华为加入AI芯片大战，胜算几何？

华为的“达芬奇计划”曝光，该计划是开发用于数据中心的AI芯片，以挑战当下在AI芯片市场占据龙头地位的NVIDIA，那么对于华为来说它加入AI芯片大战有多少胜算呢？

NVIDIA的优势

NVIDIA在AI芯片领域取得领先优势并非一朝一夕所取得的，这是它十多年来努力获得的结果。随着AI的兴起，业界日益认识到GPU所拥有的低精度、并行计算等优点更适合神经训练，这是GPU开始逐渐被应用于AI领域的原因，不过NVIDIA能在该领域占据领先优势并不仅仅是它所拥有领先优势的GPU，毕竟另一家GPU厂商AMD的Radeon GPU在性能方面与NVIDIA旗鼓相当，但是在AI领域却远远落后于NVIDIA。

NVIDIA在AI芯片市场取得领先优势除了其所拥有的性能强大的GPU之外，还与它早早打造的CUDA平台有很大关系。NVIDIA很早就认识到了GPU所拥有的强大计算能力，并认为GPU将较CPU有更大的的发展前途，为此它开发了CUDA平台，这个平台可以将GPU作为一个并行数据计算的设备，对所进行的计算进行分配和管理，用户的开发门槛大大降低了。

在NVIDIA的努力下，CUDA平台逐渐获得一些开发者的加入，并逐渐形成了自己的生态，只不过当时由于数据中心绝大多数都是基于Intel的X86架构服务芯片开发，NVIDIA的CUDA平台并没有获得迅速的发展，直到AI的兴起，CUDA平台所拥有的优势开始获得认可，目前全球绝大多数的神经训练网络都是基于NVIDIA的芯片搭建，CUDA平台开始形成一个良好的生态平台，它让AI开发者可以基于CUDA平台更容易开发各种应用和服务，NVIDIA开始在AI领域取得领先优势。

NVIDIA并未占据绝对的优势

当NVIDIA在AI芯片市场逐渐取得领先优势的时候，各互联网巨头也开始在AI领域发力，不过或许是受服务器芯片市场过于受制于Intel的影响，互联网巨头并不希望在AI芯片上完全受制于NVIDIA，而且各个互联网巨头在AI领域的发展方向有自己的侧重点，例如图片分析与语音分析就有很大的差异，NVIDIA的通用方案导致在计算效率方面并未达到理想的状态，谷歌就专门开发了自己的AI芯片TPU并针对自己的AI算法进行深度优化获得更高的运算效率。

正因此全球的AI芯片开始呈现百花齐放的局面，尤其是中国市场诞生了数百家AI芯片企业，当下中国较为知名的AI芯片企业就有寒武纪、地平线等芯片企业。

中国芯片企业呈现高度繁荣的景象也与中国在2014年成立的集成电路产业基金的支持有很大关系，中国已认识到芯片的重要性为此对于国内兴起的芯片企业给予了大力支持，而AI芯片作为新兴芯片行业更容易在当下国外芯片企业尚未占据绝对优势的时候突围而出，自然也成为中国支持的重点。

华为布局AI芯片有它的优势

华为是中国实力最强的芯片设计企业，其研发的手机芯片已追上了国际领先水平，与手机芯片老大高通不相上下，其在智能手机芯片市场取得成功之后开始介入更多的行业，在备受关注的服务器芯片方面它就基于ARM的授权开发了自主核心泰山，可见它对服务器芯片市场的野心，在这样的情况下顺势介入当下逐渐火热的AI芯片行业也可以认为是顺势而为。

华为是中国服务器市场的有力竞争者之一，其已成为全球第四大服务器供应商，当下其也已成立华为云事业部，这都可以看出它在数据业务方面的野心以及所拥有的能力，其可以如谷歌一样将自己的AI算法与AI芯片进行深度优化获得更高的运算效率。值得注意的是国内最大的云服务供应商阿里巴巴也宣布开发自己的AI芯片，华为更不应落于人后。

去年华为领先业界在自己的手机芯片麒麟970上集成了从寒武纪获取授权的AI芯片，显示出它在AI芯片开发和应用上都取得了一些经验，这有助于它开发自己的AI芯片取得成功。当然从谷歌开发TPU花费了数年时间来看，华为自己的AI芯片要取得成功也需要一些时间。

笔者认为华为开发AI芯片是有很大的可能性获得成功的，不过其AI芯片要获得其他企业的采用并不容易，毕竟竞争对手考虑到竞争关系一般都不会采用华为的AI芯片，华为研发的AI芯片很可能也将如手机芯片一样主要是应用于它自己的通信设备、手机、服务器以及华为云业务上。

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。雷锋网了解，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。

来源：柏颖

延伸阅读：

> 中兴通讯发布公告确认获美商务部暂时部分解禁

广告位及媒体合作热线：021-51602306