华为正调整其人工智能芯片设计策略，计划从ASIC转向GPGPU，以期在AI芯片市场与英伟达竞争。尽管面临美国的半导体出口限制，英伟达的GPGPU凭借其强大的CUDA生态和通用性，仍占据中国大陆市场主导地位。华为的昇腾AI芯片在特定AI任务上表现出色，但通用性、双精度浮点支持及生态系统方面存在差距。华为的新策略旨在通过兼容CUDA编程语言，扩大其芯片的应用范围，从而提升市场份额。

💡 英伟达的GPGPU架构和CUDA生态系统是其在中国大陆市场占据主导地位的关键。GPGPU的并行计算能力使其能处理各种计算任务，而CUDA软件编程框架提供了很强的编程灵活性和适应性，支持图形渲染、科学计算、深度学习等。

🚀 华为昇腾AI芯片作为ASIC，在AI计算的效率和能效方面具有优势，尤其是在深度学习推理和训练方面。然而，ASIC在通用计算任务上的灵活性和双精度浮点支持上不如GPGPU，限制了其应用范围。

⚙️ 华为计划通过转向GPGPU并配备新软件，以兼容英伟达的CUDA编程语言。此举旨在扩大其AI芯片的通用性，使其能够支持更广泛的应用场景，并吸引更多的开发者。华为也在探索采用英伟达和AMD使用的芯片功能模型。

🌍 华为AI芯片采用的CANN软件平台，虽然在算力调度与执行方面有所应用，但其生态系统和开发者支持远不及英伟达的CUDA。这是华为提升其AI芯片市场份额面临的主要瓶颈之一。

7月11日消息，据The Information最新发布的一份报告称，中国科技巨头华为正在寻求改变其人工智能芯片设计策略，从 ASIC （专用集成电路）转向GPGPU（通用图形处理器）芯片，以便从英伟达（NVIDIA）手中夺取更多的市场份额。

尽管美国对中国实施半导体出口制裁，阻止英伟达在中国大陆销售其先进的 AI 芯片，但英伟达的产品仍然是中国大陆需求最广泛的AI芯片。而这主要是得益于英伟达GPGPU架构及强大的CUDA生态。

众所周知，GPU本身是设计来支持图形计算的，但其强大的并行计算能力使得它能够处理各种计算任务。随后，英伟达就针对AI应用推出了有很强的编程灵活性和适应性的GPGPU，结合自己的CUDA软件编程框架，可以处理不同类型的负载，比如图形渲染、科学计算、深度学习等。

而华为的昇腾AI芯片则是为AI计算优化的ASIC，它主要针对深度学习推理和训练进行特化。这种定制化使得它在特定任务上有更高的性能和能效，但对于图形渲染、并行计算、科学计算等通用计算任务上的效率和灵活性就不如GPGPU。

比如，目前许多AI应用（尤其是深度学习）主要使用单精度（FP32）和低精度（如INT8或FP16）浮点运算，因为这些操作能够提供足够的精度，并且能在较低的计算资源下完成。昇腾AI芯片这种AISC架构可以优化这类AI计算的效率，但是却无法支持双精度浮点（FP64）计算。相比之下，英伟达的H100/H20这类加速器，不仅支持单精度和半精度浮点计算，还能有效支持双精度浮点计算，这也让它们可以用于更广泛的科学计算、工程模拟等任务。

此外，在软件生态上，英伟达CUDA平台拥有成熟的开发生态和大量优化好的库（如cuDNN、TensorRT），可以为广泛的应用场景提供支持。开发者可以利用这些工具和库大大简化开发工作。

而华为昇腾AI芯片则采用的是自研的CANN（神经网络计算架构）软件平台来实现算力调度与执行。虽然华为也推出了MindSpore等深度学习框架，但它的生态系统和开发者支持，相比英伟达的CUDA生态还是要差很多。

总的来说，昇腾AI芯片作为ASIC的优势在于AI计算的高效能和低功耗，但在计算任务的灵活性、双精度浮点支持以及开发生态方面，与英伟达以及部分国产GPGPU厂商仍有一定的差距。目前其他的国产GPGPU厂商在发展自有生态的同时都有兼容CUDA生态。

The Information的报告指出，华为想要提升其AI芯片在中国大陆市场的份额正面临的一个主要瓶颈，即华为AI芯片采用的是CANN（神经网络计算架构）软件平台来实现算力调度与执行。但是，CANN并未得到行业的广泛的支持，远不及英伟达的CUDA。

据悉，华为的新的AI芯片在转向GPGPU后将配备新的软件，允许用户通过中间件以兼容英伟达的 CUDA 编程语言，该软件也可以将CUDA的指令转换为适用于华为AI芯片的语言。消息人士补充说，华为也有兴趣采用英伟达和AMD使用的芯片功能模型。

报告称，虽然目前华为的AI芯片是ASIC，但该公司有兴趣扩展其通用计算产品。这一转变将使得华为的AI芯片能够被更广泛地使用，并可能有助于华为增加其在中国AI芯片市场的份额。