头图@视觉中国
1975年，是芯片巨人英特尔历史上几个最为“黑暗”的时期之一。
那年5月，一个小小的照明电路短路事故，将英特尔在马来西亚槟城的首家海外晶圆厂烧了个精光。根据估算，火灾损失超过250万美元，大约相当于现在的1200万美元。
刚6岁的英特尔一下子遭到重创，当时英特尔的“主心骨”、创始人之一的鲍勃·诺伊斯，已经开始接洽其他半导体公司，尝试将英特尔打包出售。
但就在这个时候，一场事关全球计算机未来的“拐点”降临在了英特尔内部。
当时半导体业界刚开始第一次开始追逐“微处理器”，各家都在抓紧研制自己技术路线和标准的处理器。英特尔在这个领域有积累，但是却无法打败激烈竞争的同行。
在艰难的局面下，当时36岁的电气工程师斯蒂芬•莫尔斯（Stephen Morse）接过了开发新品的重任。莫尔斯的职业很“特殊”，他是一名软件工程师。 在此之前，英特尔的CPU设计只属于硬件工程师的领域。
在莫尔斯的主导下，这款新产品的设计思路也转换了，从以往的“我们能塞进多少硬件”，一下子转变成了“如果为了最终的软件运行更有效率，我们应该做哪些调整？”最终的成果，就是一款名扬计算机历史的产品——英特尔8086处理器。
8086处理器，也被视为通用处理器时代真正的起点。而在这颗芯片之上，英特尔也发展出了一个处理器帝国，后世的这些处理器有一个共同的“心脏”：X86架构，正是取名字8086。
因为在这颗40多年前诞生的芯片里，有了一整套全新的代码逻辑，也就是后来人们口中的“指令集”。
这一无形的变化对于处理器来说意义重大，因为它保证电脑能继续运行以往开发的各类应用程序，可以保护和继承丰富的软件资源。有了指令集之后，人们再也不用重复为新芯片“造轮子”，而是可以一边提升芯片的绝对性能，一边快速推进应用的发展。
微软、安卓以及后续一系列计算机生态的最根源基础，其实都要归到40多年以前的这次革新之上。假如你手头有一个当年8086的程序，你其实也可以将它拿到现如今的处理器中运行，只不过相比前辈，这些指令在新处理器中的运转速度要快上数十万倍。
这其实也是时刻不停、飞速发展的半导体行业的一条潜规则：公司在潜心钻研各种技术之外，同时也要为未来“布阵”。
你可以这样来理解这里说的“阵”：在高速发展、时过境迁的半导体行业，你需要时刻留意行业发展的大趋势，在大趋势中寻找机遇，并且勇敢下注。
这样的例子在成功的半导体巨头历史中比比皆是。
其中一个例子是如今称霸世界的ARM处理器，ARM刚成立之初，唯一的目标是要为苹果的全新掌上计算机（PDA）“Newton（牛顿）”打造处理器。但是因为种种原因“牛顿”并没有取得成功。但ARM随后就改变了自己的商业模式，当时的CEO、Robin Saxby大胆地引入了IP商业模式，将处理器授权给许多半导体公司，收取前期许可费，以及收取后期生产硅片的专利使用费。极大地降低了ARM处理器的使用门槛，一下子将许多设备商引入到了ARM自己的生态中来。
不夸张地说，想要做好芯片，真的要懂“阵法”。
当下，芯片需要什么“阵法”
显而易见，适用于芯片的“阵法”都不是凭空而来的，它们往往都具有极其强烈的时代特征。
英特尔的X86架构诞生于微处理器的起步期，虽然当时人们已经能够将许多的电路结构压缩成为一块芯片，但依旧是“一款芯片一款（类）”设备的打造思路，指令集的出现实际上就是在为处理器松绑，让其能够通过各种开发，适应更多的领域。
虽然半导体业原来都是“设计制造一条龙”，但随着芯片制造的技术和成本需求不断上涨，必将有越来越多的芯片公司“做不起”芯片。而ARM则是将芯片业的分工提升到了另外一个境界，通过将自己作为芯片研发中心，一口气满足了整个手机、智能手机时代对于移动端高效处理器的需求，顺手还帮助形成了安卓的生态。
问题来了，我们现在的“时代特征”（挑战）是什么？
人类目前在多个领域已经实现了数字化，电脑、有线网络为代表的固定化数据核心节点网络已经充分成熟，手机、移动通信为代表的移动化数据核心网络在4G成熟之后也已经开始放缓。“云+电脑+手机”的三中心架构已经非常明晰。
因为数据中心和数据传输能力的形成，以及数字化本身工作效率高且容易自动化，人实质上也在变得愈发依赖数字化，聊天靠微信、购物靠淘宝、出门靠导航，这个过程是注定不可逆的。
所以结论并不复杂，下一步的挑战其实很清晰：就是如何继续提升数字化水平，并且利用这些数字化的措施造福更多的人们。
另外一个现实是，在各种数字化商业前景的诱惑下，我们已经迈入了一个“数据大爆炸”时代，而且这场爆炸正在愈演愈烈。全球网络中的数据总量在2010年不过1200EB（1EB等于1万亿GB），到了2015你那已经增长至7900EB，据推测2020年就将达到22000EB。
相比单纯的数据量，数据处理方式的改变更值得关注。
就以手机拍照功能为例，从手机摄像头诞生之初，人们就开始摄像头研发拍照算法，例如如何保证照片不模糊，亮度、白平衡等准确。很多手机厂商，投入了大量人力物力去优化算法，为了算法的运行还不断加强自己的ISP（图像处理引擎）芯片。更早投入、更大投入的厂商基本是效果最好的，这也是人力主导的数字化应用的典型特征。
但就在最近3-4年，手机的拍照排行却迎来了一次大洗牌。一系列全新的拍照功能涌现出来：人像模式、场景特定优化、超级夜景、超大倍数变焦等等。这些功能背后不再是人类独自完成的算法，而是由AI来主导完成。
这种现象下的原因无他，正是因为AI崛起为数据处理带来了“量变+质变”。有着明确规则、人类大脑探索了3000年、可能性比宇宙原子中还多的围棋压根不可能计算出来。结果等围棋AI“AlphaGo”一上手，人类顶尖棋手很快就败下阵来，在不使用人类历史数据而是自我对弈之后，“AlphaGo”更是超越了人类围棋水平一大截。
显然，AI已经成为了人类下一个数字化时代的唯一解。
正如任正非在邮件中所说：“人工智能是又一次改变信息社会格局的机会，它需要超级计算、超大容量的数据存储和超速联接的支撑，才能实现。人工智能才是大产业。”
AI芯片阵法这件事，为什么要看华为？
去年在上海举办的HUAWEI CONNECT 2018（华为全联接大会）上，华为轮值董事长徐直军首次发布华为AI战略与全栈全场景AI解决方案。一口气描绘出了华为未来整个AI应用的版图。
要知道就华为2017年才开始在自己手机SoC芯片平台中加入专门的AI处理器，仅仅过了一年多时间，华为海思的AI芯片已经“遍地开花”。
手机端SoC，华为去年发布的麒麟980已经用上了双核NPU，性能大幅提升；而今年6月份发布的麒麟810，采用了先进的达芬奇架构的NPU，首次在中高端甚至海量手机SoC平台上部署专用NPU，AI算力爆棚——在苏黎世联邦理工学院发布的AI Benchmark中，麒麟810总分超过33000分，搭载麒麟810的华为Nova 5、荣耀9X及Nova 5i Pro手机名列榜单TOP3，让更多价位段的手机用户能够体验到卓越AI算力。全新的昇腾系列直接瞄准全球人工芯片巨头英伟达和谷歌，其中的大核心“昇腾910”单芯片计算密度比英伟达最新的V100 GPU还大，小核心“昇腾310”则面向边缘侧和端侧应用，功耗只有8W。
更可怕的是华为的“产品化能力”，就在“昇腾310”发布之后不久，华为就一口气推出了多款使用这个芯片的智能计算系列AI产品：Atlas200加速模块、Atlas 200 DK开发套件、Atlas300加速卡、Atlas500智能小站等。这种直接针对场景解决实际问题的能力实在惊人。
根据华为的公开资料，这些实际产品所能够覆盖的应用场景，已经包括了智慧城市、智能制造、智慧零售、智慧网点、智慧交通等等在内，搭载的实际产品更是涵盖了智能手机、摄像头、路灯、机器人、门禁、无人机等多种设备在内。
从2017年华为真正开始在麒麟970里面采用NPU开始算，虽然华为提前必定已经做了不少功课，但如此之快的AI芯片进展足以说明华为的技术实力。
另外一点是华为所突出的“全场景”。华为这一整套AI芯片全部基于华为自己的“达芬奇架构“、覆盖了端、边缘、云全场景应用，真正实现华为内部AI芯片能力的“打通”。而华为的统一训练/推理框架MindSpore使得以深度学习为核心的人工智能两大模式“训练”、“推理”可以让开发者一次开发即可在端、边缘及云三种环境中进行部署，还能按需进行互相之间的协作，最高效地实现人工智能。
同时，华为还给出了自研的“MindSpore”人工智能架构，一方面极大地降低开发者使用华为AI芯片能力的门槛，另外一方面，华为自身也可以对自身的人工智能架构、AI硬件进行专门的优化，提升实际表现。
最终，形成华为规划中的全栈、全场景人工智能战略。在自己产品的规划之外，华为同时还明确了要抽出力量扶植对应的生态，基于华为AI芯片的各种高校竞赛已经在进行中。
环环紧扣，AI场景的每一个环节都“靠自己”，可以说是非常华为的画风了。如此诱人的未来，怎么不值得关注。
华为展现了宏大的人工智能整体规划 -“全栈全场景”，多款产品同时发布，直接抛出一整张大蓝图的做法，其实更加合理更加直接。
从更大的视角来看，数字化作为人类科技发展的其中一个主线，在经过前几十年的高速发展之后，难度已经在变得越来越大。而华为相应的祭出的这一整套高举高打、全栈全场景的人工智能解决方案，可以说是全球最领先、也是最有潜力的了。
当然，这一整个人工智能、AI芯片的阵法，最终归结起来，还是华为2017年所提出的那个新愿景和使命：“把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界”，华为希望每个人、每个家庭、每个组织都能“+智能”，从智能中受益”。