华为达芬奇架构到底好在哪里？

华为达芬奇架构好在哪里？

从使用效果看，我们华为手机的AI能力就能体现实实在在的好效果。

如果从技术角度看，达芬奇架构可以在同样的单位功耗下提供更多的AI算力。

而现在的科技时代正是人工智能AI快速发展的时代，达芬奇架构将来一定会大放光彩。

1、什么是达芬奇架构达芬奇架构是华为在深入研究ARM的架构基础上，为了实现更快的AI计算，而自主研发的面向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，是将来万物互联，智能计算的重要架构。

它不仅继承了ARM的低功耗，又实现了高算力，确实是一个不可多得的架构。

2、达芬奇架构的实际效果讲达芬奇架构，很多非技术人士可能不太了解，但直接看实际使用效果应该都可以体会得到。

很多使用华为手机的人都知道，华为手机里有一个叫做NPU的人工智能芯片。

它在默默的为我们做很多AI驱动的功能。

比如，余承东曾经介绍的：人像分割功能：该功能可以精准地将人物和背景识别出来，并对两者进行分离。

同时在这基础上，可以实现人物美颜、背景虚化、以及直播过程中很多特效。

智慧识物：我们可以用华为手机对着食物扫一扫，华为的AI算法很快就能帮助你识别食物的卡路里，让你轻松管理你的饮食。

实时翻译：华为手机支持数十种国家的语言实时翻译，我们只需要唤醒华为的“小艺、小艺”，然后说“翻译一下+需要翻译的语句”。

以上只是部分AI功能，但这都是华为HiAI的功能，也是用达芬奇架构下的NPU的AI计算作为支撑的。

这下应该知道达芬奇有多好了吧，它的AI能力可以方便我们生活的方方面面。

2、达芬奇架构的技术优势从技术上讲，达芬奇架构是采用3D Cube针对矩阵运算做了加速设计，能够大幅度提升AI运算能力，又不会增加太多能耗。

目前，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实现了数量级的提升。

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。

在华为的NPU中，里面有很多很多AI Core。

每个core里面又包含了核心的3D cube、Vector向量计算单元、Scalar标量计算单元等等。

他们各自负责AI场景中的各种关于深南，并最大程度实现并行化计算，确保AI计算高效处理。

3D Cube矩阵乘法单元：这是AI计算的核心，这部分运算由3D Cube完成，Buffer L0A、L0B、L0C则用于存储输入矩阵和输出矩阵数据，负责向Cube计算单元输送数据和存放计算结果。

Vector向量计算单元：是为了补充3D Cube无法完成的向量计算类型，也可以覆盖各种基本的计算类型和许多定制的计算类型。

Scalar标量计算单元：主要负责标量运算，就像一个微型CPU，它可以很高效的完成程序的循环控制、条件判断、基本的算术运算。

计算加速：华为达芬奇架构不同于以前的标量、矢量运算。

它以3D Cube计算引擎为基础，针对矩阵运算进行加速。

比如：同样进行4096次运算，2D结构需要64X64矩阵运算才能算出结果。

而3D Cube只需要16X16X16的结构就能算出。

运算明显得到了加速。

综上，在华为达芬奇架构下的NPU，能够大幅提高单位面积下的AI算力，充分激发端侧AI的运算潜能。

这也是我们手机能够实时的为我们处理很多AI场景的原因。

达芬奇架构的开发者优势在达芬奇架构下，可以针对不同环境独，支持可大可小，适应全场景立部署。

对开发者来说是非常方便的。

而且除了方便还有更多开发优势：将模型保护已经嵌入到AI框架中了，实现模型安全可靠。

通过实现AI算法即代码，使开发态变得更加友好，减少模型开发时间。

以自然语言处理模型为例，最高可以减少20%的核心代码量，效率整体提升50%以上。

总结总之，华为达芬奇架构是华为AI战略的重要基础。

它可以让华为的消费者享受更智能的AI功能，也能让华为的开发者享受更加便捷的服务。

同时，该架构技术上提高了单位面积的AI算力，可以为华为在将来的人工智能时代占领领先地位。

感谢阅读！我是数智风，用经验回答问题，欢迎关注评论。