原標題：傳華為計劃重新設計AI芯片：ASIC轉向GPGPU 正面硬罡NVIDIA

　　據The Information最新發布的一份報告稱，中國科技巨頭華為正在尋求改變其人工智能芯片設計策略，從 ASIC （專用集成電路）轉向GPGPU（通用圖形處理器）芯片，以便從NVIDIA手中奪取更多的市場份額。

　　盡管美國對中國實施半導體出口制裁，阻止NVIDIA在中國大陸銷售其先進的 AI 芯片，但NVIDIA的產品仍然是中國大陸需求最廣泛的AI芯片。

　　主要是得益于NVIDIAGPGPU架構及強大的CUDA生態。

　　眾所周知，GPU本身是設計來支持圖形計算的，但其強大的并行計算能力使得它能夠處理各種計算任務。

　　隨后，NVIDIA就針對AI應用推出了有很強的編程靈活性和適應性的GPGPU，結合自己的CUDA軟件編程框架，可以處理不同類型的負載，比如圖形渲染、科學計算、深度學習等。

　　華為的昇騰AI芯片則是為AI計算優化的ASIC，它主要針對深度學習推理和訓練進行特化。

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

　　比如，目前許多AI應用（尤其是深度學習）主要使用單精度（FP32）和低精度（如INT8或FP16）浮點運算，因為這些操作能夠提供足夠的精度，并且能在較低的計算資源下完成。

　　昇騰AI芯片這種AISC架構可以優化這類AI計算的效率，但是卻無法支持雙精度浮點（FP64）計算。

　　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計算，還能有效支持雙精度浮點計算，這也讓它們可以用于更廣泛的科學計算、工程模擬等任務。

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

　　華為昇騰AI芯片則采用的是自研的CANN（神經網絡計算架構）軟件平臺來實現算力調度與執行。

　　雖然華為也推出了MindSpore等深度學習框架，但它的生態系統和開發者支持，相比NVIDIA的CUDA生態還是要差很多。

　　總的來說，昇騰AI芯片作為ASIC的優勢在于AI計算的高效能和低功耗，但在計算任務的靈活性、雙精度浮點支持以及開發生態方面，與NVIDIA以及部分國產GPGPU廠商仍有一定的差距。目前其他的國產GPGPU廠商在發展自有生態的同時都有兼容CUDA生態。

　　The Information的報告指出，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（神經網絡計算架構）軟件平臺來實現算力調度與執行。但是，CANN并未得到行業的廣泛的支持，遠不及NVIDIA的CUDA。

　　據悉，華為的新的AI芯片在轉向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的指令轉換為適用于華為AI芯片的語言。

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

　　報告稱，雖然目前華為的AI芯片是ASIC，但該公司有興趣擴展其通用計算產品。

　　這一轉變將使得華為的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。