8月22日消息 此前，華為正式推出了麒麟810芯片，這款芯片采用華為自研的達(dá)芬奇架構(gòu)，其AI得分在蘇黎世聯(lián)邦理工學(xué)院推出的AI Benchmark榜單中位列前三。

華為在文章中同時(shí)表示，8月23日，采用達(dá)芬奇架構(gòu)的AI芯片Ascend910將正式商用發(fā)布，同時(shí)與之配套的新一代AI開(kāi)源計(jì)算框架MindSpore也將同時(shí)亮相。

針對(duì)達(dá)芬奇框架，華為中國(guó)今天發(fā)文進(jìn)行深度科普。以下則是華為對(duì)達(dá)芬奇框架的科普內(nèi)容。

源起：為什么要做達(dá)芬奇架構(gòu)？

華為預(yù)測(cè)，到2025年全球的智能終端數(shù)量將會(huì)達(dá)到400億臺(tái)，智能助理的普及率將達(dá)到90％，企業(yè)數(shù)據(jù)的使用率將達(dá)到86％�？梢灶A(yù)見(jiàn)，在不久的將來(lái)，AI將作為一項(xiàng)通用技術(shù)極大地提高生產(chǎn)力，改變每個(gè)組織和每個(gè)行業(yè)。為了實(shí)現(xiàn)AI在多平臺(tái)多場(chǎng)景之間的協(xié)同，華為設(shè)計(jì)達(dá)芬奇計(jì)算架構(gòu)，在不同體積和功耗條件下提供強(qiáng)勁的AI算力。

初見(jiàn)：達(dá)芬奇架構(gòu)的核心優(yōu)勢(shì)

達(dá)芬奇架構(gòu)，是華為自研的面向AI計(jì)算特征的全新計(jì)算架構(gòu)，具備高算力、高能效、靈活可裁剪的特性，是實(shí)現(xiàn)萬(wàn)物智能的重要基礎(chǔ)。具體來(lái)說(shuō)，達(dá)芬奇架構(gòu)采用3D Cube針對(duì)矩陣運(yùn)算做加速，大幅提升單位功耗下的AI算力，每個(gè)AI Core可以在一個(gè)時(shí)鐘周期內(nèi)實(shí)現(xiàn)4096個(gè)MAC操作，相比傳統(tǒng)的CPU和GPU實(shí)現(xiàn)數(shù)量級(jí)的提升。

▲3D Cube

同時(shí)，為了提升AI計(jì)算的完備性和不同場(chǎng)景的計(jì)算效率，達(dá)芬奇架構(gòu)還集成了向量、標(biāo)量、硬件加速器等多種計(jì)算單元。同時(shí)支持多種精度計(jì)算，支撐訓(xùn)練和推理兩種場(chǎng)景的數(shù)據(jù)精度要求，實(shí)現(xiàn)AI的全場(chǎng)景需求覆蓋。

深耕：達(dá)芬奇架構(gòu)的AI硬實(shí)力

科普1：常見(jiàn)的AI運(yùn)算類型有哪些？

在了解達(dá)芬奇架構(gòu)的技術(shù)之前，我們先來(lái)弄清楚一下幾種AI運(yùn)算數(shù)據(jù)對(duì)象：

• 標(biāo)量（Scalar）：由單獨(dú)一個(gè)數(shù)組成

• 向量（Vector）：由一組一維有序數(shù)組成，每個(gè)數(shù)由一個(gè)索引（index）標(biāo)識(shí)

• 矩陣（Matrix）：由一組二維有序數(shù)組成，每個(gè)數(shù)由兩個(gè)索引（index）標(biāo)識(shí)

• 張量（Tensor）：由一組n維有序數(shù)組成，每個(gè)數(shù)由n個(gè)索引（index）標(biāo)識(shí)

其中，AI計(jì)算的核心是矩陣乘法運(yùn)算，計(jì)算時(shí)由左矩陣的一行和右矩陣的一列相乘，每個(gè)元素相乘之后的和輸出到結(jié)果矩陣。在此計(jì)算過(guò)程中，標(biāo)量（Scalar）、向量（Vector）、矩陣（Matrix）算力密度依次增加，對(duì)硬件的AI運(yùn)算能力不斷提出更高要求。

典型的神經(jīng)網(wǎng)絡(luò)模型計(jì)算量都非常大，這其中99％的計(jì)算都需要用到矩陣乘，也就是說(shuō)，如果提高矩陣乘的運(yùn)算效率，就能最大程度上提升AI算力——這也是達(dá)芬奇架構(gòu)設(shè)計(jì)的核心：以最小的計(jì)算代價(jià)增加矩陣乘的算力，實(shí)現(xiàn)更高的AI能效。

科普2：各單元角色分工揭秘，Da Vinci Core是如何實(shí)現(xiàn)高效AI計(jì)算的？

在2018年全聯(lián)接大會(huì)上，華為推出AI芯片Ascend 310（昇騰310），這是達(dá)芬奇架構(gòu)的首次亮相，Ascend 310相當(dāng)于AI芯片中的NPU。

其中，Da Vinci Core只是NPU的一個(gè)部分，Da Vinci Core內(nèi)部還細(xì)分成很多單元，包括核心的3D Cube、Vector向量計(jì)算單元、Scalar標(biāo)量計(jì)算單元等，它們各自負(fù)責(zé)不同的運(yùn)算任務(wù)實(shí)現(xiàn)并行化計(jì)算模型，共同保障AI計(jì)算的高效處理。

3D Cube矩陣乘法單元是AI計(jì)算的核心，這部分運(yùn)算由3D Cube完成，Buffer L0A、L0B、L0C則用于存儲(chǔ)輸入矩陣和輸出矩陣數(shù)據(jù)，負(fù)責(zé)向Cube計(jì)算單元輸送數(shù)據(jù)和存放計(jì)算結(jié)果。

雖然Cube的算力很強(qiáng)大，但只能完成矩陣乘運(yùn)算，還有很多計(jì)算類型要依靠Vector向量計(jì)算單元來(lái)完成。Vector的指令相對(duì)來(lái)說(shuō)非常豐富，可以覆蓋各種基本的計(jì)算類型和許多定制的計(jì)算類型。

Scalar標(biāo)量運(yùn)算單元主要負(fù)責(zé)AI Core的標(biāo)量運(yùn)算，功能上可以看作一個(gè)小CPU，完成整個(gè)程序的循環(huán)控制，分支判斷，Cube、Vector等指令的地址和參數(shù)計(jì)算以及基本的算術(shù)運(yùn)算等。

科普3：3D Cube計(jì)算方式的獨(dú)特優(yōu)勢(shì)是什么？

不同于以往的標(biāo)量、矢量運(yùn)算模式，華為達(dá)芬奇架構(gòu)以高性能3D Cube計(jì)算引擎為基礎(chǔ)，針對(duì)矩陣運(yùn)算進(jìn)行加速，大幅提高單位面積下的AI算力，充分激發(fā)端側(cè)AI的運(yùn)算潛能。以兩個(gè)N＊N的矩陣A＊B乘法為例：如果是N個(gè)1D的MAC，需要N2的cycle數(shù)；如果是1個(gè)N2的2D MAC陣列，需要N個(gè)Cycle；如果是1個(gè)N維3D的Cube，只需要1個(gè)Cycle。

▲圖中計(jì)算單元的數(shù)量只是示意，實(shí)際可靈活設(shè)計(jì)

達(dá)芬奇架構(gòu)將大幅提升算力，16＊16＊16的3D Cube能夠顯著提升數(shù)據(jù)利用率，縮短運(yùn)算周期，實(shí)現(xiàn)更快更強(qiáng)的AI運(yùn)算。舉例來(lái)說(shuō)，同樣是完成4096次運(yùn)算，2D結(jié)構(gòu)需要64行＊64列才能計(jì)算，3D Cube只需要16＊16＊16的結(jié)構(gòu)就能算出。其中，64＊64結(jié)構(gòu)帶來(lái)的問(wèn)題是：運(yùn)算周期長(zhǎng)、時(shí)延高、利用率低。

達(dá)芬奇架構(gòu)的這一特性也體現(xiàn)在麒麟810上。作為首款采用達(dá)芬奇架構(gòu)NPU的手機(jī)SoC芯片，麒麟810實(shí)現(xiàn)強(qiáng)勁的AI算力，在單位面積上實(shí)現(xiàn)最佳能效，F(xiàn)P16精度和INT8量化精度業(yè)界領(lǐng)先。

麒麟810支持自研中間算子格式IR開(kāi)放，算子數(shù)量多達(dá)240＋，處于業(yè)內(nèi)領(lǐng)先水平。更多算子、開(kāi)源框架的支持以及提供更加完備的工具鏈將助力開(kāi)發(fā)者快速轉(zhuǎn)換集成基于不同AI框架開(kāi)發(fā)出的模型，極大地增強(qiáng)了華為HiAI移動(dòng)計(jì)算平臺(tái)的兼容性、易用性，提高開(kāi)發(fā)者的效率，節(jié)約時(shí)間成本，加速更多AI應(yīng)用的落地。

預(yù)見(jiàn)：達(dá)芬奇架構(gòu)解鎖AI無(wú)限可能

基于靈活可擴(kuò)展的特性，達(dá)芬奇架構(gòu)能夠滿足端側(cè)、邊緣側(cè)及云端的應(yīng)用場(chǎng)景，可用于小到幾十毫瓦，大到幾百瓦的訓(xùn)練場(chǎng)景，橫跨全場(chǎng)景提供最優(yōu)算力。

以Ascend芯片為例，Ascend－Nano可以用于耳機(jī)電話等IoT設(shè)備的使用場(chǎng)景；Ascend－Tiny和Ascend－Lite用于智能手機(jī)的AI運(yùn)算處理；在筆記本電腦等算力需求更高的便攜設(shè)備上，由Ascend 310（Ascend－Mini）提供算力支持；而邊緣側(cè)服務(wù)器上則需要由Multi－Ascend 310完成AI計(jì)算；至于超復(fù)雜的云端數(shù)據(jù)運(yùn)算處理，則交由算力最高可達(dá)256 TFLOPS＠FP16的Ascend 910（Ascend－Max）來(lái)完成。正是由于達(dá)芬奇架構(gòu)靈活可裁剪、高能效的特性，才能實(shí)現(xiàn)對(duì)上述多種復(fù)雜場(chǎng)景的AI運(yùn)算處理。

同時(shí)，選擇開(kāi)發(fā)統(tǒng)一架構(gòu)也是一個(gè)非常關(guān)鍵的決策。統(tǒng)一架構(gòu)優(yōu)勢(shì)很明顯，那就是對(duì)廣大開(kāi)發(fā)者非常利好�；�于達(dá)芬奇架構(gòu)的統(tǒng)一性，開(kāi)發(fā)者在面對(duì)云端、邊緣側(cè)、端側(cè)等全場(chǎng)景應(yīng)用開(kāi)發(fā)時(shí)，只需要進(jìn)行一次算子開(kāi)發(fā)和調(diào)試，就可以應(yīng)用于不同平臺(tái)，大幅降低了遷移成本。不僅開(kāi)發(fā)平臺(tái)語(yǔ)言統(tǒng)一，訓(xùn)練和推理框架也是統(tǒng)一的，開(kāi)發(fā)者可以將大量訓(xùn)練模型放在本地和云端服務(wù)器，再將輕量級(jí)的推理工作放在移動(dòng)端設(shè)備上，獲得一致的開(kāi)發(fā)體驗(yàn)。

在算力和技術(shù)得到突破性提升后，AI將廣泛應(yīng)用于智慧城市、自動(dòng)駕駛、智慧新零售、機(jī)器人、工業(yè)制造、云計(jì)算AI服務(wù)等場(chǎng)景。未來(lái)，AI將應(yīng)用更加廣泛的領(lǐng)域，并逐漸覆蓋至生活的方方面面。