11月16日，知情人士向观察者网透露，华为将于下周发布AI领域突破性技术成果，有望解决算力资源利用效率难题。据透露，该技术延续 “以软件补硬件” 的创新思路，可将GPU、NPU等算力资源利用率从行业平均30%-40%大幅提升至70%，显著释放算力硬件潜能。

该知情人士提到，华为这项新技术将对标英伟达2024年底收购的以色列公司Run: ai的核心技术，旨在通过软件创新，实现英伟达、昇腾以及其他三方算力的统一资源管理与利用，屏蔽算力硬件差异，为AI训练推理提供更高效的资源支撑。

2024年12月，英伟达宣布以7亿美元（约合人民币51亿元）价格，收购2018年成立的以色列公司Run:ai。过去7年，这家公司做的产品只围绕一件事——怎么高效使用GPU，比如提供业务看板、GPU权限分配、任务分配等等直观可视化操作工具，本质是在做GPU的“数据产品经理”。

对于有雄厚研发实力和AI积累的大公司来说，这样的内部工具自研可能并不是问题，但对于中小规模、非AI行业的用户来说，Run:ai这套技术却很关键。

彼时有媒体报道，Run:ai的用户包括全球打印机巨头斑马技术、用端到端技术一鸣惊人的自动驾驶公司Wayve、伦敦医学影像与人工智能中心等等。其中Wayve通过Run:ai提供的工具，将原先不足25%的GPU集群效率，提升到80%以上。

在收购的同时，英伟达还宣布开源Run:ai的所有平台技术，买英伟达GPU就能免费用。

黄仁勋这么做的原因，是因为英伟达在AI芯片领域占据垄断地位，控制着高端GPU市场80%的份额，几乎100%的AI计算份额，且一直在寻求构建产品+生态的立体优势。

长期以来，黄仁勋和英伟达一直想做的，就是AI行业的垂直整合，从芯片到工具再到软件应用，打造一个能满足任何AI用户的一站式商店，让客户对其生态形成依赖。

然而，对当下中国来说，恰恰要避免对英伟达的过度依赖，尤其是在先进制程受限、单卡算力存在劣势的情况下，国内产业界更需要“系统补单点”、“软件补硬件”，支撑AI产业发展。

今年以来，华为曾推出多项关键技术，弥补芯片方面的短板。比如昇腾384超节点，该技术发挥华为在通信、存储和基础软件等方面的大杂烩优势，突破了互联瓶颈，实现了算力规模的赶超。再比如华为前不久开源的UCM（Unified Cache Manager）推理记忆数据管理技术，充分利用了不同存储介质的特性，降低AI推理对高端HBM的依赖，还能平衡成本。

AI是一项系统工程，算力更是一个高成本的代表。在中国先进芯片受限的情况下，华为即将发布的新技术，将如何提升算力资源利用的效率，无疑值得关注。