華為的AI晶片還是有很大的優勢的，當NVIDIA在AI晶片市場逐漸取得領先優勢的時候，各網際網路巨頭也開始在AI領域發力，不過或許是受伺服器晶片市場過於受制於Intel的影響，網際網路巨頭並不希望在AI晶片上完全受制於NVIDIA，而且各個網際網路巨頭在AI領域的發展方向有自己的側重點，例如圖片分析與語音分析就有很大的差異，NVIDIA的通用方案導致在計算效率方面並未達到理想的狀態，谷歌就專門開發了自己的AI晶片TPU並針對自己的AI演算法進行深度最佳化獲得更高的運算效率。

正因此全球的AI晶片開始呈現百花齊放的局面，尤其是中國市場誕生了數百家AI晶片企業，當下中國較為知名的AI晶片企業就有寒武紀、地平線等晶片企業。

中國晶片企業呈現高度繁榮的景象也與中國在2014年成立的積體電路產業基金的支援有很大關係，中國已認識到晶片的重要性為此對於國內興起的晶片企業給予了大力支援，而AI晶片作為新興晶片行業更容易在當下國外晶片企業尚未佔據絕對優勢的時候突圍而出，自然也成為中國支援的重點。

華為是中國實力最強的晶片設計企業，其研發的手機晶片已追上了國際領先水平，與手機晶片老大高通不相上下，其在智慧手機晶片市場取得成功之後開始介入更多的行業，在備受關注的伺服器晶片方面它就基於ARM的授權開發了自主核心泰山，可見它對伺服器晶片市場的野心，在這樣的情況下順勢介入當下逐漸火熱的AI晶片行業也可以認為是順勢而為。

華為是中國伺服器市場的有力競爭者之一，其已成為全球第四大伺服器供應商，當下其也已成立華為雲事業部，這都可以看出它在資料業務方面的野心以及所擁有的能力，其可以如谷歌一樣將自己的AI演算法與AI晶片進行深度最佳化獲得更高的運算效率。值得注意的是國內最大的雲服務供應商阿里巴巴也宣佈開發自己的AI晶片，華為更不應落於人後。

去年華為領先業界在自己的手機晶片麒麟970上集成了從寒武紀獲取授權的AI晶片，顯示出它在AI晶片開發和應用上都取得了一些經驗，這有助於它開發自己的AI晶片取得成功。當然從谷歌開發TPU花費了數年時間來看，華為自己的AI晶片要取得成功也需要一些時間。

筆者認為華為開發AI晶片是有很大的可能性獲得成功的，不過其AI晶片要獲得其他企業的採用並不容易，畢竟競爭對手考慮到競爭關係一般都不會採用華為的AI晶片，華為研發的AI晶片很可能也將如手機晶片一樣主要是應用於它自己的通訊裝置、手機、伺服器以及華為雲業務上。

8月23日下午，華為在深圳總部發布了業內算力最強的自研AI晶片——Ascend910（昇騰910），並宣佈正式商用。同時，華為還推出了與之配套的深度學習計算框架MindSpore，全面對標谷歌TensorFlow和FaceBook的PyTorch，並宣佈2020年第一季度全面開源開放。但這個AI晶片到底起了什麼作用呢？這個還得從AI的核心基礎——深度學習說起。

深度學習是一種機器學習方法 ， 它允許我們訓練人工智慧來預測輸出，給定一組輸入(指傳入或傳出計算機的資訊)。監督學習和非監督學習都可以用來訓練人工智慧。其核心其實就是一種叫神經網路的運算模型，訓練得出一組可以預測輸出的引數。一般情況下，這個訓練過程的計算量十分巨大，為得到一個有效的模型，計算幾天甚至幾個星期也並不令人驚訝。

一般情況下，如果一個特定的功能由通用處理器透過軟體來實現和透過專用硬體電路來實現，其最大的區別就是後者的執行速度會比前者快非常多，因為其無論程式碼還是硬體電路都是針對這一功能來設計的，進行了大量的最佳化。說到這，大家可能都明白了，AI晶片就是針對深度學習中的深度神經網路計算功能專門開發的晶片，它對神經網路中常用的矩陣運算，卷積運算等基本計算結構做了大量的最佳化，相對於普通的計算CPU，它的計算速度可能要快幾百倍，這將大量節約人工智慧應用學習的時間。

所以一句話總結AI晶片的作用就是快速執行深度學習演算法，滿足各種人工智慧應用的需求。

在以上的分享的關於這個問題的解答都是個人的意見與建議，我希望我分享的這個問題的解答能夠幫助到大家。 在這裡同時也希望大家能夠喜歡我的分享，大家如果有更好的關於這個問題的解答，還望分享評論出來共同討論這話題。 我最後在這裡，祝大家每天開開心心工作快快樂樂生活，健康生活每一天，家和萬事興，年年發大財，生意興隆，謝謝！