近日，我們從一名接近華為的消息人士處獲知：華為的「達芬奇計劃」确實存在，并且很可能在 10 月的全聯接大會上釋出該計劃的詳情，包括 AI 雲晶片、跨平台深度學習架構的執行個體都可能出現在下個月舉辦的大會上。看來，華為即将釋出的産品非常重磅。
在 2018 中國國際大資料産業博覽會上，華為雲 BU 總裁鄭葉來提出了華為「普惠」AI 概念，為 AI 技術的發展提出了更加實用的發展方向：讓 AI 高而不貴、讓所有企業使用者用得起、用得好、用得放心。這些新産品也将成為華為全新雲端戰略的重要組成部分。
「達芬奇計劃」的重要一步
在這一波 AI 浪潮中，BAT、京東、今日頭條等公司在人工智能領域都發出了較大聲音：不論是人才投入、技術研究，還是産業應用，它們的行動都廣為所知。而華為的人工智能研究一直以來都處于較為低調的狀态，以至于每次有關華為 AI 動态的消息放出，都會引起業内極大的關注。
首先，是達芬奇計劃。
據了解，「達芬奇」是華為内部的 AI 項目代号，但并非是最終正式釋出的産品或方案名字。該項目是由華為輪值董事長徐直軍帶隊執行。作為華為目前規模最大的新項目，這家公司已在「達芬奇」計劃上投入了非常大的精力。
有迹象表明，華為即将推出的解決方案不僅是單純的晶片，而且還将包含面向開發者的開發闆、基于公有雲的 AI 加速器服務，以及私有雲伺服器上搭載的硬體能力。所有這些産品都會配以相應的軟體開發工具并同時釋出。據稱，屆時釋出的産品将非常有「震撼力」。
面向開發者打造全平台深度學習架構
在 AI 雲服務領域，華為并沒有先發優勢。而作為後來者，華為如何能夠在競争激烈的 AI 領域站穩腳跟？據透露，華為很可能會面向開發者釋出全套的人工智能軟體、硬體開發平台，并在展會上向所有參會者開放。在 AI 晶片之外，深度學習架構将可能成為華為差別于其他 AI 廠商的殺手锏。
在人工智能應用的開發過程中，人們經常會遇到不同用戶端移植的問題。開發者需要使用神經網絡架構（如 TensorFlow、PyTorch）進行模組化，在雲平台中進行訓練。但在實際應用部署中，深度學習模型卻很難利用到谷歌 TPU 等深度學習晶片的加速。
另一方面，人工智能算法的訓練、部署和推理需要不同的硬體需求。對于開發者來說，将模型從雲端遷移到手機上，總會面臨大量繁雜的工作。統一的深度學習架構可以讓人們從這些工作中解放出來。基于此，華為的深度學習架構将為廣大 AI 開發者的工作帶來更多便利。
在今年六月的全球夥伴開發者大會上，餘承東提出了全面開放華為「芯-端-雲」能力的願景。華為的深度學習架構将占據其中什麼樣的位置？
如同谷歌、百度等科技公司一樣，我們可以看到，華為正希望通過 AI 戰略聚集更多開發者，并逐漸形成活躍的社群，發力打造以晶片為載體的人工智能解決方案完整開發者生态。
在未來，華為旗下全系列的産品将有可能具備統一的人工智能能力，讓人們在做開發時能夠實作一次開發、一次調優、一次部署，大大提升開發效率。
不過，衆所周知，在深度學習的神經網絡架構中，谷歌的 TensorFlow 和 Facebook 的 PyTorch 已經成為主流。華為提出的架構要想在開發者社群中占據一席之地，或許還需要很多努力。
普惠 AI 戰略
在 2018 中國數博會上，華為雲 BU 總裁鄭葉來首次提出了「普惠 AI」概念。華為認為，AI 将在未來成為一種基本生産力，AI 并不是一個簡單的獨立産品，更不是一個封閉系統。在華為看來，AI 技術适用于大部分的經濟活動。基于這種思考，華為提出了讓普通人「用得好、用得起、用得安心」的普惠 AI 概念。
AI 是基礎生産力，這個觀點是華為通過自身的實踐總結出的經驗。AI 技術已深刻地改變了華為的制造、物流和零售過程。
在鄭葉來的介紹中，我們可以得知：在制造方面，華為使用雲邊協調的圖像處理技術和深度學習智能判定，将裝置成品率提升到了 99.55%，與此對應的 AOI 檢測員工作量則下降了 48%；在物流方面，AI 使得例外費用下降 30%，裝箱率提升 15%，運作效率提升 10%；在零售方面，AI 使得線下實作智能防沖量，線上實作智能風控，助力 CBG（華為消費者業務）手機銷量幾何智能變革，大大提升了零售安全。
可以看到，華為能夠在近兩年取得高速發展，裝置銷售價格越來越有競争力，經營情況越來越好，除了注重科技研發外，在内部大力應用 AI 技術也是至關重要的因素。
現在，華為希望這些 AI 技術能夠幫助所有企業提高生産效率。
AI 雲晶片：衆星雲集的戰場
作為 AI 雲服務的重要部分，為深度神經網絡任務專門加速的雲端晶片，一直被認為是未來晶片領域的重要發展方向。随着人工智能技術的發展，各家科技公司都在加緊研發自己的 AI 雲晶片。
谷歌是首個将專用雲晶片大規模應用的公司，其自行研發的張量處理器（Tensor Processing Unit，TPU）于 2016 年 5 月首次面世，今天已發展至第三代，據稱已在服務全球超過 10 億使用者。谷歌稱，TPU 使深度神經網絡（DNN）的計算速度提高了 15-30 倍，而其能耗效率比現有類似技術的 CPU 和 GPU 提高了 30-80 倍。
谷歌 TPU
雖然 TPU 是一種專用內建電路，但它适用于神經網絡架構 TensorFlow 下的大量程式，驅動了谷歌資料中心的許多重要應用，其中包括圖像識别、翻譯、搜尋和遊戲。
2018 年 2 月，谷歌雲 TPU 宣布向外部使用者開放，其價格約為每雲 TPU 每小時 6.50 美元。此舉意味着這種曾支援圍棋程式 AlphaGo 的強大晶片将很快成為各家科技公司開展人工智能業務的強大資源。
今年 7 月 4 日的百度 Create 開發者大會上，李彥宏也釋出了屬于百度的雲端 AI 晶片「昆侖」系列。百度的雲晶片分為兩個型号：訓練晶片昆侖 818-300 和推理晶片 818-100。「昆侖」采用了三星 14nm 工藝，算力可達 260Tops、記憶體帶寬 512 GB/s；功耗則為 100 瓦特，由幾萬個小核心構成。百度稱，這是中國第一款雲端全功能 AI 晶片，也是目前為止業内設計算力最高的 AI 晶片。
除了常用深度學習算法等雲端需求，百度的雲晶片還能适配諸如自然語言處理、大規模語音識别、自動駕駛、大規模推薦等具體終端場景的計算需求。
與其他科技巨頭相比，着力發展通信産品的華為在 AI 硬體上首先推出的是移動端晶片。2017 年 9 月，華為釋出了世界首款手機 AI 晶片麒麟 970，其中搭載了來自寒武紀的神經網絡處理單元 NPU。華為稱，麒麟 970 在機器學習任務上與 CPU 相比，計算速度可提升 25 倍，能耗效率提高 50 倍。華為的多款手機，包括 Mate 10/Pro、榮耀 V10 都搭載了麒麟 970 晶片。
今年 8 月 31 日，華為釋出了麒麟 980，成為了全球首款采用 7 納米工藝的手機 AI 晶片，同時也引入了雙核 NPU 設計。新款新品讓手機的 AI 計算能力翻了一倍。
而據消息人士稱，華為 10 月份即将釋出的雲端 AI 晶片，性能絕對不會比目前業界已有的其他晶片遜色。
華為在晶片和人工智能領域有着深厚的積累，目前已經發展了自己的公有雲、産品平台，更有着大量搭載了 AI 晶片的終端裝置。未來的雲服務競争可能會成為人工智能實力的比拼，華為希望通過 AI 建立自身雲服務的核心優勢。
目前看來，有關「達芬奇計劃」的更多細節會在 10 月的全聯接大會上公布，讓我們拭目以待。