华为达芬奇与英伟达CUDA必有一战！_华为_达芬奇

当初英特尔和微软，搞出来个Wintel，制霸电脑时期很多年。

从某种意义上，英伟达的CUDA，就相称于CPU时期的windows，承担了构建运用生态的重任。
而生态的壁垒，是比芯片性能更深厚的竞争壁垒。
以是，CUDA才是英伟达最大的王牌。

在CPU时期，我们被Wintel压制了很多年。
在AI时期，英伟达集GPU和CUDA于一身，会是另一个难以冲破的Wintel么？目前看是的。

由于美国对中国AI家当的打压，芯片这张牌被用的越来越频繁。
不仅美国政府，便是英伟达自身处于商业竞争的考虑，也越来越方向于“打牌”。
而CUDA，便是英伟达最大的王牌。
中国要在AI打算领域打破封锁，不仅要有自己的GPU，也要有自己的CUDA。
要做成这件事情，目前来看，彷佛只有靠华为了。

在图形渲染的天下中，英伟达以其博识的GPU技能赢得了市场的青睐。
然而，英伟达并未止步于此，它的目光早已超越了图形渲染的边界，投向了更为广阔的打算领域。
2006年，英伟达推出了CUDA（Compute Unified Device Architecture），这一举措标志着英伟达从图形渲染巨子向打算巨子的华美转身。

CUDA的发展进程中，有几个关键节点：

2007年：CUDA 1.0的发布，开放了GPU的通用打算能力，为开拓者供应了进入GPU编程天下的钥匙。

2008年：CUDA 2.0增加了对双精度浮点运算的支持，这对付科学打算和工程仿照等领域至关主要。

2010年：CUDA 3.0进一步扩展了GPU的并行处理能力，为更繁芜的打算任务供应了支持。

2012年：CUDA 5.0引入了动态并行性，许可GPU内核自我复制，极大地提升了程序的灵巧性和效率。

这些版本不仅推动了CUDA技能的进步，也成为了GPU并行打算发展史上的主要里程碑。

CUDA的核心在于其创新的并行打算模型，通过将打算任务分解为成千上万的线程，CUDA能够在GPU上实现前所未有的并行处理能力。
这种模型不仅极大地提高了打算效率，也使得GPU成为理解决繁芜打算问题的空想平台。
从深度学习到科学仿照，CUDA定义了并行打算的新纪元，开启了高性能打算的新篇章。

随着AI和大数据的兴起，CUDA的市场影响力不断扩大。
开拓者们纷纭转向CUDA，以利用GPU的强大打算能力来加速他们的运用程序。
企业也认识到了CUDA的代价，将其作为提升产品性能和竞争力的关键技能。
根据统计数据，CUDA的下载量已经超过了3300万次。

对付英伟达而言，CUDA已经成为英伟达最深的护城河。
它不仅巩固了英伟达在GPU市场的领导地位，更为英伟达打开了进入高性能打算、深度学习、自动驾驶等多个前沿领域的大门。
随着技能的不断进步和市场的不断扩大，CUDA无疑将连续扮演着英伟达最深护城河的角色，引领着打算技能的未来。

达芬奇架构，作为华为自研的AI打算架构，其起源与华为对AI未来运用的深远洞察密切干系。
早在几年前，华为就预测到2025年，环球智能终真个数量将达到400亿台，智能助理的遍及率将达到90%，企业数据的利用率将达到86%。
基于这样的预测，华为在2018年全联接大会上提出全栈全场景AI计策，并设计了达芬奇打算架构，以在不同体积和功耗条件下供应强劲的AI算力。

达芬奇架构的发展可以追溯到2018年，华为推出的AI芯片Ascend 310（昇腾310）首次亮相，标志着达芬奇架构的正式运用。
紧接着，华为在2019年6月发布了全新8系列手机SoC芯片麒麟810，首次采取达芬奇架构NPU，实现了业界领先的端侧AI算力。
麒麟810在AI Benchmark榜单中表现卓越，证明了达芬奇架构的实力。

达芬奇架构是专为AI打算特色而设计的全新打算架构，具备高算力、高能效、灵巧可裁剪的特性。
其核心上风在于采取3D Cube针对矩阵运举措看成加速，每个AI Core可以在一个时钟周期内实现4096个MAC操作，比较传统的CPU和GPU实现数量级的提升。
此外，达芬奇架构还集成了向量、标量、硬件加速器等多种打算单元，并支持多种精度打算，支撑演习和推理两种场景的数据精度哀求。

达芬奇架构的运用领域广泛，覆盖了从端侧到云真个全场景AI运用。
在端侧，麒麟810芯片的AI算力已经在智好手机中得到运用，为消费者供应了丰富的AI运用体验。
在边缘侧和云端，Ascend系列AI处理器可以知足从几十毫瓦到几百瓦的演习场景，供应最优的AI算力。
达芬奇架构的灵巧性和高效性，使其在聪慧城市、自动驾驶、工业制造等多个领域中发挥着重要浸染。

诚然，达芬奇架构在华为的AI市场布局中霸占了核心的位置。
它不仅是华为AI芯片的技能根本，也是华为实现全栈全场景AI计策的主要支撑。
通过达芬奇架构，华为能够供应从硬件到软件的全栈AI办理方案，加速AI技能的家当化和运用落地。
此外，达芬奇架构的统一性也为开拓者带来了便利，降落了开拓和迁移本钱，促进了AI运用的创新和发展。

比较于2006年推出的CUDA，华为达芬奇要晚了12个年头。
这12年中，达芬奇一贯在追赶。
除了韶光上的差距，达芬奇和CUDA还在架构设计哲学、性能表现、工具链、开拓者生态等多个层面存在显著的差异。

在设计哲学方面，CUDA是英伟达开拓的并行打算平台和API模型，它许可开拓者利用NVIDIA的GPU进行高效的并行打算。
而达芬奇架构是华为自研的面向AI打算特色的全新打算架构，它采取了3D Cube针对矩阵运举措看成加速，大幅提升单位功耗下的AI算力。
CUDA的设计更看重通用性，而达芬奇则专注于AI打算的高效性。

在AI打算性能方面，CUDA和达芬奇各有千秋。
CUDA凭借多年的技能积累，支持大规模并行处理能力，适宜处理各种繁芜的打算任务。
达芬奇架构则通过其3D Cube打算引擎，针对矩阵运算进行优化，实现了在单位面积下的AI算力显著提升。
在深度学习等AI运用处景中，达芬奇架构展现出了精良的性能表现。

CUDA和达芬奇架构在不同领域下的适用性各有侧重，CUDA由于其通用性，被广泛运用于科学研究、医学、金融等多个领域。
而达芬奇架构则紧张针对AI打算，特殊是在端侧、边缘侧及云真个AI运用处景中，如智好手机、自动驾驶、云业务等。

从开拓者的角度来看，CUDA和达芬奇架构在编程模型与工具链的易用性上有所不同。
CUDA供应了一套完全的开拓工具链，包括CUDA编译器、调试器、性能剖析工具等，支持多种编程措辞和深度学习框架。
达芬奇架构虽然起步较晚，但华为也在积极构建其工具链和开拓者生态，供应必要的支持以促进开拓者的利用和创新。
但从工具链的完全性和丰富度来看，达芬奇离CUDA还有不少的差距。

CUDA通过其广泛的运用和成熟的技能，已经建立了一个弘大的开拓者社区和生态系统。
而生态的培植，是比纯挚提升GPU性能更难得事情，这才是对华为真正的磨练。

目前看，华为GPU发展态势较好。

根据公开信息，2023年华为算力GPU的出货量大约为十万片。
随着产能的增加，估量到2024年，这个数字将翻几番，达到几十万片的规模。
只管产能有所提升，市场上的订单需求依然非常兴旺，仅在2024年1月份的下单量就已经达到了数十万片。
目前，下单需求已经达到上百万片，远超华为当前的供应能力。

在海内购买情形方面，华为算力GPU受到了市场的热烈追捧。
华为算力GPU的客户紧张分为三个梯队：第一类是三大运营商和政务类客户，第二类是互联网客户，第三类是其他公司。
由于算力GPU的紧缺，客户为了尽快拿到产品，都在努力成为第一梯队的客户，乃至采纳与地方政府互助等方法以确保优先供应。

价格方面，华为算力GPU自2023年8月上市以来，价格已经经历了至少两次提价。
最初上市的价格约为7万元公民币，而目前市场价格已经上涨至约12万元公民币。

总体来看，华为GPU的发展态势良好，市场需求强劲，只管供应紧张，但这也反响出华为GPU在性能和国产化方面的上风，使其成为市场中的热门选择。
随着技能的不断进步和产能的进一步提升，估量华为GPU将在未来市场中霸占更主要的位置。

在一次专访中，黄仁勋表示：“华为是个好公司”。
此外，英伟达在财报中将华为列为紧张竞争对手，这反响了华为在GPU及干系技能领域的竞争力正在增强。

只管华为GPU发展态势良好，但CUDA作为GPU领域占主导地位的框架，其生态系统的成熟度和广泛接管度远远超过了其他框架，包括AMD开拓的框架。
华为的AI打算框架在生态培植方面确实还有很长的路要走，须要持续的技能创新和市场推广才能逐步构建起与CUDA相匹敌的生态系统。

然而，英伟达不想给华为发展起来的韶光了。

近期，英伟达对其CUDA平台的兼容性政策进行了调度，限定了CUDA软件在非英伟达硬件平台上的运行行为，这一决策始于2021年，并在随后的韶光里逐步加强。
详细来说，英伟达通过更新其终极用户容许协议（EULA），明确禁止了利用转换层或仿照层在非英伟达GPU上运行CUDA代码的行为。

这一政策变动紧张影响了那些试图通过转译技能实现CUDA兼容性的第三方项目，例如ZLUDA等。
ZLUDA是一个许可在非英伟达硬件上运行CUDA程序的转译库，它供应了一种相对大略的办法，使得开拓者能够在性能略有丢失的情形下，运行CUDA程序。

英伟达此举，被广泛认为是保护其市场份额和掩护其技能掌握权的计策举措。
通过限定在其他芯片上利用CUDA软件的办法，英伟达确保其GPU仍旧是开拓职员和依赖其并行打算平台的企业的首选。

然而，这一决策在业界引起了不小的震撼，并引发了广泛的谈论。
不少人责怪英伟达借助封锁政策垄断市场，压制竞争对手的发展机会。

面对英伟达的限定政策，一些海内GPU企业如摩尔线程选择了遵守EULA规定，并表态采取重新编译代码的办法与EULA保持同等，以避免违反英伟达的限定条款。

此外，业界其他力量，包括AMD、英特尔等厂商，并未因英伟达的限定而止步，他们正在积极推动开放、可移植的生态系统培植，以试图冲破英伟达的市场垄断。

面对英伟达的出牌，华为在发展自己的GPU技能时，须要更多地依赖自主研发的软件工具和开拓环境，而不是依赖于CUDA这样的成熟平台。
这意味着华为须要投入更多的资源来构建自己的软件生态系统，包括开拓与CUDA性能相匹敌的编程工具、库和API。

可以预见，在未来较长一段韶光内，由于CUDA的广泛利用和对高性能打算、AI等领域的深远影响，英伟达的这一政策可能会限定华为GPU的市场接管度，特殊是在那些已经深度依赖于CUDA的领域。

这加强了华为构建自身AI打算架构和AI生态的紧迫性，就像当初安卓断供造诣了鸿蒙一样，CUDA的收紧会否成为华为达芬奇架构的神助攻呢？现在还不好评判，让子弹飞一会吧。