华为AI芯片是英伟达强大的竞争对手？

12月6日，英伟达首席执行官黄仁勋在新加坡受访时表示，在人工智能芯片的竞争中，华为是“非常强大”的竞争对手之一，并补充说：“我们在中国和国外都有很多竞争对手，无论我们在哪里，他们都想与我们竞争。”

华为正在大力投入人工智能领域的研究开发工作，拥有的强大技术实力和创新能力，竞争力不容小觑。因此，在未来的发展过程中，华为很可能会成为英伟达重要的竞争对手之一。

英伟达的芯片已经成为支持人工智能训练大数据模型（例如ChatGPT）最有效的工具，在当前人工智能热潮中备受追捧。除了华为、英特尔等传统半导体企业外，还有不断涌现的初创公司在人工智能加速器市场都对英伟达的主导地位构成了一定挑战。

随着科技的不断发展和进步，面临来自华为等公司的竞争，尽管英伟达在人工智能领域有着较强的优势，但市场格局仍有望改变。

“一夜暴富”的英伟达

2022年ChatGPT横空出世，把AI行业的发展推向了一个新的高潮。生成式AI需要基于海量的数据进行推理训练，高算力的GPU加速卡自然也成了市场的抢手货，英伟达搭上了“一夜暴富”的列车。

GPU是一个横跨软硬件两个领域的事情，多种同架构的GPU并联在一起，能够更好地分配计算资源。一般来说，人工智能企业购买GPU并不会只买一块，所以当人工智能公司进行算力扩展的时候，GPU的附加价值就体现出来了，它会要求用户只能接着购买该公司的GPU产品。

市场消息人士透露，英伟达A100和H100的订单还在不断增加，A800和H800的售价已上涨40%，新订单交期可能要延长到12月份。不过，作为AI的基础设施，算力芯片的垄断显然不是有利于行业长远发展的生态，市场迫切需要引入新的竞争者。

另外值得注意的是，美国对英伟达芯片的销售设置了壁垒，今年更是进一步收紧了英伟达芯片对中国的出口 —— 10月更新先进半导体和计算设备的出口管制，特供版A800和H800都将禁止出口中国甚至连GeForce RTX 4090都已经从官网下架。

英伟达在最新财报中警告称，美国新规实施后，预计第四季度在中国的销售额将大幅下降。而中国市场占英伟达销售额的20%左右，巨大收入来源很难说不要就不要。因此，英伟达将继续“完美”遵守贸易法规，确保面向中国市场的新芯片符合出口限制。

英伟达硬件产品一骑绝尘，其软件能力也非同小可，拥有TensorRT-LLM功能的H200即将在2024年发售。TensorRT-LLM是一个帮助GPU快速解决复杂计算的优化软件技术，给GPU减压减负，让GPU能够表现出本不该属于它的性能。以H100为例，使用TensorRT-LLM后的H100，工作效率比使用前快出整整1倍；在700亿参数的Llama2上，前者比后者快77%。

英伟达最宽的护城河可能还是CUDA，基于GPU的并行计算平台和编程模型。CUDA的良好生态系统为英伟达提供了强有力的市场竞争优势，以至于AMD都选择兼容。至于是否一定要兼容CUDA，业界有着不同见解：小模型上CUDA仍然很重要，但如果是以大模型为主，对于CUDA的依赖就变得越来越小。

华为AI战略进入新阶段

目前芯片已经成为半导体行业中最具有发展潜力的领域之一，AI芯片作为推动芯片行业发展的核心市场，其行业价值难以估计。随着AI芯片技术的逐渐成熟，其应用场景逐步渗透到各类智能终端领域中，在我国科技发展中占据越来越重要的地位。

根据Gartner的数据，在目前全球半导体产业中，中国GPU的全球市场占比规模仅1%。而2022年，在全球6000亿美元的半导体采购中，中国企业的芯片采购规模就达到了1490亿美元，占到四分之一；跨国企业的中国工厂芯片采购规模达到2130亿美元，占比35%。中国的人工智能水平增长非常迅速，有着巨大的发展潜力，国内企业与英伟达的距离也一定会逐步缩小。英伟达深知其中的利害，所以才会坚持一直推出面向中国市场的特供版。

自2018年10月发布AI战略以来，华为稳步而有序地推进战略执行、产品研发及商用进程 —— 昇腾910（Ascend 910）、MindSpore的推出，标志着华为已完成全栈全场景AI解决方案（Portfolio）的构建，也标志着华为AI战略的执行进入了新的阶段。

据华为公布的信息显示，昇腾的半精度（FP16）算力达到256 Tera-FLOPS，整数精度（INT8）算力达到512 Tera-OPS，达到规格算力所需功耗仅310W。不过昇腾910也有着它的局限性，其依赖华为自身软件生态、需要华为深度优化及代码移植。

然而华为在人工智能领域的野心更为宏大，除了在芯片上的持续投入，还要形成从应用使能到系统到芯片的闭环。

华为提出AI框架应该是开发态友好、运行态高效，更重要的是要能适应每个场景包括端、边缘和云。针对不同的运行环境，MindSpore架构上支持可大可小，适应全场景独立部署，显著减少模型开发时间。以一个NLP（自然语言处理）典型网络为例，相比其他框架，用MindSpore可降低核心代码量20%，开发门槛大大降低，效率整体提升50%以上。

总体来看，华为在人工智能领域有两大策略方向：一是基于此前的计算战略，瞄准了算力底座建设昇腾体系；二是在产业大模型上发力，利用工业、科研领域作为新赛道的突破点。

MindSpore面临着谷歌的TensorFlow、Meta的Pytorch框架的激烈竞争，要如何后来居上？模型的应用有时比模型本身还有前途，要想技术得到超越或者领先，核心就是找到AI技术变革的下一条新赛道，只有当新赛道出现的时候才有弯道超车的机会。

从端侧到边缘侧再到云侧，从底层硬件到深度学习框架再到上层应用使能，华为的全栈全场景AI战略正在逐步落地。芯片的研发周期较长，在英伟达具有绝对先行优势的背景下，突破垄断仍然任重道远。华为下一步还会出什么大招？让我们拭目以待。