人工智能芯片戰局暗潮洶涌，當 Google 與 NVIDIA 戰火交纏于云端 AI ，更往下蔓延至邊緣 AI 戰場時，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 戰略布局的光芒與野心。

華為 2018 全聯接大會上，副董事長兼輪值董事長徐直軍為華為的 AI 戰略作出定義：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工具 CANN 、統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、各種終端環境的場景進行部署，尤其是應用到華為已有的業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 已經為大量開發者、消費者及企業提供豐富的 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，首次發布華為全棧全場景 AI 戰略及計劃，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 芯片的發布。

圖 | 2018 華為 HC 全聯接大會上，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 的功耗上實現了 8 TOPS 半精度浮點數算力或 16 TOPS 8 位整數算力，且集成了單通道全高清視頻解碼器。

昇騰 310 芯片強調全高清視頻解碼器，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，其內部集成了 AI 核、鯤鵬內核，及編解碼芯片等其他功能獨立的部件，通過這些內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，和傳統的 ARM 核心架構進行協調來加速 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，并搭配標準的數據緩存。

這和以 NVIDIA 的 GPU 架構作為 AI 加速器來優化智能計算是一樣的邏輯。其 GPU 為了優化人工智能的計算功能，加入了對于矩陣運算的優化支持的 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都紛紛競逐 AI 戰場自研芯片，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，優勢是對于內存帶寬的需求減少，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。

根據華為規劃，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 分別是瞄準物聯網、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同的統一訓練和推理框架 MindSpore，是華為人工智能戰略中的一張王牌。

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學家、科學家、計算機專家等，可以更專注于自身領域的創新和技術，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 是最強的挑戰者。

AI 計算框架對于降低 AI 的開發和使用門檻、釋放 AI 生產力、最大程度發揮 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，同時由于本身的業務領域廣泛并已經在終端、邊緣計算、云服務、網絡設備、5G 等都已經部署 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驗研制的 AI 計算框架，勢必為 AI 產業界帶來驚喜，進一步升級 AI 計算框架，在云邊端所有場景全面發揮 AI 芯片算力潛能、降低 AI 門檻，MindSpore 無疑將是華為實現普惠 AI 抱負的重要一環。

打造易用平臺，累積 AI 人才

同時，在進入人工智能時代后，開發者已經成為與行業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發展條件，進而吸引足夠的開發者來使用華為的技術方案，是其實施全棧全場景 AI 戰略的下一階段關鍵。

阿里巴巴創始人馬云曾說，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，根據騰訊研究院發布的《中美兩國人工智能產業發展全面解讀》分析，美國人工智能產業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的正循環。

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

過往，系統廠的芯片需求幾乎都被英特爾的標準型通用芯片一統天下，隨著品牌系統廠商為了凸顯產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，這場人工智能戰役基本上不會有大型系統廠缺席，同時，華為這種掌握硬核科技實力、擁有普惠 AI 抱負的系統大廠，基于其 AI 戰略的真正投入和實施，我們相信將對整個 AI 產業帶來極為積極的正面影響。