華為的“達芬奇計劃”曝光，該計劃是開發用于數據中心的AI芯片，以挑戰當下在AI芯片市場占據龍頭地位的NVIDIA，那么對于華為來說它加入AI芯片大戰有多少勝算呢？

NVIDIA的優勢

NVIDIA在AI芯片領域取得領先優勢并非一朝一夕所取得的，這是它十多年來努力獲得的結果。隨著AI的興起，業界日益認識到GPU所擁有的低精度、并行計算等優點更適合神經訓練，這是GPU開始逐漸被應用于AI領域的原因，不過NVIDIA能在該領域占據領先優勢并不僅僅是它所擁有領先優勢的GPU，畢竟另一家GPU廠商AMD的Radeon GPU在性能方面與NVIDIA旗鼓相當，但是在AI領域卻遠遠落后于NVIDIA。

NVIDIA在AI芯片市場取得領先優勢除了其所擁有的性能強大的GPU之外，還與它早早打造的CUDA平臺有很大關系。NVIDIA很早就認識到了GPU所擁有的強大計算能力，并認為GPU將較CPU有更大的的發展前途，為此它開發了CUDA平臺，這個平臺可以將GPU作為一個并行數據計算的設備，對所進行的計算進行分配和管理，用戶的開發門檻大大降低了。

在NVIDIA的努力下，CUDA平臺逐漸獲得一些開發者的加入，并逐漸形成了自己的生態，只不過當時由于數據中心絕大多數都是基于Intel的X86架構服務芯片開發，NVIDIA的CUDA平臺并沒有獲得迅速的發展，直到AI的興起，CUDA平臺所擁有的優勢開始獲得認可，目前全球絕大多數的神經訓練網絡都是基于NVIDIA的芯片搭建，CUDA平臺開始形成一個良好的生態平臺，它讓AI開發者可以基于CUDA平臺更容易開發各種應用和服務，NVIDIA開始在AI領域取得領先優勢。

NVIDIA并未占據絕對的優勢

當NVIDIA在AI芯片市場逐漸取得領先優勢的時候，各互聯網巨頭也開始在AI領域發力，不過或許是受服務器芯片市場過于受制于Intel的影響，互聯網巨頭并不希望在AI芯片上完全受制于NVIDIA，而且各個互聯網巨頭在AI領域的發展方向有自己的側重點，例如圖片分析與語音分析就有很大的差異，NVIDIA的通用方案導致在計算效率方面并未達到理想的狀態，谷歌就專門開發了自己的AI芯片TPU并針對自己的AI算法進行深度優化獲得更高的運算效率。

正因此全球的AI芯片開始呈現百花齊放的局面，尤其是中國市場誕生了數百家AI芯片企業，當下中國較為知名的AI芯片企業就有寒武紀、地平線等芯片企業。

中國芯片企業呈現高度繁榮的景象也與中國在2014年成立的集成電路產業基金的支持有很大關系，中國已認識到芯片的重要性為此對于國內興起的芯片企業給予了大力支持，而AI芯片作為新興芯片行業更容易在當下國外芯片企業尚未占據絕對優勢的時候突圍而出，自然也成為中國支持的重點。

華為布局AI芯片有它的優勢

華為是中國實力最強的芯片設計企業，其研發的手機芯片已追上了國際領先水平，與手機芯片老大高通不相上下，其在智能手機芯片市場取得成功之后開始介入更多的行業，在備受關注的服務器芯片方面它就基于ARM的授權開發了自主核心泰山，可見它對服務器芯片市場的野心，在這樣的情況下順勢介入當下逐漸火熱的AI芯片行業也可以認為是順勢而為。

華為是中國服務器市場的有力競爭者之一，其已成為全球第四大服務器供應商，當下其也已成立華為云事業部，這都可以看出它在數據業務方面的野心以及所擁有的能力，其可以如谷歌一樣將自己的AI算法與AI芯片進行深度優化獲得更高的運算效率。值得注意的是國內最大的云服務供應商阿里巴巴也宣布開發自己的AI芯片，華為更不應落于人后。

去年華為領先業界在自己的手機芯片麒麟970上集成了從寒武紀獲取授權的AI芯片，顯示出它在AI芯片開發和應用上都取得了一些經驗，這有助于它開發自己的AI芯片取得成功。當然從谷歌開發TPU花費了數年時間來看，華為自己的AI芯片要取得成功也需要一些時間。

筆者認為華為開發AI芯片是有很大的可能性獲得成功的，不過其AI芯片要獲得其他企業的采用并不容易，畢竟競爭對手考慮到競爭關系一般都不會采用華為的AI芯片，華為研發的AI芯片很可能也將如手機芯片一樣主要是應用于它自己的通信設備、手機、服務器以及華為云業務上。