復盤華為AI芯片簡史 昇騰亮相算力大爆發

　　李娜

　　看似高深的人工智能（AI）技術，其實已經“潤物細無聲”地深入大眾生活，僅你手中一部華為Mate20手機，就可以實現人臉識別、物體識別、物體檢測、圖像分割、智能翻譯等AI功能。這背后，依仗的是手機算力的大幅提升。小小一枚一分錢硬幣大小的華為麒麟980手機芯片，就集成了69億個晶體管，具備每秒鐘完成萬億次級運算的能力。你可能想不到，如今自己手中任何普通智能手機的算力，甚至比美國航空航天局1969年登月計劃中最先進計算機還高出幾百上千萬倍乃至更高。

　　數據、算力和算法，驅動著人工智能的第三次浪潮。其中，算力正是重要的基石。手機端的芯片算力幾年間已經發展到如此驚人，用于云端的AI芯片需要處理自動駕駛等復雜場景的海量數據，又需要多強大的算力呢？OpenAI近期發布的研究顯示，僅2012年以來，人們對于算力的需求增長六年就超過30萬倍，平均每年增長10倍，遠遠超過了摩爾定律的發展速度，因為深度學習神經網絡需要對張量（可以簡化理解為矩陣）進行大規模并行計算，顛覆了傳統的浮點計算，對算力的需求正在出現指數級的爆發式增長。例如原來1個時鐘單元只能計算1次浮點計算，現在可以通過新的算子同時對N×N的矩陣計算，如果N=10,那就是同時計算了100次，計算次數較原來增長了100倍，新算子帶來了對新芯片的強大算力訴求。

　　如果說2019年最受輿論關注的ICT和智能終端廠商是華為，那么其去年10月以來一直“猶抱琵琶半遮面”的業界算力最高AI處理器——Ascend（昇騰）910芯片，則是人工智能圈本年度最期待的AI芯片。

　　面對AI算力需求的爆發式增長，這幾年華為在做些什么？

　　率先將專用NPUAI芯片引入手機。

　　人工智能發展中，我國在數據方面具備優勢，但在算法與算力方面仍待發展，尤其是芯片與硬件代表的算力方面。算法科學家、工程師和應用廠商面臨著AI算力稀缺和昂貴問題，大大抬高了算法研究和創新門檻，阻礙著AI的全行業普及和應用。

　　正因如此，盡管AI芯片在金錢、時間和人力各方面的研發成本高昂，但在AI商業賽道上，各廠商都在打造各自的芯片體系，其中多為聚焦于某一應用或某一場景的互聯網和芯片廠商，也不乏ICT大廠。國內廠商中，華為在AI芯片的布局堪稱“經典”。

　　在AlphaGo一戰成名之前，絕大多數國人就已經完成了從功能手機到第一代智能手機的換代，不斷增長的手機系統自帶功能特性和第三方應用，刷新著用戶的體驗。無論是AI功能還是場景化AI服務，都需要手機完成復雜深度學習算法模型運算，計算密集復雜，計算需求巨大，實時性受到挑戰；同時運行環境受限，功耗、內存、存儲空間非常挑戰，因此強大的算力是必需的。

　　如何將人工智能引入到手機終端，是彼時蘋果、華為在內的手機廠商都在努力攻破的問題。

　　2017年9月的柏林電子消費展上，華為正式發布全球首款移動端AI芯片麒麟970，一個月后發布了搭載麒麟970的旗艦手機Mate10。麒麟970是全球首款內置了獨立神經網絡處理單元（即NPU）的人工智能芯片。華為第一個將NPU引入手機芯片，在此之后，蘋果、三星等廠商紛紛跟進，到今天，AI手機已成為眾多手機廠商的旗艦配置。麒麟970內置NPU性能大幅優于CPU、GPU和DSP這些通用計算單元，同時相比CPU獲得了約50倍能效和25倍性能優勢。這意味著，麒麟970芯片可以用更少的能耗更快地完成AI計算任務。

　　在NPU的加持下，手機功能也會變得更加強大。例如使用語音功能時，AI會對當前語境和內容進行細致的分析，從而實現高準確率的識別體驗，將語音識別的成功率提升到更高的級別。這樣一來，以智能助手為主語音的功能就得以替代傳統的手工輸入，扮演更重要的角色，或許以后大街上見不到邊玩邊走的“低頭族”，而是更多人對著手機“自言自語”了。

　　在用戶十分關心的拍照方面，AI的出現同樣為喜歡手機攝影的用戶帶來不少福利。麒麟970搭載雙通道ISP圖像信號處理器，在動態影像捕捉和低光拍照上有很大的提升。雙攝鏡頭+雙ISP軟硬件優化，再配合人工智能的計算機視覺分析，便能自動分析畫面內的物體，并選擇當前最佳的拍照模式，甚至可以進行物體追蹤對焦和預測用戶拍照時機，提供前所未有的拍照體驗。

　　麒麟970的推出，成為傳統智能手機和未來AI手機的重要分水嶺，AI手機的發展也從單純的算法優化進入了硬件能力的真·人工智能比拼階段。

　　2018年8月，同樣在柏林電子消費展上，華為又發布了全球首款7nm人工智能手機芯片——麒麟980。

　　1納米（nm）等于1毫微米（即十億分之一米），約為10個原子的長度。一根頭發絲直徑約為0.1毫米，而7nm相當于頭發絲的萬分之一，在不到1平方厘米的麒麟980內部有高達69億個晶體管。從芯片工藝上看，7nm相當于70個原子直徑，逼近了硅基半導體工藝的物理極限，麒麟980實現了在針尖上翩翩起舞。華為消費者業務CEO余承東表示，麒麟980的7nm工藝是由1000多名半導體工程師組成的團隊歷時3年時間、經歷5000多次的工程驗證精心打磨的成果。

　　相對于麒麟970來說，麒麟980全面升級。以圖像識別速度為例，麒麟970可達到約2005張每分鐘，而麒麟980在移動端雙NPU強大算力加持下，可實現每分鐘圖像識別4500張，識別速度相比上一代提升120%，遠高于業界同期水平。隨之而來的，是人臉識別、語音助手、AI拍照，及各類智能美拍P圖等APP在手機上的全面升級。

　　同時，面對更海量的用戶，麒麟710讓更多消費者享受到人工智能的樂趣。到了2019年，華為推出麒麟810芯片，這是華為第二款7nm工藝的手機芯片，也是華為首款自研達芬奇架構NPU的手機芯片，這意味著更多海量用戶享受到專用NPU帶來的旗艦級的AI體驗。

　　至此，華為完成第一輪在手機端的AI芯片布局（麒麟970、麒麟980、麒麟710、麒麟810），手機產業也正式走入了AI時代。

　　“達芬奇”構建端邊云算力大爆發基礎

　　AI賽道比拼，影響的絕不僅是手機端，邊緣側、云側的硬件算力、數據算法等元素無一不處于白熱化的競賽之中，幾乎每天都有新的論文、新的產品問世。

　　如果說華為在芯片上的持續投入屬“居安思危”，顯示的是其遠見與決心。那么，華為在人工智能領域的野心則更為宏大，這一次，華為不僅要覆蓋云、邊、端各種場景，還要形成從應用到系統到芯片的閉環。

　　2018年10月，華為在其全聯接大會上首次提出全棧全場景AI解決方案，華為輪值董事長徐直軍表示：“全場景，是指包括公有云、私有云、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境。全棧是技術功能視角，是指包括芯片、芯片使能、訓練和推理框架和應用使能在內的全堆棧方案。”

　　其中，全棧AI的基礎，是一系列基于統一的達芬奇架構的AI芯片——從IoT到終端（如麒麟芯片的NPU），到邊緣側再到云。在會上，徐直軍還宣布，“外界一直在傳華為在開發AI芯片，我要告訴大家，這是事實，我們今天發布兩顆AI芯片：華為昇騰（Ascend）910和310。”此言一出，立刻在國內外人工智能圈子驚起波瀾——華為終于祭出了大招。

　　達芬奇架構針對AI運算特征而設計，以高性能3DCube計算引擎為基礎，實現了算力和能效的大幅提升。從云、邊緣、端獨立的和協同的AI實際需求出發，從極致低功耗，到極致大算力的AI場景，為云、邊、端之間的算法協同、遷移、部署、升級和運維，提供了統一架構底層核心支撐，大大降低了人工智能算法開發和迭代的門檻，降低企業人工智能部署和商用成本。

　　目前，昇騰（Ascend）芯片家族中的昇騰310已經落地商用。基于昇騰310，華為陸續發布了Atlas200、Atlas300、Atlas500、Atlas800等產品，已被廣泛應用于安防、金融、醫療、交通、電力、汽車等行業，涉及攝像機、無人機、機器人、智能小站、MDC（MobileDataCenter）等產品形態。并提供基于昇騰310的AI云服務，比如華為云圖像分析類服務、OCR服務、視頻智能分析服務等超過50款API已經基于昇騰310，日均調用量超過1億次。另有大量企業客戶正在借助昇騰310芯片自己開發算法服務。

　　隨著昇騰310相關產品大規模上市，外界對昇騰910的期待更盛。畢竟，去年10月，徐直軍在會上公布，“昇騰910是計算密度最大的單芯片，最大功耗為350W，半精度為（FP16）256TeraFLOPS，比英偉達V100的125TeraFLOPS還要高出近1倍。若集齊1024個昇騰910，將會出現迄今為止全球最大的AI計算集群，性能也將達到256個P，不管多復雜的模型都能輕松訓練。”簡單來說就是，昇騰910是業界算力最高的AI處理器，相同功耗情況下，它的算力是業界芯片的2倍、最強CPU的50倍。

　　全棧全場景AI逐步落地

　　除了昇騰系列芯片外，華為提出的全棧AI，還包括支持端、邊、云獨立的和協同的統一訓練和推理框架MindSpore，芯片算子庫和高度自動化算子開發工具——CANN,提供全流程服務（ModelArts）、分層API和預集成方案的應用使能。

　　其中，在2019年已經落地實現商用的，除了昇騰310，還有其面向用戶和開發者的門戶——華為云ModelArts。作為一站式AI開發平臺，ModelArts可以提供海量數據預處理及半自動化標注、大規模分布式訓練、自動化模型生成，及端-邊-云模型按需部署能力，幫助用戶快速創建和部署模型，管理全周期AI工作流。2019年5月，在斯坦福大學DAWNBench榜單，華為云ModelArts獲得圖像識別訓練第一，ImageNet-1k數據集上用128塊V100GPU訓練ResNet-50模型僅需要2分43秒，而在2017年10月，斯坦福DAWN的訓練時間是13天10小時41分鐘。斯坦福大學DAWNBench榜單幾乎聚集了國內外領先AI廠商，ModelArts如果有強大的昇騰910加持，是否能進一步刷新世界紀錄？若再采用1024個昇騰910的全球最大AI計算集群，又將出現什么樣的成績？

　　從端側到邊緣側再到云側，從底層硬件到深度學習框架再到上層應用使能，華為的全棧全場景AI戰略正在逐步落地。在一年前關于AI的豪言中，哪些是華為下一步將要向市場兌現的呢？我們拭目以待。

責任編輯：張寧