專利視角看華為NPU和谷歌TPU芯片的創新之路

隨著深度學習、大模型、生成式人工智能等算法技術的迅猛發展，人工智能的發展對于芯片的算力提出了更高的需求，適應更高算力要求的人工智能專用芯片應運而生。

2025年2月，華為公司推出了一款名為“昇騰DeepSeek大模型一體機”的王炸產品，將昇騰高性能算力底座和DeepSeek全系列模型深度融合，可滿足語言理解、圖像分析等多場景需求，為企業提供一站式AI解決方案，這款新產品引發了業界對國產芯片的廣泛關注。隨著大模型、生成式人工智能等算法技術的迅猛發展，算力需求也在急速增加，傳統的中央處理器（CPU）已經無法滿足計算需求，這推動了人工智能芯片（AI芯片）快速發展。

在人工智能領域，芯片的重要性不言而喻，它就像AI運算的底座，為各種智能應用提供強大的算力支持。長期以來，英偉達的GPU（圖形處理器）憑借出色的并行計算能力和成熟的CUDA開發平臺，在AI芯片市場占據主導地位，幾乎成為AI計算的代名詞。然而，隨著技術的發展和市場競爭的加劇，華為的NPU（神經網絡處理器）和谷歌的TPU（張量處理器）等專用芯片開始嶄露頭角，試圖打破英偉GPU的壟斷局面。今天，就讓我們從專利和技術的角度，聊聊這三位“選手”的故事。

英偉達GPU：

AI芯片市場的“老大哥”

英偉達的GPU最初是為圖形渲染設計的，但隨著深度學習的興起，人們發現GPU的并行計算架構也適用于大量的矩陣運算。于是，英偉達抓住了這個機遇，不斷優化其GPU架構，推出了針對AI計算的專用GPU系列，如Tesla和A100等。這些GPU不僅計算能力強，而且通過CUDA平臺提供了豐富的開發工具和庫，使得開發者能夠輕松地在GPU上實現各種復雜的AI模型。憑借這些優勢，英偉達在AI芯片市場占據了超過80%的份額，成為名副其實的“老大哥”。

英偉達Project Digits產品 圖/英偉達官網

由于在GPU領域上一枝獨秀，英偉達致力于在GPU芯片這一傳統領域深耕，對于AI專用芯片領域涉及較少。基于AI專用芯片的關鍵核心技術，提取主要關鍵詞和分類號，在Incopat專利數據庫構建檢索式進行專利數據檢索，可以看到英偉達的相關專利申請量在全球位列第八位，遠低于華為公司，和其他大部分IT公司的申請量持平，可見AI專用芯片并不是英偉達公司發力的重點。

從其產品線上，在最新的國際消費類電子產品展覽會（CES2025）上，英偉達公司發布了全新的GB10 Grace Blackwell芯片和搭載了GB10超級芯片的Project Digits，主要以強大算力支持數據中心的AI訓練和推理任務，支持大規模的深度學習，如生成式AI和大語言模型等。英偉達公司依然以傳統的方式不斷更迭自身產品，向著AI技術新發展方向靠攏。

AI專用芯片市場的新機遇

受制于英偉達公司在GPU市場上的高占有率，一些大型科技公司開始自研AI專用芯片，以減少對單一供應商的技術依賴。AI芯片從技術上可以劃分為兩大類：通用芯片和專用芯片。通用芯片就像“全能選手”，適用于大算力場景，比如常見的GPU，但是在處理深度學習這類復雜任務時存在效率較低、功耗較高的情況，而專用芯片如同“特種兵”，專門為深度學習任務設計，常見的專用芯片包括視頻處理器（VPU）、張量處理器（TPU）、深度學習處理器（DPU）、神經網絡處理器（NPU）。隨著AI技術的快速發展，專用芯片正成為推動行業進步的重要力量。

谷歌TPU：

為深度學習而生的定制芯片

TPU芯片是谷歌推出的一種專門用于加速張量計算的處理單元，與GPU不同，TPU從一開始就是為機器學習任務量身定做的，它的架構和整體設計都圍繞著如何高效地執行矩陣乘法等深度運算展開。

關于TPU和GPU的使用場景的區別有一個很形象的比喻：如果外面下雨了，你其實并不需要知道每秒到底有多少滴雨，而只要知道雨是大還是小。與此類似，神經網絡通常不需要16/32bit浮點數做精確計算，可能8bit整型預測的精度就足以滿足需求了。面對已經很成熟的GPU市場，谷歌公司想出了破局的新思路，在神經網絡進行推理時，適當降低計算精度并不會影響深度學習的效果，而通過模型的壓縮可以大幅提高推理速度和降低資源能耗以滿足多樣化的AI模型訓練需求。TPU中的關鍵元素是矩陣乘法單元，通過脈動陣列的形式工作，用于實現指令運算，被稱為“TPU”的心臟。

縱觀谷歌公司的產品線，TPU芯片經過了6次更新迭代。早在2015年谷歌推出了TPUv1，重點在于提出了脈動陣列架構，谷歌自2016年首次公開了TPU概念圖，2017年在國際頂級會議論文上首次詳細介紹了TPU芯片的結構。2015年，谷歌申請了第一個關于脈沖陣列的核心專利，該專利揭示了TPU的重要架構和核心功能模塊，公開了如何并行地執行多個矩陣運算，使神經網絡中的脈沖陣列被充分利用，并給出了和現有TPU芯片基本框架相同的附圖，其同族被引用次數高達166次，可見其重要性。

谷歌早期將TPU芯片相關技術更多作為技術秘密進行保留，只針對核心技術進行了全球專利布局，在早期的應用場景中主要將TPU芯片應用于AlphaGo機器人等內部研發產品。后期通過將TPU部署在谷歌云平臺上，谷歌不僅能夠滿足自身龐大的AI計算需求，還能夠為云客戶提供強大的 AI算力支持，因此谷歌公司在TPU芯片的早期主要是為了滿足內部需求如云服務、搜索引擎等，以減少對英偉達等硬件供應商的依賴，實現技術上的自主可控。此后谷歌對TPU芯片在能效和性能方面做了多次迭代升級，以滿足更大運算量的計算需求，支持更復雜的AI任務。在專利技術上，谷歌在TPU技術上也擁有眾多專利，值得注意的是這些專利的同族數量均較高，實現了核心技術的全球布局，這些專利涵蓋了芯片設計、算法優化、系統架構等多個方面，致力于提高指令的運算效率和降低能耗。為了滿足大模型等新興計算模型的需求，谷歌近期在數據壓縮陣列和加速處理器性能優化方面進行了多項專利部署。但若論及谷歌最引人注目的創新成果，像Gemini這樣的人工智能應用顯然更受大眾關注。Gemini模型的卓越表現離不開TPU第四代和第五代技術上的助力。

谷歌于2024年5月發布了第六代TPU芯片Trillium，這款芯片相比前代TPU v5e實現了顯著突破——峰值運算能力提升超過4.7倍，能源效率提高67%以上。谷歌選擇通過云服務平臺向客戶提供Trillium TPU的計算能力，值得注意的是谷歌并沒有直接銷售TPU芯片。從其策略上看，谷歌公司重點在于構建強大的AI生態系統。分析人士指出如果在大模型領域與OpenAI等生成式AI企業角力，又要在硬件上同時與英偉達公司正面交鋒，容易面臨“腹背受敵”的兩難局面，直接和英偉達公司“硬碰硬”，可能不是谷歌公司在當下最好的選擇。不過TPU芯片憑借出色的性價比優勢吸引了包括蘋果在內的多家科技公司和不少初創企業，采用該平臺部署自己的AI應用模型。谷歌憑借TPU芯片，不僅實現了技術的自主可控，還悄然蠶食了英偉達的市場份額。此外，谷歌精心構建的專利網絡形成了嚴密的技術保護壁壘，為AI專用芯片領域的競爭提供了有力的技術支撐。

華為NPU：

達芬奇架構的創新之旅

華為公司的NPU（神經網絡處理器）憑借其獨特的達芬奇架構脫穎而出，這種架構專為AI計算量身定制，內置的3D Cube計算引擎堪稱“超級計算引擎”，通過創新的矩陣運算方式，大幅提高了芯片在處理深度學習任務時的效率，與傳統的CPU和GPU相比，同樣的芯片面積下性能跨域式提升，同時顯著降低了能耗。

華為的NPU芯片的發展之路堪稱“逆境中的逆襲”。與英偉達和谷歌不同，華為在面臨美國《芯片與科學法案》的外部技術封鎖時，走出了一條自主創新的突圍之路，沒有先進制程？沒有現成 IP核？那就自己造！這種“被迫”自主研發的處境，反而成就了國產AI芯片的突圍傳奇，探索出一條自主可控的AI加速器發展路線。

從專利角度來看，華為的創新實力令人矚目。自2017年起，隨著全球人工智能技術的飛速發展，算法的革新顯著推動了芯片行業的進步，華為公司敏銳地抓住這一“風口”，迅速布局AI專用芯片相關專利，申請量增長速率明顯。到2021年，相關專利申請量達到峰值，這就好比在人工智能的賽道上，華為采取了搶跑策略，成功占據了有利位置。

對標其產品線，在2018年底華為公司首次發表了昇騰910和昇騰310兩款AI芯片，這標志著華為AI專用芯片正式落地。與此同時，華為進行了縝密的專利布局，體現出強大的專利保護意識，將專利申請和產品研發緊密結合。這種“專利與產品并駕齊驅”的策略，不僅提高了專利的轉化利用價值，也為華為在AI專用芯片領域的競爭提供了嚴密的專利保護網，完全詮釋了“科技以專利為先”的理念。

由于矩陣運算是算力的“頂梁柱”，華為公司花了大量心思提高其效率。早在2017年，華為就申請了一個關于矩陣乘法器的專利，該專利同族被引證次數達62次，覆蓋了美、韓、日、意、歐等國家和地區，是華為公司布局的重點專利，為后續的專利申請奠定了堅定的基礎，也展示了華為從最開始就瞄準了全球市場進行專利布局的決心。在此基礎上，華為持續深耕矩陣和張量運算優化領域，可以說，華為在此領域的技術布局是越來越精細了。最近兩三年，華為在AI芯片領域又有了不少新動作，針對大模型等產品需求，圍繞著壓縮格式的向量運算、提高算子計算效率做了一系列部署。特別是在底層的指令優化方面，華為進行了縝密的專利布局，形成一張嚴密的專利保護網，確保了產品的穩定性。

對于AI芯片和AI平臺的整體布局，華為也是步步為營。早期申請了運算加速器、芯片、終端相關專利以保護整體架構和基于AI芯片的終端產品，中期華為在產品線上打造了面向“端、邊、云”的全場景AI基礎設施方案，相應的圍繞構建網絡結構、神經網絡加速器等關鍵技術做了一系列專利布局。近期華為聚焦AI加速器的性能優化，在實現訪存均衡、多算子協同等方面取得技術突破，可以說華為在AI專用芯片領域的技術演進路線呈現出明顯的遞進特征，已經從最初的“打基礎”逐步邁向了“精細化打磨”的階段。從矩陣運算，到全場景AI基礎設施的生態系統，再到對AI平臺性能的“精細調控”，華為的每一步都走得既扎實又富有前瞻性。在外部技術封鎖的壓力下，華為沒有退縮，反而通過一系列的創新和專利布局，成功走出了一條自主可控的AI專用芯片發展之路。這不僅為華為自身的發展奠定了較好的基礎，也為國內AI芯片產業的發展提供了寶貴的經驗。

在產品線上華為的達芬奇架構可以覆蓋多種應用場景。第一條路徑是作為手機終端的協處理，以提高手機運算性能。在這條路徑上，華為將 NPU芯片集成在麒麟手機芯片內部，和CPU、GPU協同工作。2017年，華為推出了第一款手機內置AI處理器Mate10系列手機，后續不斷迭代推出了Mate30和Mate40，此后面臨著芯片技術遭遇“卡脖子”情況。華為在2023年浴火重生推出了Mate60，采用自研麒麟處理器結合NPU芯片。第二條路徑是采用NPU芯片作為推理訓練芯片，典型的產品正是昇騰系列，如昇騰310（用于推理）、昇騰910（用于訓練），以及基于昇騰310和910打造的系列AI硬件產品Atlas系列服務器。華為通過自己的AI計算框架構建國產算力生態系統，在國內贏得了一定的市場份額，但是與英偉達的生態系統在成熟度和接受度方面仍有差距。總體來說，華為的達芬奇架構和昇騰系列算力卡為國產算力技術的發展樹立了標桿，縱觀華為的相關專利，主要采用了“問題導向”的創新路徑。面對美國制裁導致的先進制程獲取困難，華為圍繞著如何在次優工藝下實現競爭力，對于底層指令運算的各種優化改進形成了豐富的專利池，為國內企業在該領域的發展提供了破局的思路。

市場競爭：挑戰與機遇并存

當前AI專用芯片領域呈現多元化競爭態勢，華為NPU與谷歌TPU憑借各自的技術突破，正在重塑行業格局。兩家公司在技術與性能上均展現了卓越性能，對英偉達在市場和生態建設方面構成了有力挑戰。然而，英偉達GPU在AI芯片領域的主導地位依然穩固。憑借強大的技術實力、成熟的開發平臺以及廣泛的用戶基礎，英偉達繼續占據著市場的大部分份額，在大模型訓練領域，其最新發布的H200 GPU進一步強化了算力優勢，鞏固了行業領導地位。當前AI芯片市場呈現出“一超多強”的競爭態勢，英偉達作為領軍者，引領著行業的發展。自研AI專用芯片已成為各大IT廠商的必選路徑。華為NPU和谷歌TPU為應對競爭提供了差異化發展的新思路，尤其是在新技術快速迭代的背景下，通過自研技術增強市場主導權。

專利戰略已成為競爭的關鍵維度。領先企業普遍采用“技術研發-專利布局-生態構建”的三位一體發展模式。國際科技巨頭如微軟已推出Azure Maia芯片，亞馬遜則通過Trainium芯片強化AWS服務，國內的寒武紀、壁仞科技等專精特新企業則致力于在AI專用芯片新領域的研發布局。隨著技術的不斷進步，未來AI芯片領域的競爭將愈發多元化，各廠商將通過技術創新和市場策略的優化，共同推動行業的持續發展。

（文章來源：《創意世界》2025年6月號）

【點擊下方小程序購買本期雜志】

編校：苑寶平，審讀：郭麗

/ / / /

/ / /

/ /

/ / /

/ / /