八月初秋，天气一如既往的火热。南国深圳，华为坂田基地更是一番热火朝天的景象。三天前，华为轮值主席徐直军在这里推出华为高端 AI 芯片昇腾 910 ，开启华为在先进技术领域挑战硅谷的最新尝试。

一直以来，华为自研芯片都是人们关注的焦点。，正是因为有了自主研发的海思麒麟系列手机芯片，华为才能快速抢占手机市场，一路“攻城略地”，跻身中国智能手机行业第一宝座。当然，作为目前全球体量最大的通信设备商、全球坐三望二的智能手机厂商，华为自研芯片不止于此。巴龙、鲲鹏、凌霄还有这次发布会重点推出的昇腾，华为自研芯片已经覆盖手机、服务器、路由器，电视、AI 等多个领域。自研芯片已然成为华为的核心竞争力，一个其他竞争对手所不具备的独特优势。

昇腾系列芯片主打人工智能领域，用于处理构建人工智能算法的海量数据。华为的这次公布，让不少人沸腾了，网上的言论越传越神，被称作“攻破了又一个让国人蒙羞的城池”，“实现了弯道超车”，甚至出现了华为将在云端 AI 芯片领域干掉英伟达、谷歌的论断。这些评价是否正确？华为昇腾芯片真的有那么大影响力吗？

江湖霸主英伟达

AI 芯片是什么，半导体业界并没有严格的界定。一般来说，AI 芯片被称为 AI 加速器或计算卡，也就是 AI 应用中的大量计算任务的模块，目前主要有 GPU、FPGA 和 ASIC 三种技术路线。其中 GPU 在 AI 训练方面已经发展到较为成熟的阶段，谷歌、脸书、微软、 推特和百度等公司都在使用 GPU 分析图片、视频和音频文件，以实现深度学习等功能。

看到这里，很多人心里纳闷， GPU 不是显示芯片么，怎么用来搞 AI 。其实这个道理很简单，GPU 负责处理图形数据处理，拥有大体量的逻辑运算单元用于数据处理，对于密集型数据可以进行并行处理。人工智能的神经网络架构有个特征，刚算出来的数往往再投入结算，一轮轮迭代以凸显关键细节，这种计算不需要太多数据缓存单元，不需要复杂的逻辑控制，只要计算单元够多就行。相比注重逻辑判断的 CPU ，GPU 芯片显然更加适用于人工智能深度计算。

在 GPU 芯片领域，英伟达是当之无愧的龙头老大。在人工智能兴起之初，由于 GPU 芯片在深度学习领域的优势，英伟达与斯坦福大学的吴恩达合作开发了一种使用大规模GPU计算系统训练网络的方法。与此同时，英伟达与谷歌的人工智能团队合作，建造了当时最大的人工神经网络。之后，各深度学习团队开始广泛大批量使用英伟达的显卡。

如今，全球估计有 3000 家 AI 创业公司，其中一半以上都是在英伟达的平台上构建的。科技巨头也不例外，谷歌、微软、脸书、亚马逊都在购买英伟达芯片，用于构建自己的数据中心。数据研究公司 Gartner 显示，英伟达拥有 AI 芯片市场约四分之三的份额。上一财年，英伟达从用于数据中心的 AI 芯片销售中获得将近 30 亿美元收入。在人工智能芯片领域，英伟达已经是当之无愧的江湖霸主。

挑战者昇腾 910

AI 芯片这个江湖凶险异常，英伟达目前是霸主，可谁也不敢保证未来会发生什么。深度学习算法分为训练和推断两部分，所谓训练，就是给不断计算大数据，让它慢慢学会识别和区分对象；所谓推理，就是让训练好的机器干活。GPU 芯片在算法训练上非常高效，可在推断中对于单项输入进行处理的时候，并行计算的优势不能完全发挥出来。

因为 GPU 芯片 在人工智能深度学习上的天生劣势，一些企业将目光投向专用处理芯片，采用 FPGA／ASIC 技术路线设计专业 AI 芯片。FPGA 的前期启动成本低，后期可以进行再编程，可以采用 OpenCL等更高效的编程语言，降低硬件编程的难度，还可以整合系统模块，提高应用的灵活性，与GPU相比，FPGA 具备更强的平均计算能力和更低的功耗。

ASIC 运行速度比 FPGA 更快，是一种为专用目的设计的，面向特定用户需求的定制芯片。在大规模量产的情况下具备性能更强、体积更小、功耗更低、成本更低、可靠性更髙等优点。华为昇腾 910 就是 ASIC 芯片，它采用 7nm＋ EUV 制程工艺，达芬奇架构，计算力可达到 256TFOPS，比英伟达最新的 V100 还要高出一倍。值得注意的是，昇腾 910 达到规格算力所需功耗仅 310W，明显低于设计规格的 350W。