據(jù)外媒The Information報道，華為在內(nèi)部制定達芬奇計劃，該計劃也被華為高管在內(nèi)部稱之為D計劃，負責人是華為副董事長、華為旗下IC設(shè)計公司海思董事長徐直軍。

　　主要內(nèi)容是：第一，將AI引入華為的所有產(chǎn)品和服務當中，包括電信基站、云數(shù)據(jù)中心、智能手機、監(jiān)控攝像頭等；第二， 為數(shù)據(jù)中心開發(fā)新的AI芯片，使得語音識別、圖像識別等應用可以在云端使用。

　　The Information對該計劃的推測是：一，華為發(fā)力AI芯片可能對英偉達造成威脅；二，華為的AI云端布局可能加劇美國政府的擔憂。

　　華為AI布局

　　華為的AI布局，其實不是什么新鮮事。

　　雷鋒網(wǎng)已經(jīng)報道過，在6月22日召開的華為DigiX2018華為終端·全球合作伙伴及開發(fā)者大會上，華為消費者業(yè)務CEO余承東闡述了華為消費者業(yè)務的全新戰(zhàn)略：全場景智慧生活生態(tài)戰(zhàn)略。

　　余承東強調(diào)，華為要打造的全場景智慧生活生態(tài)是一個開放的生態(tài)。面向整個生態(tài)，華為HiAI人工智能開放平臺將提供芯、端、云三個層面的技術(shù)開放，賦能全球的合作伙伴。

　　在芯片側(cè)，華為將通過HiAI移動計算平臺、影音工具、游戲助手等打造流暢的操作體驗；在終端側(cè)，華為通過智慧硬件、HiAI平臺、AR/VR等設(shè)備來構(gòu)筑全連接服務和全場景應用，提供一系列智能感知和交互能力；在云側(cè)則通過華為移動服務（HMS）、AppGallery等滿足消費者個性化的使用需求。

　　2017年9月，華為發(fā)布了世界首款手機AI芯片麒麟970，添加神經(jīng)網(wǎng)絡處理單元NPU（其技術(shù)來源于寒武紀），與CPU相比，計算速度提升25倍，能耗效率提高50倍。華為Mate 10和Mate 10 Pro和榮耀V10都搭載了麒麟970芯片。

　　目前，華為仍使用英偉達的GPU芯片向服務器添加AI功能。

　　中國芯組團進軍云端AI芯片

　　國內(nèi)競爭形勢正在加劇，今年，百度和寒武紀紛紛進軍云端AI芯片。

　　今年5月，寒武紀發(fā)布首款云端智能芯片 Cambricon MLU100。

　　據(jù)了解，MLU100采用寒武紀最新的MLUv01架構(gòu)和TSMC 16nm工藝，可工作在平衡模式（1GHz主頻）和高性能模式（1.3GHz主頻），平衡模式下等效理論峰值速度達每秒128萬億次定點運算，高性能模式下等效理論峰值速度達每秒166.4萬億次定點運算，但典型板級功耗為80瓦，峰值功耗不超過110瓦。

　　7月4日，在 2018百度AI開發(fā)者大會上，百度CEO兼董事長李彥宏發(fā)布了百度自主研發(fā)的 AI 芯片昆侖，其中包含訓練芯片昆侖 818-300 和推理芯片 818-100。

　　百度宣稱，這是中國第一款云端全功能 AI 芯片，也是目前為止業(yè)內(nèi)設(shè)計算力最高的 AI 芯片。從參數(shù)上來看，昆侖采用了三星 14nm 工藝，具備 260Tops 的性能、512 GB/s 內(nèi)存帶寬；功耗超過 100 瓦特，由幾萬個小核心構(gòu)成。

　　云端AI芯片市場格局

　　而在目前的GPU芯片市場上，英偉達市場占有率高達70%，是當之無愧的芯片領(lǐng)域霸主。

　　2016年，英偉達投入數(shù)十億美元，動用數(shù)千名工程師，推出了第一個專為深度學習優(yōu)化的Pascal GPU。2017年又推出了性能相比Pascal提升5倍的新GPU架構(gòu)Volta，神經(jīng)網(wǎng)絡推理加速器TensorRT 3也同時亮相，TensorRT作為一款可編程推理加速器能加速現(xiàn)有和未來的網(wǎng)絡架構(gòu)。

　　雷鋒網(wǎng)對AI芯片市場格局進行過詳細分析（詳見：當今群雄逐鹿的AI芯片行業(yè)，終將是頭部玩家的天下）。目前，云端AI芯片無論是從硬件還是軟件，已經(jīng)被傳統(tǒng)巨頭控制。

　　下面這張圖是Compass Intelligence公布的全球AI芯片榜單。因為AI芯片目前在終端應用極少，所以榜單頭部的排名可以近似的認為就是云端AI芯片的目前市場格局。

　　我們可以看到，芯片巨頭Nvidia（英偉達）已經(jīng)牢牢占據(jù)AI芯片榜首，由于CUDA開發(fā)平臺的普及，英偉達的GPU是目前應用最廣的通用AI硬件計算平臺。

　　除了有實力自研芯片的企業(yè)（全世界也沒幾家），如果需要做AI相關(guān)的工作，必定需要用到Nvidia的芯片。Nvidia的芯片應用普遍，現(xiàn)在所有的AI軟件庫都支持使用CUDA加速，包括谷歌的Tensorflow，F(xiàn)acebook的Caffe，亞馬遜的MXNet等。

　　現(xiàn)在業(yè)界爭論的焦點是AI芯片的處理器架構(gòu)用哪種是最好的，有GPU、FPGA、DSP和ASIC，甚至還有更前沿的腦神經(jīng)形態(tài)芯片?，F(xiàn)在GPU處于優(yōu)勢地位，但其他幾種處理器架構(gòu)也各有優(yōu)勢。

　　Intel則是多方下注，不錯過任何一種處理器架構(gòu)。谷歌在TPU（其實就是一種ASIC）方面的巨大投入帶來了硬件效能的極大提高，目前看來對GPU的沖擊將是最大的，原因不單單是因為專用架構(gòu)帶來的效率優(yōu)勢，還有商業(yè)模式方面帶來的成本優(yōu)勢。

　　在云端，國際巨頭已經(jīng)成為了事實上的生態(tài)主導者，因為云計算本來就是巨頭的戰(zhàn)場，現(xiàn)在所有開源AI框架也都是這些巨頭發(fā)布的。在這樣一個生態(tài)已經(jīng)固化的環(huán)境中，華為要想分一杯羹，國產(chǎn)云端AI芯片想要挺進五強，甚或挑戰(zhàn)英偉達，絕非易事。