域名频道资讯站2019年6月，华为发布全新8系列手机SoC芯片麒麟810，首次采用华为自研达芬奇架构NPU，实现业界领先端侧AI算力，在业界公认的苏黎世联邦理工学院推出的AI Benchmark榜单中，搭载麒麟810的手机霸榜TOP3，堪称华为AI芯片的“秘密武器”，这其中华为自研的达芬奇架构举足轻重。
2019年8月20日数据
那么，达芬奇架构AI实力究竟怎么样？一起来深入了解下。
源起：为什么要做达芬奇架构？
华为预测，到2025年全球的智能终端数量将会达到400亿台，智能助理的普及率将达到90%，企业数据的使用率将达到86%。可以预见，在不久的将来，AI将作为一项通用技术极大地提高生产力，改变每个组织和每个行业。
基于这样的愿景，华为在2018全联接大会上提出全栈全场景AI战略。作为重要的技术基础，AI芯片在其中发挥着重要作用，而华为也基于AI芯片提供了完整的解决方案，加速使能AI产业化。
为了实现AI在多平台多场景之间的协同，华为创新设计达芬奇计算架构，在不同体积和功耗条件下提供强劲的AI算力。
初见：达芬奇架构的核心优势
达芬奇架构，是华为自研的面向AI计算特征的全新计算架构，具备高算力、高能效、灵活可裁剪的特性，是实现万物智能的重要基础。
具体来说，达芬奇架构采用3D Cube针对矩阵运算做加速，大幅提升单位功耗下的AI算力，每个AI Core可以在一个时钟周期内实现4096个MAC操作，相比传统的CPU和GPU实现数量级的提升。
3D Cube
同时，为了提升AI计算的完备性和不同场景的计算效率，达芬奇架构还集成了向量、标量、硬件加速器等多种计算单元。同时支持多种精度计算，支撑训练和推理两种场景的数据精度要求，实现AI的全场景需求覆盖。
深耕：达芬奇架构的AI硬实力
科普1：常见的AI运算类型有哪些？
在了解达芬奇架构的技术之前，我们先来弄清楚一下几种AI运算数据对象：
标量(Scalar)：由单独一个数组成
向量(Vector)：由一组一维有序数组成，每个数由一个索引(index)标识
矩阵(Matrix)：由一组二维有序数组成，每个数由两个索引(index)标识
张量(Tensor)：由一组n维有序数组成，每个数由n个索引(index)标识
其中，AI计算的核心是矩阵乘法运算，计算时由左矩阵的一行和右矩阵的一列相乘，每个元素相乘之后的和输出到结果矩阵。
在此计算过程中，标量(Scalar)、向量(Vector)、矩阵(Matrix)算力密度依次增加，对硬件的AI运算能力不断提出更高要求。 典型的神经网络模型计算量都非常大，这其中99%的计算都需要用到矩阵乘，也就是说，如果提高矩阵乘的运算效率，就能最大程度上提升AI算力——这也是达芬奇架构设计的核心：以最小的计算代价增加矩阵乘的算力，实现更高的AI能效。
科普2：各单元角色分工揭秘，Da Vinci Core是如何实现高效AI计算的？
在2018年全联接大会上，华为推出AI芯片Ascend 310(昇腾310)，这是达芬奇架构的首次亮相。
本文素材来自互联网
