人工智慧的「芯」路有何門道，看這三點就夠了

史上最熱劇《冰與火之歌》第七季終於演變到「冰」與「火」的第一次正面對決，而人工智慧AI掀起的「第三次世界革命」才剛拉開帷幕。Google、亞馬遜、微軟、英特爾、英偉達、百度等諸候爭霸，角逐AI晶元，這樣的戰局像極了《冰與火之歌》的「七國」與「N大家族」，「統一」之路充滿想像。

01

深度學習成AI晶元著力點

對於AI來說，除了大數據和深度學習演算法之外，晶元的重要性在於為客戶產生「實用」價值，無疑是極其重要的。

到2020年，全世界會有500億設備互聯，大量的數據和計算在雲端「完成」，AI晶元要加以「成全」。而隨著智能的需求無所不在，更多數據的採集和計算都將在前端設備（邊緣計算）進行，前端智能已成一大趨勢，AI晶元也成為支撐前端智能不可或缺的載體。正如同以後每一台無人駕駛汽車都將是一台伺服器，每台車每天會有超過4000個GB的數據，這些數據都不可能通過5G來傳輸，很多數據是在本地處理和分析然後選擇性的上傳，本地會使用很多AI，甚至超越伺服器。

這對於AI晶元來說既是一大契機，也是一大挑戰。畢竟在雲端伺服器晶元，可以在成本和功耗方面有所折衷，在前端則需要成本、性能和功耗的重重優化。

隨著數據量和計算力的提升，深度學習的性能和學習精度得到很大的提升，被廣泛運用到文本處理、語音和圖像識別上，成為AI晶元的著力點。

對於深度學習而言，訓練集用來求解神經網路的權重，最後形成模型；而測試集則用來驗證模型的準確度。AI晶元既需要完成訓練和測試的「雙重」使命，處理大量的數據，需要高帶寬，同時具備高效率，包括計算效率和編程效率，並能面向廣闊的應用（包括語音、語義、圖像、視頻、自然語言多模態處理能力），這殊非易事。

02

是同構一統江湖，還是異構互促互進？

這也是為什麼大拿們的AI晶元，無論是什麼炫目的「XPU」，不外乎現成的CPU、GPU、FPGA和DSP的各種組合。比如微軟的「腦波計劃」DPU支持多種 FPGA，英偉達的Tesla 深度學習處理器則脫胎於GPU，而強大者如Google直接做成了ASIC，比如Google的TPU（張量處理單元），已經開發出了第二代，每顆帶寬 600GB/s，算力達到 45 TFLOPS (8位整數)。

國內層面，百度的XPU本質是 FPGA，和Xilinx 合作。華為的AI晶元9月2號就要正式亮相，據悉將集CPU、GPU和AI功能於一體。此外，寒武紀、地平線機器人、華為海思、深鑒、雲知聲等也在全力比拼。

這些廠商的AI晶元有的力拚雲端，有的宣稱可支撐端到端，比如英特爾就是通過多元化的產品線加強部署，FPGA、Xeon Phi 都面向雲端數據中心，而日前發布的VPU（視覺處理單元）配備了專用神經計算引擎，著力為邊緣設備提供高端智能計算，旨在成為無人機、智能相機、VR/AR頭顯，360度攝像機的「砥柱」。

層出不窮的架構，名目繁多的引擎，構建了目前AI晶元的「百家爭鳴」，到底誰將勝出？是同構一統江湖，還是異構互促互進？這些架構各有其優劣勢，或許需要分而治之，並要長「治」久安。

比如在雲端伺服器，CPU、FPGA、GPU等可以「並行戰鬥」，而在前端，或許CPU+AI加速引擎會更加「實際」。NVIDIA曾表示，深度學習需要很高的內在並行度、大量的浮點計算能力以及矩陣預算，而GPU可以提供這些能力，但其缺點是更高的功耗。FPGA非常適合矩陣乘法，它的可編程性增加了一些必要的靈活性和面向未來的設計，內置DSP模塊和本地存儲器的FPGA會更節能，但它們通常更加昂貴。而且，AI晶元也是演算法和硬體需要共同「精進」的領域。

這也引出了另一個命題，這不僅是架構自身「風雲際會」的較量，更將走入演算法、指令集和IP融合等生態競爭層面。

03

進化和生態是關鍵

第一代AI晶元既需要不斷的迭代進化，更需要加快生態的構建。畢竟一個易於部署的平台和良好的生態環境，包括一些基於硬體優化的開源工具對於AI晶元的應用是大有裨益的。

有專家指出，晶元的成敗，除了本身的效率之外，生態是非常關鍵的環節。過去ICT產業的軟硬體生態都是建立在ARM和x86指令集之上的。不遵從這些指令集，晶元做得再好，沒有配套應用和軟體，亦很難在市場上獲得成功。而未來的智能時代，可能格局會發生巨大變化，會出現新的AI生態。

而生態的核心還是AI指令集。有專家說，沒有AI指令集，AI晶元應當如何規範化設計，AI軟體如何和底層硬體交互，都是無根之木。寒武紀Cambricon-X指令集是其一大特色，目前其晶元IP已擴大範圍授權集成到手機、安防、可穿戴設備等終端晶元中。最新報道寒武紀又融了1億美元。

此外，AI在諸多市場都有應用，所有這些都需要從工具、到IP再到開發平台的巨大發展，從而不斷優化來提高功率、性能和成本。比如GPU已經構建了CUDA、cuDNN及DIGITS等工具，支持各種主流開源框架，提供友好的界面和可視化的方式，並得到了合作夥伴的支持。

就像早期版本的物聯網器件一樣，沒有人知道各類市場如何演變。在某個領域裡有效的AI技術（如視覺處理）不一定適用於另一個領域。而隨著針對這些特定應用的新晶元的開發，功耗和性能會實現平衡，方法是更有針對性的功能、本地處理與雲處理之間更智能的分布、以及對於設計中的瓶頸的更深入的理解這三者的結合。AI為晶元行業按下了「重啟」按鈕，未來也將「八仙過海，各顯神通」。

本文為智慧產品圈原創，轉載請聯繫本公眾號獲得授權。

作者：李映 智慧產品圈資深編輯

-----------------------------------

-----------------------------------

智慧產品圈聯合深圳市智慧家庭協會、思銳達諮詢，舉辦2017年智能門鎖與智慧酒店公寓落地高峰論壇。本次活動，旨在推廣真正具有技術含量和創新力的好技術、好產品、好品牌、好服務。我們嚴重鄙視孤芳自賞，來吧，show出你的freestyle！

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！