據(jù)The 傳華Information最新發(fā)布的一份報(bào)告稱，中國科技巨頭華為正在尋求改變其人工智能芯片設(shè)計(jì)策略，為計(jì)從 ASIC （專用集成電路）轉(zhuǎn)向GPGPU（通用圖形處理器）芯片，劃重以便從NVIDIA手中奪取更多的新設(shè)I芯向市場份額。

盡管美國對中國實(shí)施半導(dǎo)體出口制裁，轉(zhuǎn)正面阻止NVIDIA在中國大陸銷售其先進(jìn)的硬罡 AI 芯片，但NVIDIA的傳華產(chǎn)品仍然是中國大陸需求最廣泛的AI芯片。

主要是為計(jì)得益于NVIDIAGPGPU架構(gòu)及強(qiáng)大的CUDA生態(tài)。

眾所周知，劃重GPU本身是新設(shè)I芯向設(shè)計(jì)來支持圖形計(jì)算的，但其強(qiáng)大的轉(zhuǎn)正面并行計(jì)算能力使得它能夠處理各種計(jì)算任務(wù)。

隨后，硬罡NVIDIA就針對AI應(yīng)用推出了有很強(qiáng)的傳華編程靈活性和適應(yīng)性的GPGPU，結(jié)合自己的為計(jì)CUDA軟件編程框架，可以處理不同類型的劃重負(fù)載，比如圖形渲染、科學(xué)計(jì)算、深度學(xué)習(xí)等。

華為的昇騰AI芯片則是為AI計(jì)算優(yōu)化的ASIC，它主要針對深度學(xué)習(xí)推理和訓(xùn)練進(jìn)行特化。

這種定制化使得它在特定任務(wù)上有更高的性能和能效，但對于圖形渲染、并行計(jì)算、科學(xué)計(jì)算等通用計(jì)算任務(wù)上的效率和靈活性就不如GPGPU。

比如，目前許多AI應(yīng)用（尤其是深度學(xué)習(xí)）主要使用單精度（FP32）和低精度（如INT8或FP16）浮點(diǎn)運(yùn)算，因?yàn)檫@些操作能夠提供足夠的精度，并且能在較低的計(jì)算資源下完成。

昇騰AI芯片這種AISC架構(gòu)可以優(yōu)化這類AI計(jì)算的效率，但是卻無法支持雙精度浮點(diǎn)（FP64）計(jì)算。

相比之下，NVIDIA的H100/H20這類加速器，不僅支持單精度和半精度浮點(diǎn)計(jì)算，還能有效支持雙精度浮點(diǎn)計(jì)算，這也讓它們可以用于更廣泛的科學(xué)計(jì)算、工程模擬等任務(wù)。

此外，在軟件生態(tài)上，NVIDIACUDA平臺擁有成熟的開發(fā)生態(tài)和大量優(yōu)化好的庫（如cuDNN、TensorRT），可以為廣泛的應(yīng)用場景提供支持。開發(fā)者可以利用這些工具和庫大大簡化開發(fā)工作。

華為昇騰AI芯片則采用的是自研的CANN（神經(jīng)網(wǎng)絡(luò)計(jì)算架構(gòu)）軟件平臺來實(shí)現(xiàn)算力調(diào)度與執(zhí)行。

雖然華為也推出了MindSpore等深度學(xué)習(xí)框架，但它的生態(tài)系統(tǒng)和開發(fā)者支持，相比NVIDIA的CUDA生態(tài)還是要差很多。

總的來說，昇騰AI芯片作為ASIC的優(yōu)勢在于AI計(jì)算的高效能和低功耗，但在計(jì)算任務(wù)的靈活性、雙精度浮點(diǎn)支持以及開發(fā)生態(tài)方面，與NVIDIA以及部分國產(chǎn)GPGPU廠商仍有一定的差距。目前其他的國產(chǎn)GPGPU廠商在發(fā)展自有生態(tài)的同時(shí)都有兼容CUDA生態(tài)。

The Information的報(bào)告指出，華為想要提升其AI芯片在中國大陸市場的份額正面臨的一個主要瓶頸，即華為AI芯片采用的是CANN（神經(jīng)網(wǎng)絡(luò)計(jì)算架構(gòu)）軟件平臺來實(shí)現(xiàn)算力調(diào)度與執(zhí)行。但是，CANN并未得到行業(yè)的廣泛的支持，遠(yuǎn)不及NVIDIA的CUDA。

據(jù)悉，華為的新的AI芯片在轉(zhuǎn)向GPGPU后將配備新的軟件，允許用戶通過中間件以兼容NVIDIA的 CUDA 編程語言，該軟件也可以將CUDA的指令轉(zhuǎn)換為適用于華為AI芯片的語言。

消息人士補(bǔ)充說，華為也有興趣采用NVIDIA和AMD使用的芯片功能模型。

報(bào)告稱，雖然目前華為的AI芯片是ASIC，但該公司有興趣擴(kuò)展其通用計(jì)算產(chǎn)品。

這一轉(zhuǎn)變將使得華為的AI芯片能夠被更廣泛地使用，并可能有助于華為增加其在中國AI芯片市場的份額。