AI晶元，是金山還是泡沫？

動點科技 | ID：technode

忽如一夜春風來，千樹萬樹梨花開。隨著AI產業的迅速發展，越來越多的企業都投身到了AI淘金這股浪潮中，而其中最為耀眼的便是AI晶元。

2016年5月，谷歌發布自主設計晶元TPU（張量處理器），同年英特爾也發布Nervana AI處理器，去年，Deep Mind投資的Graphcore公司也推出了IPU智能處理器；而就在國外企業紛紛研發AI晶元的同時，國內企業也同樣沒有閑著：在寒武紀推出神經網路處理器NPU（今年其又被重命名為機器學習處理器MLU）之際，深鑒科技則做了一款基於FPGA平台的DPU（深度學習處理器），就連地平線也推出了嵌入式大腦處理器（BPU）……

為什麼會突然出現這麼多CPU、GPU的兄弟？

眾所周知，目前業內最為人所知、應用範圍最廣的晶元是CPU和GPU。

其中，CPU出現的歷史最長，在電子設備中的作用也最為重要，但由於其僅用於串列計算，所以在需要海量計算的AI場景下，其數據處理能力已顯然不夠，而且雪上加霜的是，處理器的性能每18個月就能翻倍的摩爾定律也已幾近失效，想要依靠摩爾定律提升CPU的性能已經不太現實。

而就在此時，因為具有並行計算能力而擁有更強運算力的GPU開始被人們重視，並被廣泛用於人工智慧領域。從此，人工智慧有了GPU在算力方面的支持，人工智慧也迅速進入應用階段。甚至有人表示，沒有GPU，就沒有這一波AI浪潮。

而GPU領域的絕對霸主英偉達也因此扶搖直上，成為了當今人工智慧領域最為成功的企業：2015年，英偉達的市值是100億美元，而目前其股價已暴漲至1300億美元。

然而，GPU雖然幫助人工智慧走過了蹣跚學步的初級階段，但人工智慧接下來的要走的路卻不一定適合由GPU來走了。

首先在雲端，數據中心最大的成本支出一般都是電力成本，因此，能耗壓力是迫使GPU讓位的重要原因。比如，根據谷歌去年4月曝光的數據，當時，TPU已經在谷歌數據中心內部使用大約兩年，而且TPU在推理方面的性能要遠超過GPU（TPU平均比當前的GPU或CPU快15~30倍，性能功耗比高出約30~80倍）。谷歌甚至還將TPU稱之為AlphaGo擊敗李世石的「秘密武器」。

其次便是在終端，隨著用戶越來越關心個人隱私安全與時效性，此前以雲端為基礎的人工智慧正逐漸部分或完全被終端智能所取代。而終端智能則要求晶元同時具備高性能與低功耗的特徵。

雖然GPU在處理很多人工智慧問題時已經很高效了，而且GPU作為通用晶元可以適應各種不同的應用場景，但GPU在運行不同場景中的程序時，晶元的整體性能其實是很難完全發揮出來。其實也可以說，沒有任何單一的AI系統能夠在任何場景完美地工作。因此，AI在不同場景中的應用，都需要針對場景的需求，在功耗、延遲、數據吞吐量、加速器方案的選擇上做出調整和優化，使其能夠完美運行適應特定應用場景的演算法——於是，各種CPU、GPU的兄弟便誕生了。

另外，地平線演算法VP黃暢還表示即使是在同一細分應用場景下，只要深入行業，就會發現演算法依然會有所不同。而這便意味著市場需要更多種類的AI晶元。

總的來說，AI晶元在此時出現是順應時代發展趨勢的。

技術與落地，決定AI晶元生死的關鍵

雖然目前市面上各種X-PU都因趕上了AI風口而欣喜不已，然而，今天擁擠在身邊的是「兄弟」，在明天就可能是敵人了，想想CPU、GPU目前的寡頭天下不就是活生生的例子嗎？X-PU們真都能笑到最後嗎？這也是很多入局者都關心的一個問題。

Once AI創始人張春亮堅信AI晶元行業不太可能出現一兩家企業統治全部AI晶元的情況。「比如現在的通信市場，有追求高性能高速率的5G標準，但其也必然再來高功耗（的問題）。所以小數據量傳輸但低功耗的窄帶需求量也越來越大。而且還有像wifi、藍牙、紅外之類的不同場景間的傳輸協議。」張春亮在知乎上回應認為市場非常大，而且市場需求也不可能統一，因此，「AI晶元以後很有可能深化出像PIC/AVR這樣的低功耗低計算力的晶元，還有像Intel/amd這樣的高計算能力高功耗的晶元，或者像arm適用於移動場景的晶元。」

「AI和任何一個新興的技術都一樣，引起市場廣泛關注的時候都會有很多大佬以及創業公司進入到這個市場，然後開始做晶元。我其實覺得這是一件有趣的事情，因為只有這麼多的公司從不同的角度去看待技術，去研發他們的技術，才能給市場帶來真正的變革，然後才能把這些技術真正的落地。」英特爾新技術業務Movidius產品業務拓展負責人Gordon雖然很認可當前AI晶元的大量崛起，但這並不意味著現在所有但AI晶元企業都能活到最後，AI晶元行業跟其他行業一樣，也都將有一個優勝劣汰的過程：

首先，做AI晶元的技術難度不小。「怎麼把合理的架構和應用場景結合起來，把晶元的性能、功耗和使用場景結合起來，做出一個非常好的產品，這實際上對每個企業都是巨大的挑戰。」 為了說明這一點，Gordon還透露了一個他的經驗：很多企業可能買了很多IP，以為把它組在一起就能達到好的性能，但實際上這些產品並不一定能有市場。

其次，也是最關鍵的，那就是市場化與產品落地。Gordon就強調落地是一個「非常重要」的事情。Gordon認為做晶元在技術上雖然有難度，但只要找到合適的人，其實也會有很多人都能做，但創業的本質並不是要做出一款技術上的好產品，而是要解決行業特定問題，從而賺錢養活自己。「而這裡的問題就是你對產品的開發到底有多深的理解，一個是架構，一個是平衡，如何在性能、功耗、延遲等方面做好取捨，再一個就是對市場的理解，決定做那個行業等。」

而該觀點也得到了黃暢的認同，「只是做晶元是遠遠不夠的，關鍵還是應用的落地，所以地平線是把演算法和晶元結合在一起迭代優化，針對應用場景全程推動落地。」黃暢如此表示。

給國內AI晶元創業公司的建議

Gordon表示，英特爾其實是眾多AI晶元創業公司的巨大競爭對手，「我們雖然進來的晚，但我們在晶元領域有著多年的研究，慢只是慢在軟體以及與場景的結合上。」Gordon認為英特爾一個重要優勢便是與行業有著非常緊密的結合，因此，Gordon認為英特爾想要後來者居上其實也並非不可能。

不過，面對巨頭，中小AI晶元創業公司也並非沒有成功的可能性。目前，市面上有一個觀點就是像英特爾這樣的大企業因為精力有限，無法覆蓋所有的細分場景，因此，小企業便有了得以生存的夾縫。

而該觀點也得到了Gordon的證實：雖然英特爾非常看重垂直，但英特爾也會評估哪個垂直可能會先起來，或者有更大的市場，從而排優先順序。「比如對某些行業，我們就必須要滿足其需求，而對另一些行業，我們則只是盡量滿足其需求，對第三種行業，那可能就是愛用不用了。」Gordon認為對於像英特爾這麼的大企業「必須學會取捨」。

另外，Gordon也為國內的AI晶元企業提了一些具體的建議：

首先，要找對人，找對場景非常了解人，並可以跟產業結合，那就有機會成功。而如果只是純做技術，不跟產業、應用結合，那就走不了多遠。

其次，選擇行業是不要一窩蜂地盲幹。「國內做AI的企業都集中在非常窄的幾個領域，比如所有人都恨不得要去做安防的，但在海外，我們就看不見這種情況，海外企業會非常專註於自己擅長的行業，而這也是很容易做成績的方法。」

另外，ARM的崛起也能給與大家一定的參考。

ARM公司1978年在英國成立，1985年，設計了第一代32位、6MHz的處理器，它支持的指令比較簡單，雖然功能遠不如英特爾處理器強大，但是功耗小、價格便宜。不過，當時處理器行業的霸主是英特爾，佔據著PC處理器市場絕大多數的市場份額。ARM處理器能力不足，根本無法撼動英特爾在PC處理器的市場份額。

因此，ARM找到了嵌入式設備市場，但是整個20世紀90年代，ARM公司的業績平平，處理器的出貨量徘徊不前。但在而在2007年之後，隨著智能手機時代的到來，ARM處理器迎來了快速增長，有資料顯示目前全世界95%的智能手機和80%的相機都用到了ARM的技術。目前ARM也已經成了嵌入式晶元領域的實際標準。ARM也因此成為了一家能夠與英特爾抗衡的企業。

顯然，ARM的成功經驗就是找准方向，然後就是咬定青山不放鬆地等風來，這對AI晶元企業而言，顯然也是一個好建議。

- - - - - - - - END - - - - - - - -

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！