“達芬奇計劃”曝光

從The Information的爆料以及相關人士透露的信息來看，這個由華為副董事長、華為海思的董事長徐直軍領導的，內部代號為“達芬奇”(Project Da Vinci)的項目，宗旨是要將AI的能力注入到華為的每一個產品與服務中，眼下要攻破的堡壘是做出能夠支持云中的語音和圖像識別等應用的數據中心AI芯片。

《中國電子報》記者就達芬奇計劃向華為海思以及華為數據中心業務有關人士求證，都沒有獲得更多信息。一個信息透露，華為有可能在全連接大會(“2018 HUAWEI CONNET”)上正式公布達芬奇。

華為要研發數據中心的AI芯片，這是重磅信息。華為是中國最有實力做芯片的公司，無論是從人力、物力、財力，還是技術積累和市場影響力來看，都如此，華為在手機芯片上已經向世人證實了這一點。

外界一直期望華為在手機芯片之外的領域，包括桌面、服務器、數據中心等有更大作為，帶領中國芯片真正突圍，而此刻人們看到華為終于出手。

賽迪智庫集成電路研究所副所長林雨在接受《中國電子報》記者采訪時表示，從目前達芬奇已經透露的信息來看，華為不僅僅要做數據中心AI芯片，這個計劃還包括了邊緣計算，所以“端”的AI芯片也應該是其重要部分。

目前華為已經在其手機端進行了嘗試，從最新的榮耀到MATE系列，都在將AI元素不斷放大。而此前華為在手機端AI芯片能力，是通過與寒武紀合作集成TPU單元來構建的。

經過手機端的小步試水，華為已經嘗到了甜頭。在手機上打出AI牌之后，讓華為手機、華為手機芯片先于蘋果和高通發聲，贏得了先聲奪人的話語權。而下一步，華為希望在更多的產品和服務領域推進AI。

AI對于語音、圖像、視頻數據的處理有著天然的優勢。這也是為什么華為要將接下來AI注入的重點，放在“平安城市”與“智慧城市”、“運營商業務”等的重要原因。

在平安城市中有大量的攝像頭要采集數據、有大量的視頻和圖像數據需要快速處理，來“抓”到問題。將遠端攝像頭實時采集的數據，利用人工智能算法，能夠快速發現異常、抓到逃犯，能夠進行交通城市疏導，構建更智慧、更平安的城市。數據顯示，目前華為在歐洲、拉美、非洲和亞洲的90多個國家提供了“平安城市”解決方案，助地方政府收集和分析監控攝像機的數據。

當然不僅僅是在平安城市的解決方案中，華為要注入AI方案的領域非常多，從運營商網絡升級與管理到云計算數據中心業務，AI都大有作為。華為表示，正計劃將更多的AI能力引入全球電信網絡，華為的運營商客戶正在升級基礎設施，為即將推出的更快的5G網絡做準備。華為正在開發新的設備和軟件，利用電信基站創建更智能、支持AI的網絡，這些基站可以自行檢測和修復問題，同時通過預測無線數據流量的波動，自動調整其運營。

而在這些方案中，需要AI芯片。此前華為在數據中心是通過大量集成英偉達的GPU來實現的，接下來，華為想要自己做，因為華為看到了AI芯片的巨大機會，英偉達股價的暴漲以及收入劇增，讓所有廠商都看到了其中的機會。英偉達數據中心收入2017財年是8.3億美元，2018財年是19.32億美元，增長了133%。

挑戰英偉達?

目前，英偉達的GPU在深度學習算法AI芯片市場上占據幾乎壟斷的地位，它是現有的方案中，可選的最適合進行AI運算的方案，但是它并非無懈可擊。

即便是英偉達最為厲害的Quadro GV100，可提供每秒7.4萬億次浮點運算的雙精度性能、每秒14.8萬億次浮點運算的單精度性能、以及每秒118.5萬億次浮點運算的深度學習性能。但依然有評價稱，其無法滿足AI計算需求。在深度學習的模型訓練中，面對海量的數據，人們對計算能力的需求幾乎是無限的，TFLOPS僅僅是入門，科學家們還在考慮如何制造和使用性能達到PFLOPS甚至EFLOPS、ZFLOP性能級別的設備，更快的性能帶來了更快的計算速度，也帶來了更高的效率來完成計算并獲得結果。

英特爾中國研究院院長宋繼強曾對《中國電子報》記者表示，AI芯片的焦點在于功耗、性能與效率，如何以更低的功耗帶來更大計算能力和更高的效率，是目前業界探索的焦點。去年年底，中國的比特大陸也宣布將進軍數據中心AI芯片。比特大陸經理劉志強對《中國電子報》記者表示了與宋繼強類似的觀點，人工智能才剛剛開始，機會還有很多，對芯片行業來說，就是提供高性能、低功耗的產品。

英特爾2016年8月收購了AI芯片創業公司Nervana，基于此來打造英特爾的AI專用芯片“英特爾Nervana神經網絡處理器”(簡稱NNP)，英特爾表示，和GPU解決方案相比，Nervana在未來三年將把訓練一個深度學習模型的時間減少100倍。

英特爾的NNP與GPU相比能夠將性能提升100倍，那么其他公司同樣有機會在新的道路上探索出優于GPU的可能性。

谷歌的專用AI芯片第三代也已經問世，谷歌CEO桑達爾·皮查伊(Sundar Pichai)稱，當人們使用大量第三代TPU時，它可能會創造龐大計算能力。“每個芯片群(pods，包含多個TPU3.0芯片)的性能比去年版本強大8倍以上，計算能力遠超100petaflops(每秒千萬億次浮點運算)。”皮查伊稱。作為對比，包含16顆英偉達最新GPU的芯片群的計算能力為2petaflops。除了英特爾、谷歌，微軟、亞馬遜等同樣向AI芯片發起了進攻。

有數據顯示，2017年數據中心AI芯片的市場規模是15.6億美元，而年增速將是75%，到2022年將達到256億美元，其中訓練芯片182 億美元，推斷芯片(除CPU以外)74億美元。訓練芯片市場已出現高速增長，預測推斷加速器的需求將于今明兩年爆發。

基于這樣的市場變化、基于這樣的廠商格局，華為進入AI芯片并不難理解。如果各家巨頭都在AI芯片上要“撕開”新口子，華為也要來“撕”就是非常自然而然的事情。華為不希望在數據中心AI上過度依賴于英偉達，在中興事件爆發之前，華為就一直堅持自己要有核心技術，當AI市場全面爆發，華為必須在AI芯片上有所作為。

林雨認為，華為在數據中心端想突破英偉達的市場封鎖，困難在于英偉達已經在AI產業生態方面有了全面布局，例如他們不僅有自主的芯片，還在開源架構、軟件等方面具有技術優勢，而這些核心技術生態恰恰是國內企業所欠缺的。但是華為在下游應用方面具有市場優勢，因此會比較便于形成下游用戶生態，這是華為在數據中心側發展AI芯片的優勢。在邊緣計算側，目前競爭格局還沒定型，因此部分國內廠商(如深鑒科技、寒武紀、華為等)的機會很多，并且國內企業在移動監控領域的市場優勢比較強，英偉達在該領域對華為的壓倒性優勢并不十分明顯。

關于軟件與生態，目前看起來可能會是華為的短板，但是其在手機芯片上的試水，還是讓人們看到了其快跑的能力。目前華為以NPU為基礎，在移動端構建生態圈已經聚集了45萬開發者。應該說，數據中心的AI芯片是一場硬仗。

英特爾很早就看到了英偉達的GPU在數據中心市場的強勁發展勢頭，三年前收購了Nervana，但英特爾新的NNP芯片出貨時間卻一再推遲，最早的時間表是到2019年上半年才能出貨。英特爾尚如此，華為能夠出其不意地快速交出答卷嗎?我們拭目以待。