华为最好用的ai芯片（华为五年前已布局AI芯片）

华为最好用的ai芯片（华为五年前已布局AI芯片）这位相关人士表示，如果完全自主开发，从无到有的经营生态，华为有可能在未来方案推出时，缺乏市场开发者以及相关生态的支持，恐怕结果只会是事倍功半。当然，以华为旗下海思的芯片设计功力，如果要从无到有设计出专用的 NPU 单元，也不是不可能的事情——此类 NPU 架构单纯，设计难度也不会比 CPU 更高，但问题出在生态方面。图丨余承东展示麒麟970 这位相关人士对 DT 君表示，华为在当时就决定了未来 AI 相关计算，将会以专用架构的设计方式进行，这就好比绘图工作会交给 GPU 而不是 CPU 是一样的道理。寒武纪的生态经营和架构优势赢得华为青睐

上周六，DT 君在柏林 IFA 现场深度报道了华为最新发布的移动端 AI 芯片。此后，DT 君独家专访了深度参与麒麟 970 方案设计的一位相关人士，但这位相关人士拒绝在文章中透露其姓名及身份。

图丨华为麒麟970

这位相关人士表示，麒麟 970 整合NPU（Neural Processing Unit，神经处理单元）构想早在五年前就已经开始酝酿。

就当初的情况而言，产业界已经逐渐看到 CPU 的应用瓶颈，而 GPU 虽然也开始参与计算工作，但其主要的显示工作随着分辨率的提高而负担不断加重，所以要让这个已经分身乏术的架构继续增加负荷，对整体性能以及功耗表现也是会产生负面影响。

图丨余承东展示麒麟970

这位相关人士对 DT 君表示，华为在当时就决定了未来 AI 相关计算，将会以专用架构的设计方式进行，这就好比绘图工作会交给 GPU 而不是 CPU 是一样的道理。

寒武纪的生态经营和架构优势赢得华为青睐

当然，以华为旗下海思的芯片设计功力，如果要从无到有设计出专用的 NPU 单元，也不是不可能的事情——此类 NPU 架构单纯，设计难度也不会比 CPU 更高，但问题出在生态方面。

这位相关人士表示，如果完全自主开发，从无到有的经营生态，华为有可能在未来方案推出时，缺乏市场开发者以及相关生态的支持，恐怕结果只会是事倍功半。

众所周知，寒武纪的前身是中国科学院计算技术研究所下的一个课题组，由陈云霁、陈天石教授领导。

该课题组早在 2008 年就已经开始研究神经网络算法以及芯片设计。寒武纪第一代方案在 2012 年推出，65nm 工艺下功耗为 0.485W，面积 3.02mm²。平均性能超过主流 CPU 核的 100 倍，但面积和功耗仅为 1/10，表现相当惊人。

图丨寒武纪1A处理器（Cambricon-1A）

不过，当初寒武纪有个非常直白的命名代号，叫做 DianNao，就是中文拼音的“电脑”——顾名思义就是拿来做计算工作的、用电的“大脑”。当初，这个命名并不是中国人的主意，而是研究团队中法国人的建议——不用当时已经烂大街的神经网络芯片之类的命名，反其道而行用中文取名，外国人反觉得十分高大上，相当有趣。

中科院在 DianNao 的基础上开发出 DaDianNao（第二代，功能增强）、PuDianNao（第三代，普电脑，通用型机器学习晶片）、ShiDianNao（视电脑，图像识别处理器）、DianNaoYu（电脑语，神经网络指令集）等延伸规格，针对不同应用或目的特化，也看得出研究团队对命名规则的坚持。

这位相关人士对 DT 君表示，寒武纪实际上是基于对整个软硬件优化的平台，拥有成熟的硬件，以及软件界面设计，生态支持能力绝佳，且因为知识产权完全自有，不怕受制于人。也因此，华为一方面为了节省成本，一方面又要有足够竞争优势的架构设计，考量二者得出的唯一解答：就是寒武纪了。

图丨寒武纪科技

NPU到底有多强大？

NPU 本身可达到 1.92 TFLOPS 的半精度（16bits）计算能力，以 IFA Keynote 上提到的应用案例为例，使用 NPU 可在一分钟内辨识超过两千张图片。换句话说，每秒可辨识超过 30 张图片，这对于需要及时分析的场景识别或者是合成，所需要的数据分析，已经可以达到几乎实时的地步。

而就华为给出的 25 倍速度，50 倍效率推算，该 NPU 功耗全负载大约只有 CPU 的一半，如果以计算效率/功耗换算，大概是 0.8 TFLOPS/W，如果以 NVIDIA 的 V100 方案作比较，V100 约为 0.4 TFLOPS/W。

可见，麒麟970内建的 NPU 效率之高了。

从云端到本地端硬件的AI应用

DT 君在之前的报道分析中也提及，云端性能强大，学习快速，但学习得出来的模型是通用模型，很难针对小众有订制化的调整，并满足消费者的应用场景。

但过去本地端硬件性能不足，虽然可通过云端学习，但数据这么一来一往，效率极低，无法做到实时处理。若本地端硬件拥有强大的 AI 学习能力，那么就不需要把数据上传到云端，直接在本地端处理即可，效率更高，且更能确保数据的安全与隐私。

这位相关人士表示，环顾业界，其实不是只有华为在做终端的 AI 计算工作，但华为提出的方案是以能够实现快速规模化，并以成熟的商业思维为基础。其他竞争业者，比如说高通或苹果，也都在各自的技术领域有所成就。

然而，这个市场目前才处于刚刚在酝酿的时期，所以根本也不存在什么竞争问题。如果产业竞争者能够共同把饼做大，让生态更成熟，其实整个 AI 的市场规模足以撑起许多大型企业，而华为抢先卡位，自然是为了届时能够处在一个相对优势的市场地位。

但任何事物的发展都需要时间，所以只有把眼前的移动生态先做好，未来才能够实现对其他应用场景的布局。

那么生态系统的支持如何拓展？不同架构是否会冲突？

当然，目前业界采取的 AI 加速芯片设计，在结构和理念上都各有不同，计算特性也不一致，但这名相关人士表示，其实也不用担心未来会有不同架构各据山头，导致生态撕裂、饼做大前先起内讧的状况出现。

由于目前主流操作系统（包括Windows、Linux或Android）都已经支持了针对终端 AI 计算的相关开放规范，也提供了共同的软件界面，从而借以接入各种不同架构的 AI 加速芯片。

未来 AI 加速芯片的设计会有标准功能，也会有作为差异化速求的额外附加功能，前者透过一般标准界面就可存取，后者也同样是透过标准界面，但只需要小幅修改开发者端的程式码即可取用，不会造成业界的混淆。

移动应用是短期目标，未来将打生态战拓广其他领域

这位相关人士也表示，华为在 IFA 上的应用方向其实是短期目标，由于手机生态成熟，也容易接受新技术的导入，而把 AI 加速能力放在手机方案上，最有机会得到回报。

就当前的三大应用方向而言，包含视觉处理、AR 以及自然语言，都是近来最热门的高端智能手机应用发展方向，如果华为能够用更低的功耗，更好的效率来处理好这些事情，一来可以提升品牌价值，创造更高的利润，二来熟悉相关终端 AI 处理技术之后，也可以把这些方案拓展到其他智能应用上，而不是只有手机而已。

这位相关人士也强调，华为内部也已经有下一个三年计划，针对未来 AI 技术的演进，配合市场应用的需要来进行改善和微调，并随着麒麟芯片的世代更替来推新架构。

图丨麒麟 970的细部架构，NPU是最大亮点（资料来源：华为）

然而，虽然目前手机上的 AI 方案主要都着眼于 Inference（推理），而 Learning（学习）的部分则较少被提及。但凭借 NPU 的导入，一旦性能足够之后，要做到小规模的学习也不是不可能的事情，这部分与个人化的使用体验息息相关，各大厂都不会轻易放过这块大饼。

初期以高端方案布局NPU应用，未来将可能打入中端市场，扩大生态的发展

麒麟 970 作为第一代整合 NPU 的应用处理器芯片，定位最高端，也不吝于用最好的工艺，搭最顶尖的计算核心，但考虑到未来市场的走向，AI 应用一定会普及化、平民化，所以未来在相关 AI 芯片的布局规划上，肯定会往中端，甚至低端的方向走，但是在 NPU 的规模方面恐怕就会有所调整，一方面是成本考量，一方面也是产品定位问题。

目前，华为正在积极和第三方软件开发商合作，希望将整个生态基础快速扩大，这方面也不会仅止于 IFA 上所公布的三大应用方向，而是会鼓励产业合作伙伴积极尝试，华为也会尽力协助合作厂商做出他们想要的 AI 应用。

这位相关人士表示，麒麟 970 的发表只不过是短期指标，长期来看还有不少需要加强的地方，但华为至少已经踩出第一步了。虽不能说就已经是立于不败之地，但至少快了竞争对手一些，也让华为可以提早思考下一步的布局。