深度解读达芬奇架构：华为AI芯片的“秘密武器”( 三 )_来源：华为2019年6月

科普1：常见的AI运算类型有哪些？

在了解达芬奇架构的技术之前，我们先来弄清楚一下几种AI运算数据对象：

标量（Scalar）：由单独一个数组成

向量（Vector）：由一组一维有序数组成，每个数由一个索引（index）标识

矩阵（Matrix）：由一组二维有序数组成，每个数由两个索引（index）标识

张量（Tensor）：由一组n维有序数组成，每个数由n个索引（index）标识

其中，AI计算的核心是矩阵乘法运算，计算时由左矩阵的一行和右矩阵的一列相乘，每个元素相乘之后的和输出到结果矩阵。

在此计算过程中，标量（Scalar）、向量（Vector）、矩阵（Matrix）算力密度依次增加，对硬件的AI运算能力不断提出更高要求。典型的神经网络模型计算量都非常大，这其中99%的计算都需要用到矩阵乘，也就是说，如果提高矩阵乘的运算效率，就能最大程度上提升AI算力——这也是达芬奇架构设计的核心：以最小的计算代价增加矩阵乘的算力，实现更高的AI能效。科普2：各单元角色分工揭秘，Da Vinci Core是如何实现高效AI计算的？