華為正式發布了它們的兩款AI芯片，號稱其最強的昇騰910的半精度算力達到256 TFLOPs，比目前廣受市場認可的NVIDIA的V100高出了一倍，看起來華為是決心要在AI芯片市場有所作為了，不過要在目前的AI芯片市場打開局面它還要經歷許多困難，前面并非一片坦途。

AI芯片并不僅僅比拼性能

AI芯片是一個新發展起來的領域，與目前市場容量極大的服務器芯片市場有很大的不同，當前服務器芯片市場主要為Intel所占有，其占有服務器芯片市場超過九成的市場份額，NVIDIA則很好的抓住了AI芯片市場的特點發展成為該領域的王者。

NVIDIA是做顯卡起家，不過它很早就認識到自家的GPU可以干更多的事情，GPU擁有強大的并行計算、低精度計算等能力，因此早在數年前就開始打造自己的CUDA平臺，在AI逐漸成為潮流之下，NVIDIA打造的CUDA平臺意外的在AI行業迅速獲得認可，目前全球的神經訓練網絡絕大多數都是采用其CUDA平臺。

NVIDIA打造的CUDA平臺能在AI行業獲得認可在于它的通用性，在AI計算當中有諸多的算法和任務，例如語音識別、圖像識別、自動駕駛等就有很大的不同，CUDA平臺的建立則很好的適應了AI的各種需求，用戶在開發了自己的算法之后可以根據不同的需要建立自己的AI運算系統。

NVIDIA在AI行業獲得認可后，也正強化建立自己的生態，希望依靠這種生態建立自己的護城河。千萬不要小看生態，Intel能在服務器芯片市場長久成為霸主就是因為它在服務器芯片市場建立了自己的生態，導致ARM陣營始終難以進入服務器芯片市場，AMD在顯卡市場與NVIDIA齊名，其GPU同樣擁有強大的并行計算能力、低精度運算能力等不過在AI行業卻始終難以與NVIDIA競爭。

華為AI芯片的前景并非一片坦途

華為目前推出的AI芯片昇騰系列強調在性能方面已大幅超越NVIDIA，這是值得可喜可賀的事情，不過這僅僅是起始的第一步，它要在AI行業與NVIDIA競爭還需要經過許多努力才能獲得行業的認可。

華為首先需要建立AI芯片的計算平臺，讓用戶可以更容易的基于它的AI芯片建立AI運算系統，這與它在手機芯片市場面臨的問題是相似的。華為的麒麟芯片在性能方面已達到一流水平，不過在整合度方面與高通和聯發科還有差距，尚未形成自己的一套解決方案，這就導致它需要建立一個終端研發部門，專門為它采用麒麟芯片的手機服務；相比之下高通有QRD解決方案，聯發科有turnkey解決方案，手機企業拿到它們的方案之后可以說只要搭上外殼就開發出自己的手機，華為自己的手機出貨量當中有近半是采用這兩家手機芯片企業的解決方案基本上都由ODM企業完成就可見一斑。

華為的AI芯片剛剛推出，它要形成自己的生態同樣需要一番努力，當前由于NVIDIA已打造了自己的完整生態，全球數十萬開發者為它開發相應的AI應用，華為從零起步顯然面臨著許多困難。這與華為一直宣稱自己正在開發手機操作系統，但是由于缺乏自己的生態卻一直在猶豫是否要推出自己的手機操作系統的一樣的問題。

對于客戶來說，華為則與客戶形成了同業競爭。華為希望自己在AI云計算領域占有一席之地，建立了自己的云計算業務，2017年的統計數據顯示國內前十大云計算企業當中就包括了華為云，而諸多競爭對手則有阿里、騰訊、百度等，在同業競爭的影響之下這些競爭對手要采用華為的AI芯片自然要掂量掂量，而這些競爭對手同樣有投資開發自己的AI芯片，因此華為的AI芯片最終會不會如手機芯片一樣最終只能依靠自己的云計算業務支持發展而難以獲得行業的認可呢？

當然對于華為來說它也有其他業務可以支持AI芯片的發展，除了自家的云計算業務之外，它也是全球知名的服務器供應商，去年更已躋身全球前四大服務器供應商之列，這倒是有利于它推廣自己的AI芯片的，不過最終結果會如何就得看市場的發展了，但很明顯前路并非一片坦途。