首頁>Club>
華為內部已經制定了代號“達芬奇”(Project Da Vinci)的專案,也被一些華為高管稱為“D計劃”。“D計劃”的內容包括為資料中心開發新的華為AI晶片,能夠支援雲中的語音和影象識別等應用,這是華為涉足競爭激烈的人工智慧市場的第一關。
6
回覆列表
  • 1 # 超能網

    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%。

  • 2 # 看球人

    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。

  • 3 # 智東西

    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。

  • 中秋節和大豐收的關聯?
  • 在五星級酒店住一個月是什麼滋味?