除了5G和鴻蒙，華為還有這個！

鴻蒙一開天地寬！這幾天的華為，因發布鴻蒙操作系統而成為中外矚目的「超級網紅」。不僅新華社、人民日報和央視紛紛點贊，海外媒體及網友也紛紛「炸鍋」，認為谷歌遭遇了勁敵。鴻蒙之外，奠定華為「超級網紅」地位的自然還有5G。這個讓特朗普寢食不安、奔走「代言」的革命性技術，也正在成為華為構建萬物互聯智能世界的「殺手鐧」。

除了5G和鴻蒙，華為還有什麼值得關注的基礎設施級的「超級網紅」呢？在剛剛發布的「全球產業展望GIV@2025」中，華為預測到2025年58%的人口將享有5G網路，但97%的大企業都將採用AI，以及14%的家庭將擁有「機器人管家」。任正非在最新簽發的電郵中甚至說，「5G是工具，人工智慧才是大產業」。

華為的AI到底發展得怎麼樣？既然華為將人工智慧視為基礎設施級別的通用技術，我們不妨將目光聚焦到人工智慧最重要的基礎設施——AI晶元層面，看看華為的進度，以及它在全球同行中處於什麼身位？

巨頭所見略同，「將AI放進晶元」

AI晶元作為一個獨立詞語出現在大眾視野，還是近幾年的事。在這之前，熟悉晶元行業的人都知道，晶元就是智能的代名詞，諸如CPU之類的主晶元，就是機器的「大腦」。那麼，是什麼原因促使原本就智能的晶元，還需要被AI加持呢？這要從兩個方面說起。

一方面，以英偉達和英特爾為代表的傳統晶元巨頭看到，摩爾定律正在加速失效，傳統計算瓶頸日顯。多年來，它們已經使用了各種手段來試圖跟上摩爾定律的步伐，包括採用更先進的製程工藝，增加更多的內核等，但都收效甚微，無法滿足日益劇增的人工智慧計算需求。

另一方面，以谷歌和微軟為代表的互聯網應用及軟體服務商看到，深度學習日趨流行，數據中心的AI負載佔比不斷攀升。海量用戶的智能語音對話、視頻圖片的大數據分析等新應用日漸增多，將耗盡平台廠商原本的計算資源，讓傳統計算捉襟見肘。

市場需求和技術創新兩方面的因素碰撞到一起，促使巨頭們達成一個共識：探尋新的計算架構，「將AI放進晶元」。於是乎，英偉達不斷為GPU加入AI設計，GPU大放異彩；英特爾將AI注入CPU，並推出專門的視覺處理單元和神經網路處理器；谷歌更是自研AI晶元，不斷升級TPU改變遊戲規則……

華為洞悉「將AI放進晶元」的趨勢且將其付諸行動的時間也很早，許多幾年前的手機所搭載的麒麟處理器就加入了具備AI能力的NPU。2018年10月，在一年一度的全聯接大會上，華為正式發布AI發展戰略與AI解決方案，並現場推出了基於自研達芬奇架構的昇騰310晶元，同時宣布了基於相同架構的昇騰910晶元計劃和基於昇騰系列AI處理器的Atlas智能計算平台，由此揭開華為將AI作為一種通用技術賦能各行各業的序幕。

巨頭所見，大致略同，又形態各異。華為AI定位「全棧全場景」，這使得它的AI晶元布局也獨樹一幟。縱向去看，從AI晶元昇騰系列到庫及工具CANN，從訓練和推理框架MindSpore到應用部署使能的ModelArts，華為AI具備了應對一個AI應用開發所需的所有條件，包括獲取數據、建立模型、訓練、推理、部署的全流程。橫向審視，華為AI採用了一套統一的架構去適配雲、邊、端各種場景，實現智能終端、公有雲、私有雲、邊緣計算以及IoT行業終端的全覆蓋。

熟悉AI行業的人可能知道，全棧AI的說法並不新鮮，英特爾也這樣提，谷歌的產品布局也大致不差；難點在於如何用一套統一的架構去滿足雲、邊、端全場景的AI應用需求。華為為什麼行？答案就在於自研的統一、可擴展的達芬奇架構，以及在此架構下華為基於公司30多年在雲、管、端、芯全環節的技術創新及應用經驗積累。

架構是一顆計算晶元競爭力的關鍵。華為達芬奇架構包含了豐富的計算單元，除了傳統的標量和適量計算單元外，其核心是3D Cube計算單元，可以高效的完成矩陣運算，提高AI算力、降低系統功耗與計算成本。同時，達芬奇架構擁有非常強的彈性，向上可以部署至超高算力的數據中心裡，向下可以部署到低功耗IoT設備中。

惟其如此，華為才能夠一次性拿出用於邊緣的昇騰310和用於雲端的昇騰910；並提供不同算力和功耗配置粒度的達芬奇核，包括昇騰Nano、Tiny、Lite等多種版本, 被集成在各個領域的專用晶元中，精細化滿足不同細分場景的需求，諸如智能手機，智能手錶，智能攝像頭，智能家居設備等。

華為後發先至，昇騰310已「無處不在」

由上可見，華為在AI晶元領域不是第一個吃螃蟹的人，卻是第一家集大成的公司。華為基於自身優勢和資源在AI全棧能力和全場景應用兩個維度都做了全面的規劃和布局，這是上述極大先行廠商都不具備的。更重要的是，華為AI延續了公司一貫的風格——從發布到落地之間，沒有漫長的「PPT等待期」——而是厚積而薄發，後發而先至，率先在各行各業開啟了應用落地。

早在去年10月昇騰310發布時，華為就同步發布了基於昇騰310晶元的多款AI產品，包括Atlas 200、Atlas300、Atlas 500、Atlas 800以及MDC 600等，這些產品迄今已被廣泛應用於安防、金融、醫療、交通、電力、汽車等行業，涉及攝像機、無人機、機器人、智能小站、「汽車大腦」等產品形態，直接和間接地驅動全行業的智能化變革。

講到這裡不得不提華為的另一個特性，即該公司既是技術的生產者，也是技術的消費者；從技術創新到產品落地的過程中，華為能夠「自己的降落傘自己先跳」，率先試用測試產品，快速迭代推向市場。比如，麒麟處理器依託於華為自家的手機產品線，先於業界提出並引領了AI手機浪潮。再比如，華為剛剛發布的鴻蒙系統，又最先應用到榮耀智慧屏產品，為下一步的開源生態奠定基礎。華為昇騰系列晶元的應用也大致遵循了這個軌跡。

大家知道華為除了運營商和消費者業務外還有企業業務和雲業務，後兩者正好也是昇騰AI晶元的用武之地。比如在華為年初推出的業界首款面向AI時代的數據中心交換機CloudEngine 16800中，就有昇騰310的身影；其將數據中心網路的AI訓練效率提升了27%、高性能計算時長縮短30%，一舉超過了老牌交換機廠商思科的同類產品。此外，在華為年初推出的TaiShan伺服器中，昇騰310也與鯤鵬920搭檔，交出了最強ARM架構處理器的答卷。

外部直接應用方面，華為昇騰310也以加速模組、加速卡、伺服器集成、自動駕駛模塊等形式，在各行各業快速滲透。比如，基於昇騰310加持的MDC解決方案，華為去年底與奧迪開展了L4級別自動駕駛的聯合創新，順利完成了高速巡航、擁堵跟隨、交通燈識別、行人識別、地下車庫自動泊車等場景下的自動駕駛功能，很好檢驗了昇騰310的強大的計算性能。此外，依圖科技、格靈深瞳、合合信息、金三立等行業夥伴均展示了與華為聯合創新的基於昇騰310的AI解決方案。

在今年4月10日舉行是華為智能計算中國行深圳站上，華為宣布Atlas人工智慧計算平台正式上市，進入規模銷售階段，這意味著，基於昇騰310晶元的系列產品開始進入外部應用的快車道。毋庸諱言，華為AI晶元這樣的速度，足以讓英偉達和谷歌等先行者心驚——它們要麼應用場景單一，要麼軟硬體能力不協調，很難達成華為這般的AI成長速度。

昇騰910即將正式推出，打壓不住的華為AI創「芯」

值得注意的是，和5G和鴻蒙一樣，華為AI晶元同樣是在美國的無端打壓之下取得技術上的厚積薄發和應用上的後發先至的，這不得不讓人再次佩服華為的自研能力，尤其是考慮到任正非曾透露實際上美國對華為的封鎖遠早於「實體清單」事件。當然，大家也不要吝嗇給各行各業積極擁抱華為AI開展聯合創新的廠商們點個贊，危機之下的自主可控意識覺醒是最難能可貴的。

就在昇騰310的「朋友圈」欣欣向榮之時，有消息稱華為即將正式推出最新一代的人工智慧訓練晶元昇騰910，以及AI計算框架MindSpore，時間就在8月23日。消息曝出後，智能計算業界為之「躁動」，紛紛想看重壓之下的華為，如何與英偉達和谷歌等先行者扳手腕、剛正面。AI開發者們則難掩興奮之情，急於了解華為能否在先行巨頭的壟斷之下，給世界增加一個來自中國的主流AI開發平台。

根據華為AI的規劃，昇騰310主打邊緣推理（與之類似的是谷歌Edge TPU之屬），昇騰910則主打雲端訓練（與之類似的是英偉達Tesla V100之類）；為適應邊緣智能設備的空間和工作環境的限制，昇騰310更強調功耗和性能的平衡，而昇騰910則有更從容的空間和環境去追求極致高性能，也最能夠檢驗一家公司在AI算力方面的成色——就像手機處理器「跑分」一樣。

根據去年10月發布會的資料，昇騰910採用7nm工藝，最大功耗為350W，計算力可達到 256 TFOPS，比英偉達Tesla V100要高出一倍，是當時全球已發布的單晶元計算密度最大的 AI 晶元。同時基於昇騰910的大規模分散式訓練系統（1024顆昇騰910集群），其計算力可達到256P，遠超英偉達和谷歌的同類集群。如今十個月過去了，昇騰910能否真正交出完勝於對手們的計算力，非常值得關注。

同時不要忘了，AI計算框架也不是一個小工程。華為去年10月發布的AI計算框架MindSpore將以怎樣的表現呈現？能否媲美谷歌Tensor Flow等流行的深度學習框架被AI開發者青睞，也是極大的看點。當然，一個全棧的AI解決方案除了晶元和框架外，還需要諸如庫和工具、開發平台等支持，華為在發布會上能否帶來更多「彩蛋」，持續完善自己的全棧全場景能力，也頗值得期待。

以上便是華為AI的戰略布局及其在AI晶元層面的主要進展，整體看處於厚積薄發、後發先至的高速成長階段。目前，普通消費者們已經可以在手機上感受華為AI帶來的流暢和智能，未來，華為會通過AI晶元和AI計算框架，在整個AI產業的基礎上為AI行業帶來相當的震撼。晶元產業和垂直行業也會真切感受到華為AI的價值，AI開發者們也會多一個耳熟能詳的選擇。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！