人工智慧專用晶元是大勢所趨，而IP授權是當前實現商業化的最佳選擇

科技 10-18

人工智慧晶元也有通用、專用之分，在商業化道路上也有著不同的選擇。

8月中旬，人工智慧晶元初創公司寒武紀獲得1億美元的A輪融資，至此成為該領域的第一個「獨角獸」，緊接著，9月初，華為在IFA 2017上正式發布了全球首款面向手機的人工智慧晶元「麒麟970」。

就在這前後不到一個月的時間裡，「人工智慧晶元」成為了人人爭相熱議的一個產品、一個產業。

人工智慧晶元熱度漸多家公司早已著手布局

前段時間，因為被看做是當前智能家居的入口之一，「智能音箱」一下子受到了人們的極大關注，而隨著小愛同學、天貓精靈等產品的相繼推出，更是將這股熱潮推上了頂端。

就在這股浪潮漸漸平穩的時候，「人工智慧晶元」緊跟而上，引起了人工智慧領域的又一波新的浪潮。事實上，在這第三次的人工智慧浪潮中，作為讓人工智慧技術更快、更好運行的基礎硬體設施，人工智慧晶元必然是未來智能化時代的一種趨勢。也因此，雖然人工智慧晶元相比於其他人工智慧技術和應用顯得低調得多，但它的布局依舊是眾多廠商眼中不能錯過的「機遇」：

買買買的英特爾——至今，為了不再錯過人工智慧晶元，英特爾陸陸續續收購了Altera、Yogitech、Nervana、Movidius、Mobileye等多家公司，拿下了他們的FPGA等多種技術。

GPU在手，誰與爭鋒的英偉達——憑藉著GPU在人工智慧應用中的先天性優勢，英偉達已經走在了人工智慧晶元的前列。不過，就在最近，黃仁勛也發布了一款針對深度學習而打造的晶元Tesla V100。

緊盯FPGA的微軟——微軟把重心放在FPGA人工智慧晶元上，已經被用在Bing搜索的支持上。另外，其也推出了基於FPGA的視覺晶元A-eye，讓攝像頭具有視覺理解能力，可應用在機器人、汽車和無人機等多種智能產品。

與此同時，國內的廠商也是蠢蠢欲動。

首個獨角獸「寒武紀」——因為高達1億美元的A輪融資，寒武紀成為了人工智慧晶元領域的首個獨角獸，通過的IP授權的形式，其技術已經在華為人工智慧晶元麒麟970上面得到了商業化；

主打「嵌入式」的地平線機器人—— 地平線機器人致力於打造基於深度神經網路的人工智慧「大腦」平台，包括軟硬體。在硬體上，其此前曾表示旗下的人工智慧晶元「盤古」已經成功流片商用；

……

從上面多家企業的布局和產品來看，我們能夠清晰地認知到，雖然「人工智慧晶元」相比於語音識別等技術並沒有得到大眾更多的關注，但是作為人工智慧的基礎硬體設施，其已經成為諸多公司搶奪市場、佔據風口的一大戰略制勝點。

人工智慧加速人工智慧專用晶元是未來趨勢

深度學習演算法是實現人工智慧技術和應用的核心，其在運行過程中需要對海量的數據進行運算處理——用已有的樣本數據去訓練人工神經網路、用訓練好的人工神經網路去運算其他數據。對於傳統計算架構而言，這將是一個極大的挑戰。

面對深度學習演算法這一計算新需求，GPU（圖形處理器）、FPGA（可編程門陣列）、ASIC（專用集成電路）等成為了人工智慧晶元領域的「被追捧者」。比如GPU，相比於CPU，其具有高並行結構，擁有更多的ALU（Arithmetic Logic Unit，邏輯運算單元）用於數據處理，適合對密集型數據進行並行處理。

值得我們注意的事，不管是讓英偉達一舉聞名的GPU，抑或是當前與GPU不分伯仲的FPGA，在屬性上，它們都只能算是人工智慧通用晶元。相比於一開始就是「私人訂製」的ASIC，在深度學習演算法的運行上，GPU和FPGA或多或少都有著一些局限：

GPU局限：GPU能夠遊刃有餘的訓練人工神經網路，但在輸出應用時，它一次只能處理一張圖像；相比於FPGA的靈活，GPU硬體結構固定，不具備可調整性；在實現相同性能的功耗上，GPU遠大於FPGA以及ASIC。

FPGA局限：為了實現可重構特性，FPGA內部有大量極細粒度的基本單元，但是每個單元的計算能力都遠遠低於GPU中的ALU模塊；在深度學習演算法的運行速度和功耗上，FPGA表現的都不如ASIC；FPGA價格較為昂貴，在某些情況下甚至會高於ASIC。

不可否認，對於當前人工智慧的發展，GPU和FPGA都做出了不小的貢獻，但是從未來發展趨勢來看，人工智慧專用晶元才是未來的核心。

從上面的一些比較我們可以看出，在功耗和速度上，GPU、FPGA與ASIC之間還是有著一定差距的。

針對人工智慧晶元的通用與專用的區別，地平線機器人晶元專家馬鳳翔稱，相比於通用晶元，專用晶元是為特定場景而定製的，具備低功耗、低成本、高性能的優勢。再通俗一點講，就如寒武紀創始人之一的陳雲霽所舉出的例子，普通的處理器就好比「瑞士軍刀」，雖然通用，但不專業，造成浪費，但是做菜的時候，還是菜刀得心應手，而專業的深度學習處理器就是這把更高效、更快捷的「菜刀」。

與此同時，不僅僅是性能的要求，隨著人工智慧技術的發展，其應用範圍也將進一步擴大。未來，自動駕駛、機器人、智能家居等等終將充斥我們的生活，這其中所隱藏的將是一個無可估量的市場需求。屆時，不管是所需要處理的數據，抑或是運算速度，與現在相比都將不是一個量級，若想做的更好，就只能向人工智慧專用晶元靠攏。

人工智慧專用晶元商業化IP授權是當前的最佳出路

隨著寒武紀成為AI晶元領域首個「獨角獸」、華為麒麟970的推出，以及後面蘋果、三星等多家重量級廠商相繼宣布AI晶元的規劃，「如何實現技術、產品的商業化落地」就成為了接下來需要廠商們亟待解決的問題。

目前，運用ASIC架構的人工智慧專用晶元中，最典型、最具代表性的當屬寒武紀旗下的產品和谷歌的TPU了，不同的是，前者服務的對象是廣大客戶，而後者則是服務於自己的人工智慧系統Tensor-flow。

談及商業化，雖然中星微、寒武紀的產品此前都有所流片，但是從當前的整體來看的話，相比於流片，IP授權或許更適合人工智慧專用晶元，尤其是對於創企而言。至於原因，可以總結為兩點：

第一，與其急著流片實現商業化，不如緩下腳步達到晶元生態圈

的確，對於企業來說，流片是一種能夠快速實現商業化的方法，並且收穫的利潤也是可觀的。但是，這樣一來難免顯得有些激進，一不小心或許就會造成失誤。相比之下，通過IP授權來慢慢拉攏客戶構建生態圈、「蠶食」人工智慧晶元市場顯得更為從容有序。

說到IP授權，我們第一個想到的就是ARM，作為後起之秀的它通過IP授權的策略打敗了當時的業內老大Intel。ARM大中華區總裁吳雄昂曾一句話總結成功——建立了一個有強大活性和創新力的生態圈，為生態圈的合作夥伴提供了一種共贏模式，參與其中的企業有很高的成功率和利潤空間。另外，ARM生態圈的成員並不受限於ARM平台，在此基礎上可以有無限的創新空間。

當前，深度學習演算法可能還沒有那麼的成熟，而人工智慧的極大需求又對晶元的性能和功耗提出了新要求。與此同時，ASIC還有一個bug——架構固定不具備靈活性，這是其略遜於FPGA的一處。不過，通過IP授權，這將允許客戶在指令集基礎上根據需求創建出自己的內核架構，並可添加各種片內外設比如通信介面等等，從而生產出自己的「處理器晶元」，就像此次的華為麒麟970。

目前來講，人工智慧還處在一個初級階段，相比於「思維定式」，更為靈活的架構或許將會更受歡迎。如此一來，圍繞人工智慧專用晶元將會逐步形成一個生態圈，這對於晶元企業以後的規劃而言將是重要的一步棋。