華為達芬奇計劃揭露AI布局將全面走向自研，核心架構將來自外部還是完全自有？

美國網站 The Information 在上周透露一則信息，那就是華為也要追上中國廠商推動 AI 晶元自製的潮流，推動全名為達芬奇計劃（Project Da Vinci）的 D 計劃。

該計劃包含了幾個重要信息，那就是華為要面向發展數據中心的 AI 晶元，取代華為目前使用的 NVIDIA 方案。而該計劃的主導者是華為輪值董事長徐直軍，他同時也是華為旗下 IC 設計公司海思半導體的董事長。

華為目前的雲端計算服務主要使用在城市安保方面的工作，包括監控攝像機的數據收集與分析，而今年初華為則是推出 SoftCOM AI 解決方案，目的是在全雲化網路基礎上引入 AI 技術，實現網路的「自動駕駛」。

SoftCOM AI 解決方案的具體做法是：把下層設備和雲基礎設施、中間層的網路管理和控制以及上層全流程的系統，在規劃、部署、運行、維護、優化和經營的端到端過程中，每一個環節都引入人工智慧技術，使網路達到系統最優。與此同時，華為也構建了一個面向運營商的 AI 訓練平台，將網路設備運行的狀態數據接入平台來訓練 AI 模型，並針對模型進行持續更新和優化，使得網路系統的自動化程度不斷提高。

而華為在城市安保與雲端網路 AI 管理方面的核心都是使用 NVIDIA 的方案，而一直以來，NVIDIA 與華為都有著緊密的合作，但為何要在這個時間點宣布自有 AI 方案，甚至根據信息來源，D 計劃的主要目的就是要取代 NVIDIA 的雲端 AI 計算方案，應該與來自美方的壓力有關。

中國行業巨頭紛紛走向自研，但華為可能更為急迫

其實，華為進入自有架構發展已經算晚了。在華為之前，百度、阿里巴巴都已經先後宣布自有 AI 晶元的布局，百度的崑崙晶元使用自行設計的架構，雖然晶元還在設計階段，但該公司宣稱其理論算力要高出 NVIDIA 的方案一倍以上。

阿里巴巴則是宣布將投入 Ali-NPU 神經網路晶元的研發，該架構不提絕對性能，而是強調其超高性價比，號稱超越傳統 CPU/GPU 架構達 40 倍。騰訊雖然還沒有宣布其自有 AI 晶元的布局，但其之前曾投資 VoxelCloud（體素科技）、碳雲智能、真時科技以及蔚來汽車等企業，發展方向以 AI 的行業應用為主，與其他公司不同。

這些公司的 AI 布局主要都集中在雲端計算方面，而華為的 D 計劃同樣也是針對雲端計算而來。

但華為推出自研雲端 AI 方案，明顯是針對 NVIDIA 而來，但 NVIDIA 過去與華為合作緊密，為何在這個時間點傳出自研消息，應該與之前美國在討論其緊急權利法案，要對高科技方案進行輸出限制時，明顯提到華為與 NVIDIA 的合作的關係。

圖｜NVIDIA 在 2017 年 9 月與華為合作發布伺服器計算方案。

NVIDIA 否認其與華為有分享晶元核心層級技術，主要還是在方案的合作上，但是在被美國政府點名，以及近來華為從電信設備到移動通信產品，都在歐美市場遭到阻礙的狀況下，加上中興的前車之鑒，華為才決定加速整個計劃的推動。

寒武紀還是 Arm 架構將入選？或是從頭打造？

而要在這麼急迫的時間推出可用方案，如百度或阿里巴巴完全走向自研雖仍有可能，但若採用現有可選方案比較有可能在短時間內實現。

若以此為前提，那目前可選的方案有兩種，分別是寒武紀或 Arm 的 AI 方案。

寒武紀在今年 5 月推出了包含 IP 與晶元產品，分別是寒武紀 1M，以及 MLU100。

寒武紀 1M 延續了前代 1H/1A，可支持 CNN、RNN、SOM 等多種深度學習模型，此次又進一步支持了 SVM、k-NN、k-Means、決策樹等經典機器學習演算法的加速。這款晶元支持幫助終端設備進行本地訓練，可為視覺、語音、自然語言處理等任務提供高效計算平台。而寒武紀 1M 也是款可擴展規模的核心，可通過多核配置來達到更高的性能表現。

而 MLU100 則是晶元方案，採用寒武紀最新的 MLUv01 架構和 TSMC 16nm 工藝，可工作在平衡模式（主頻 1Ghz）和高性能模式（1.3GHz）主頻下，等效理論峰值速度則分別可以達到 128 萬億次定點運算/166.4 萬億次定點運算，而其功耗為 80w/110w，能效極高。

華為即將在今年推出的麒麟 980，傳言將採用寒武紀 1M。那麼雲端 AI 計算使用 MLU100，或是利用 MLUv1 架構深度定製化也是有可能。

另外，Arm 與中國合資成立 Arm mini China，除了提供更完整的服務，同時也掃除未來 IP 授權業務可能受到的外來因素干擾。

圖｜Arm 所推出的機器學習晶元方案。

Arm 在今年推出 ML 處理器方案，可在 7nm 工藝下以標準規模設定達到 4.6TOPs 的操作性能表現，每 W 可達 3TOPs 的能效，具備相當的競爭力。而 Arm 也強調他們的架構都可規模化定製，換言之，理論上客戶需要什麼等級的性能表現，就可以把規模擴充到所需要的程度，當然，規模的增加也代表功耗和成本的同步增長。Arm 雖強調其可擴充能力，但談到可否將規模加大到與主流用於雲端 AI 計算的 GPU 架構相提並論，仍語帶保留。

而華為作為 Arm 傳統忠實客戶，Arm 也積極向華為推銷相關的 AI 方案，業界也同樣傳出麒麟 980 可能改用 Arm 的 AI 方案的聲音，雲端 AI 方案 Arm 亦是可能選項。

而最後的可能性，就是華為放棄寒武紀與 Arm，採用全新研發的架構，但是在生態方面，寒武紀支持了主要框架的大部分演算法模型，而 Arm 也花了數年的時間研發了 Arm NN 這個可以橋接大部分框架與演算法模型、並可動態分配至 Arm 計算架構上進行計算工作的軟體環境，晶元本身可能相對容易搞定，畢竟 AI 計算所需要的結構大同小異，除非搞光量子或者是深度神經網路計算架構，否則不會有太多意外的地方。但是在框架與生態的建構上，華為一時半刻還無法複製寒武紀以及 Arm 的工作。

而若要在短時間內取代目前業界擁有最強大生態支持，以及最完整軟硬體環境的 NVIDIA，不尋求外力支持恐怕不太現實。

當然，在消息披露之後，華為並未對 D 計劃內容進行回應。

實際上，國際市場對華為之所以戒慎恐懼，主要是因為華為雖然使用不少國外元器件，但核心部分通常都經過大幅修改，比如說電信設備，或者是智能手機的軟體部分，就好像產品中藏了「黑盒子」，加上華為的背景，自然容易被嚴格檢視。

而如果在雲端計算同樣採用自有架構來取代 NVIDIA 方案，那等於是增加了更多神秘的部分，當然，對華為而言是可以降低核心來源被中斷的風險，但是就市場而言，以更不成熟的方案來替代，加上自有的部分比重增加，那可能同樣會增加未來出口的困難度。

未雨綢繆是好事，但仍要考慮技術層次、生態經營，以及可能的市場挑戰，自有只是手段，也不應該是最終目的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！