加速器能加速現有和未來的網路架構.
雷鋒網對AI晶片市場格局進行過詳細分析 (詳見: 當今群雄逐鹿的AI晶片行業, 終將是頭部玩家的天下) . 目前, 雲端AI晶片無論是從硬體還是軟體, 已經被傳統巨頭控制.
下面這張圖是Compass Intelligence公布的全球AI晶片榜單. 因為AI晶片目前在終端應用極少, 所以榜單頭部的排名可以近似的認為就是雲端AI晶片的目前市場格局.
我們可以看到, 晶片巨頭Nvidia (英偉達) 已經牢牢佔據AI晶片榜首, 由於CUDA開發平台的普及, 英偉達的GPU是目前應用最廣的通用AI硬體計算平台.
除了有實力自研晶片的企業 (全世界也沒幾家) , 如果需要做AI相關的工作, 必定需要用到Nvidia的晶片. Nvidia的晶片應用普遍, 現在所有的AI軟體庫都支援使用CUDA加速, 包括穀歌的Tensorflow, Facebook的Caffe, 亞馬遜的MXNet等.
現在業界爭論的焦點是AI晶片的處理器架構用哪種是最好的, 有GPU, FPGA, DSP和ASIC, 甚至還有更前沿的腦神經形態晶片. 現在GPU處於優勢地位, 但其他幾種處理器架構也各有優勢.
Intel則是多方下注, 不錯過任何一種處理器架構. 穀歌在TPU (其實就是一種ASIC) 方面的巨大投入帶來了硬體效能的極大提高, 目前看來對GPU的衝擊將是最大的, 原因不單單是因為專用架構帶來的效率優勢, 還有商業模式方面帶來的成本優勢.
在雲端, 國際巨頭已經成為了事實上的生態主導者, 因為雲計算本來就是巨頭的戰場, 現在所有開源AI框架也都是這些巨頭髮布的. 在這樣一個生態已經固化的環境中, 華為要想分一杯羹, 國產雲端AI晶片想要挺進五強, 甚或挑戰英偉達, 絕非易事.