在智慧手機AI方面，華為是國內外手機廠商中最早投入AI懷抱的公司之一，他們在麒麟970上集成了NPU單元專門負責AI運算，在這一點上比高通的驍龍處理器還要領先。華為處理器現在使用的AI核心來自寒武紀公司，不過華為被爆已經啟動“達芬奇計劃”，將研製自己的AI晶片，不只是用於智慧手機，還會用於資料中心、伺服器等行業，減少對NVIDIA等美國公司的依賴。

麒麟970是華為在AI領域的一小步，未來還將研發自己的AI晶片

在AI晶片方面，麒麟970是第一個整合硬體NPU單元的移動SoC晶片，它使用的是國內初創公司寒武紀的寒武紀1A核心，浮點效能可達1.92TFLOPS，而今年底即將釋出的麒麟980處理器被爆將整合更強大的寒武紀1M核心，8位運算運算能效可達5Tops/W（每瓦特5萬億次），號稱效能是前代水平的10倍以上。

只不過從長遠來看，華為是不會依賴外部的AI核心授權的，走上自研AI晶片只是遲早的事。Theinformation網站昨天爆料稱華為內部有個名為Project Da Vinci（達芬奇計劃）的專案，目標是研發自己的AI晶片，而且這個專案的級別很高，因為負責管理專案的是華為輪值CEO徐直軍，他是華為最高級別的管理層之一，負責公司戰略及研發工作，所以這個專案不是海思或者華為終端部門的，而是整個華為公司的戰略。

從爆料來看，華為研發的AI晶片不只是用於智慧手機，更重要的還是資料中心、伺服器等市場，許多人不知道的是華為已經是全球第五大伺服器供應商，2017年Q2季度全球份額6.2%，雖然距離第一梯隊的惠普企業、Dell/EMC還有較大距離，但是距離份額6.9%、6.2%的的IBM、思科並不遠，而且華為還在保持高速增長，未來進入全球伺服器市場TOP3並不意外。

在伺服器、資料中心AI市場上，現在位居領先地位的是NVIDIA公司，原文就認為華為進軍AI晶片市場將對NVIDIA等公司構成激烈競爭，雖然在美國市場上不太可能對NVIDIA產生重大影響，但在中國等市場上，華為的戰略有可能對NVIDIA構成重大挑戰，而NVIDIA來自中國市場的營收佔比達到了23.5%。

華為的達芬奇計劃說白了就是發展自己的Al晶片，減少對英偉達的依賴。

實際上，這是一件很正常的事。我不知道大家怎麼看，反正我認為華為的做法在巨頭中非常普遍，甚至說已經有些晚了。很早的時候，谷歌就推出了TPU，與此同時，包括微軟，IBM，亞馬遜河Facebook等公司也在研製Al晶片，英特爾則大舉收購強勢進入FPGA領域。

這些公司有一個相同點，那就是他們都有云服務和大量的使用者。在未來，Al晶片是處理資訊的重要部件，但每個公司所需要處理的資訊是不一樣的，所以他們需要的Al晶片也是不一樣的，如果他們只用英偉達，AMD的晶片來處理這些資訊就顯得費時費力。他們還不如自己設計適合自己的Al晶片。當然，這並不意味著英偉達一點機會也沒有，因為在通用領域，英偉達的競爭力是無人能敵的。

我認為用不了多久我們就能看到華為自己的Al晶片。

在今年7月和9月，外媒TheInformation曾經爆料過華為秘密打造的“達芬奇專案（也稱D計劃）”，涉及華為自研雲端AI晶片、以及將AI引入華為的手機、晶片、雲服務等產品線當中。之後又曝出微軟將與華為進行AI晶片合作的計劃。

華為“達芬奇計劃”的野心可能是絕不僅僅只是推出幾塊AI晶片而已，更重要的是，它想要打造一套從訓練到應用、從晶片到裝置到雲端的統一AI底層開發架構，適用於所有行業、所有AI應用。據稱，這是華為最近10年以來人力物力投入規模最大的新專案。

對於使用AI的企業與開發者而言，這是國內少有的跨場景（公有云、私有云、終端）AI開發環境，能夠降低部署內耗，最佳化並提升AI開發效率。

據瞭解，這也是華為“普惠”AI計劃的一部分，這個計劃由華為雲BUQuattroporte鄭葉來在前不久剛閉幕的數博會上提出，致力於讓AI“平民化、普惠化”，讓所有企業、所有行業、所有開發者都能夠用上AI。

這個計劃裡包括幾個重要節點，其中一個就是華為的雲端AI晶片將在今年10月10日的華為全聯接大會上推出。

今年8月31日，華為的第二代具備AI計算模組NPU的手機終端晶片麒麟980已經在德國IFA展上釋出。

現在，華為同樣推出了雲端AI晶片，具備雲、端兩側的AI能力。那麼理論上一個AI應用可以在華為雲晶片上訓練，然後部署到端AI晶片上應用，其遷移部署成本將會很低。

華為下一步甚至可以將AI觸手往邊緣和更多的終端晶片上延伸，比如現在華為海思佔據主導地位的安防監控晶片，就可以往安防監控AI晶片方面發展，做到全場景協同。

華為“達芬奇計劃”的第二個關鍵節點是可能在10月的全聯接大會上推出一套跨平臺（終端、私有云、公有云等）的AI演算法模型的部署方案。

▲英偉達TensorRT 4可程式設計應用平臺

這一方案與英偉達的TensorRT或者英特爾的nGraph類似，是一個能將用不同框架打造的AI模型（比如TensorFlow、Caffe、PaddlePaddle等）更簡單地部署到不同平臺（比如CPU、GPU、FPGA等）上的編譯器。

對於越來越多的AI開發者而言，這可能是一個比雲端AI晶片更重要的釋出。

目前大部分AI演算法都需要在雲端訓練，進而在終端部署。但大部分雲服務廠商都不提供終端晶片售賣，晶片廠商也不提供雲計算服務（順便再次替老黃澄清，英偉達的GPU雲並不是雲計算服務，而是基於其他雲服務的一個雲上應用）。

所以，一般AI應用在訓練跟部署之間一定會經過一次以上的底層計算環境遷移——對企業而言這是一個無用的“內耗”，既耗費人力物力，又浪費時間。

這對於開發者本人而言也是個麻煩的事情，因為轉換底層環境涉及到很多演算法跟運算元的調校，很容易出現明明AI在雲上跑得好好的，一換計算環境AI應用效率就跌。

因此，如果能夠用同一套框架，打通華為公有云、私有云、邊緣計算、手機等不同AI應用場景，那麼AI應用就只需要一次調校，就能更簡單地部署。

除了華為之外，很多AI企業與晶片巨頭都意識到了這一使用者痛點，比如上文提到的英偉達曾經推出TensorRT、英特爾曾經推出nGraph，都是為了讓AI開放者更容易部署模型。

華為的野心不僅是一個AI應用、一塊AI晶片、又或者是一個AI行業，華為真正想要的是打造一個橫跨各領域的底層技術平臺，在無數個蓬勃發展的AI行業生態中都分得一杯羹。

尤其是谷歌、英偉達等AI先發公司已經擁有較為完整的生態、打造了較為優秀的使用者體驗，使用者的換新成本已經很高。在這些大樹的樹蔭底下，能否再長出一棵參天大樹？

只不過對於國內使用AI的企業和開發者而言，市場上多了一個本土的強勁玩家，多了一種選擇方案，無疑是一件好事。