华为“达芬奇计划”首次曝光!

据外媒 The Information 报道,华为目前正在开展一个代号为达芬奇计划“Project Da Vinci”的新项目!


640?wx_fmt=png


“达芬奇计划”旨在将AI带入华为所有的产品和服务中,最首要的一步,就是开发用于数据中心的AI芯片!


这件事的意义有多么重大呢?


首先,我们要明白,AI芯片的之于人工智能的意义,就像发动机之于汽车。我们都知道很多岗位正在被机器人取代,而AI芯片就相当于给机器人“造脑”!


AI正在改变整个世界!


640?wx_fmt=png


那么现在这一波AI热潮的引领者是谁呢?


这是一家创立于 1993 年的美国人工智能公司,他叫英伟达。


英伟达很早就开始转型布局人工智能。正在打造世界顶级人工智能公司。前段时间英伟达成功地将1000瓦性能的10万美元级工作站,缩小到了30瓦的‘掌中宝’的程度!


不得不承认的是,许多科技公司已经严重以来英伟达!


640?wx_fmt=png


这家公司多赚钱?它每天收入接近3600万美元,大概也就是每天2.2亿人民币入账!


可以说,美国要谋求人工智能时代的霸主地位,英伟达的作用非同小可!


所以,华为的达芬奇计划,相当于直接挑战英伟达!


英伟达用十年才建成了护城河,今天正式迎来对手!


外媒认为,华为的战略对英伟达构成挑战,因为在最近一个季度,中国是英伟达的第二大市场,占其收入的23.5%!


创建英伟达的替代品将是一场艰苦的战斗,因为这家美国公司在芯片市场上享有几乎垄断的地位!


但是,AI的推动完全符合中国广泛发展更多本土技术的雄心。作为“中国制造2025”纲领的一部分,中国必将在这一场科技竞赛中投入巨大兵力,必须打赢这一仗!


640?wx_fmt=png


要知道,在芯片产业,行业实力前20%的企业拿走了80%的利润。包括华为在内,很多中国公司抢占市场的方式是提供低价产品,占据低端市场,积累资本,然后再逐渐往上爬升。


但是,这样的方法在芯片行业行不通,因为大家都会购买技术最好的产品。而过去几十年来,在摩尔定律的推动下,技术最好的产品更新换代的速度也是飞快的。


如果制作出一款技术或者性能没有那么好的芯片,就占据不了市场,自然也无法迭代。


“英伟达占据主导地位,不仅因为它的芯片,还因为它们在软件框架和工具领域占据主导地位。根据其统计数据显示,有多达40家公司都在设计客制的AI芯片,谷歌自己研发了TPU,已经到了第三代,还有微软也在开发基于FPGA的Brainwave。百度在刚刚结束的AI Creat大会上公布了自研芯片昆仑,但也没有更详细的数据。但英伟达的Volta GPU目前地位稳固!


不过,华为依然被看好!华为拥有庞大的研发资源,在开拓新业务方面也保持着良好的记录。华为已经超越了许多全球电信设备和智能手机的竞争对手,最初是提供更便宜的替代品,后来加强技术在价值链上攀升。


在华为的18万名员工中,有超过8万人参与研发。华为在中国,美国,加拿大,德国,瑞典,俄罗斯和印度都设有研究中心。去年,华为在研发上花费了130多亿美元。


640?wx_fmt=jpeg640?wx_fmt=jpeg640?wx_fmt=jpeg


根据欧盟最新发布的《2017欧盟产业研发投入排行榜》,华为研发投入排在全球第六!


华为超车的能力是显而易见的,比如华为曾在几乎所有手机中使用高通的芯片。然而,在过去的七年中,它通过开发自己的移动芯片,同时积累了越来越多与无线技术相关的重要专利,将自己变成了高通的一个强劲的竞争对手。


“中兴事件”给国内企业敲响了警钟,美国之所以能轻易“出尔反尔”给中国新兴技术的发展使绊子,正是因为手握大量核心技术所带来的底气。华为的造芯计划在这个时间节点显得愈发必要,也成为整个中国产业发展的关键。


市场观察家The Linley Group的首席分析师Linley Gwennap表示,目前芯片产业竞争态势显示机器学习芯片的许多举动正开始转向低功耗的客户端,然而,在高性能的数据中心芯片之间,竞争仍处于初期阶段。


Gwennap说:“Arm已经主宰了CPU的IP领域,也接管了GPU,但AI引擎为核心芯片创造了一个全新的市场,让其他公司也能取得一个好的开始。”


640?wx_fmt=jpeg


目前根据统计数据显示,有多达40家公司都在设计客制的AI芯片,其中许多都锁定了数据中心应用。但在这个领域,英伟达的Volta GPU目前地位稳固,并成为亚马逊等巨头所选择的训练引擎。


现在,谷歌自己研发了TPU,已经到了第三代,还有微软也在开发基于FPGA的Brainwave。百度在刚刚结束的AI Creat大会上公布了自研芯片昆仑,但也没有更详细的数据。


英特尔旗下的Nervana最近明确表示,要到2019年才会投产芯片。深度学习新创公司Graphcore声称将在今年稍晚发布新芯片,而比特币ASIC制造商比特大陆则在去年底宣布研发用于数据中心的AI芯片的计划。


最终,能在这场仍算是新战场中获胜的芯片将是集性能、功耗和芯片尺寸等优势于一的最佳组合。加油,华为

∞∞∞

640?wx_fmt=jpeg&wx_lazy=1

IT派 - {技术青年圈} 持续关注互联网、区块链、人工智能领域 640?wx_fmt=jpeg


公众号回复“IT派”

邀你加入IT派 { 技术交流群 } 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值