長城智庫：人工智慧晶元——如今三分天下，未來群芯閃耀，變革行業的新架構呼之欲出
引子
2016年3月15日，谷歌圍棋人工智慧AlphaGo以4:1戰勝世界排名第二的李世石，標誌著此次舉世矚目的人機大戰以機器獲勝結束。2017年5月27日，AlphaGo Master以3:0戰勝人類圍棋冠軍柯潔。2017年10月19日，AlphaGo Zero經過短短40天訓練，自學成才，擊敗AlphaGo Master。至此，在下圍棋這件事兒上，人類再也不是機器的對手了！人工智慧再一次走入普羅大眾的視野，火得一塌糊塗。人工智慧三要素——算力、演算法和數據。算力即人工智慧晶元，算力是基礎，演算法是核心，數據是關鍵，正是三要素的互相協作方使得AlphaGo所向披靡，戰無不勝。今天就讓洞見君帶各位看官一睹為快，見識見識這三要素中最基礎的傢伙——人工智慧晶元。
圖1：AlphaGo對戰李世石和柯潔比賽現場
圖片來源：谷歌，新浪
一、什麼是人工智慧晶元
人工智慧誕生62年以來，經歷三起兩落，2013年迎來第三次發展浪潮並持續至今。人工智慧再次被推到風口浪尖得益於「深度學習」演算法的提出。2006年，加拿大多倫多大學教授Geoffrey Hinton提出深度學習神經網路，使人工智慧演算法向前邁進一大步。然而基於深度學習的人工神經網路演算法與傳統計算模式的區別在於無需編程，但需要海量數據並行運算，深度學習演算法需要與之計算能力相匹配的晶元支撐，以CPU等為代表的x86和ARM等傳統處理器架構囿於計算資源有限，無法滿足深度學習的大規模並行計算要求，因此對能夠適應深度學習的晶元需求強烈，人工智慧晶元應運而生。簡單說來，能夠運行深度學習演算法的晶元就叫人工智慧晶元。
二、從產業維度看人工智慧晶元發展
1、人工智慧晶元主流產品及應用場景
根據晶元架構設計不同，當前主流人工智慧晶元有三類：以GPU為代表的通用晶元、以FPFA為代表的半定製化晶元和ASIC定製化專用晶元。
GPU——訓練端王者。GPU（Graphics Processing Unit），即圖形處理器，原本是一種專門用於圖像運算工作的微處理器。與CPU不同，GPU採用多計算單元和超長的流水線，進行單指令、多數據處理，因為只有簡單的控制邏輯而省去了高速緩存，所以GPU擅長大規模、獨立的浮點和並行計算，進行圖形渲染。正是因為適合大規模並行運算的特點，GPU在運行深度學習演算法上發揮巨大作用。同時，在運行過程中，GPU的功耗要遠遠低於CPU。然而GPU在運行深度學習演算法時也存在局限性：一是GPU無法單獨工作，需要在CPU的控制調用下才能工作；二是GPU在訓練端運行非常高效，但在推理端工作時並行優勢不能完全展現；三是GPU仍然屬於馮·諾依曼架構。
圖2：英偉達Tesla P100 GPU加速器
圖片來源：英偉達官網
FPGA——綜合性能領先。FPGA（Field－Programmable Gate Array），即現場可編程門陣列，是一種新型的可編程邏輯器件，同樣擅長並行計算。FPGA具有性能高、功耗低、可硬體編程三大特點：一是可以實現並行度很大的硬體計算器；二是內部結構沒有解碼器，主頻僅為CPU的二分之一，功耗遠低於CPU和GPU；三是具有靜態可重複編程和動態在系統重構的特性，其功能可通過編程來修改。但FPGA本非為適用深度學習演算法研發，故而存在一定局限，如基本單元的計算能力有限、價格昂貴等。
圖3：賽靈思 UltraScale+ FPGA晶元
圖片來源：賽靈思官網
ASIC——定製化之趨勢。ASIC（Application Specific Integrated Circuits），即專用集成電路，指應特定要求或特定電子系統需要而設計製造的集成電路。ASIC作為一種專用晶元，與傳統通用晶元有一定差異。為深度學習演算法定製的ASIC晶元在計算速度和功耗上大大優於GPU和FPGA，伴隨人工智慧加速對行業滲透，未來在安防、智能終端、金融、車聯網等領域，ASIC將得到廣泛應用，廣闊的市場空間使ASIC大規模應用成為可能。
圖4：寒武紀基於ASIC的NPU架構圖
圖片來源：寒武紀，中信證券研究部
人工智慧晶元的應用場景大體可分為雲端和終端兩類。其中，雲端場景即伺服器端，包括雲服務和數據中心業務等。終端場景即智能產品端，包括機器人、智能攝像頭、智能手機、智能音響、智能網聯汽車等各種應用設備產品。由於三類人工智慧晶元各有特性，不同晶元性能與適應不同應用場景的深度學習演算法緊密相關，所以三類晶元需要找到最契合自身的應用場景方能發揮最大效能。
雲端場景：當前GPU獨佔鰲頭，未來群芯閃耀。全球主要科技巨頭均看好人工只能向雲端滲透的發展趨勢，都在抓緊布局人工智慧雲平台或在自有雲平台上增加人工智慧系統。人工智慧晶元在雲端以大數據為基礎，主要負責模型訓練工作。GPU得益於其高並行計算能力、編程環境良好、應用開發周期短、成本低、技術體系成熟等優勢，目前在雲端應用最為廣泛。英偉達作為GPU的發明者，基本對雲端人工智慧晶元市場實現壟斷，谷歌、百度和微軟等科技巨頭都採用英偉達GPU對其人工智慧雲平台進行加速。未來GPU將不斷適應人工智慧的演進路徑，實現從通用到專精的轉變。FPGA具有可編程、靈活度高等特性，將逐漸成為雲端人工智慧晶元的重要補充。FPGA在雲端演算法性能高，功耗和延遲相對較低，同時能夠適應數據中心不斷迭代的演算法。目前賽靈思和阿爾特拉兩家公司合計佔有全球FPGA超過90%的市場份額，2015年6月，英特爾以167億美元收購阿爾特拉，可以看出互聯網巨頭看好FPGA未來在雲端市場的重要價值。微軟、亞馬遜、騰訊、百度等企業陸續部署基於FPGA的雲端應用加速服務，可見FPGA在基礎數據中心業務前景廣闊。ASIC未來在雲端將依靠性能優勢爭取制高點。ASIC作為全定製晶元，性能和功耗都遠高於GPU和FPGA，伴隨規模量產後的成本下降，ASIC也將成為雲端應用的重要一份子。總體看來，雲端人工智慧晶元呈現多元化發展趨勢，將從當前的GPU獨大逐步走向多類晶元共存。
圖5：主流雲平台採用的人工智慧晶元示意圖
終端場景：如今GPU獨領風騷，未來以ASIC為核心集成是趨勢。應用於終端場景的人工智慧晶元主要負責推理工作。當前在智能經濟的推動下，終端應用產品全面向智能化升級，智能手機、機器人、智能音響、智能攝像頭、智能網聯汽車等智能終端都需要通過搭載人工智慧晶元加速來賦予自身智能身份。終端應用往往對人工智慧晶元提出一些更高的場景需求，比如高穩定、高算力、低功耗、低延遲等。智能網聯汽車、智能安防等將成為當前及未來人工智慧晶元主要落地領域。
——智能網聯汽車：當前GPU是主流，未來ASIC集成是趨勢。2015年6月，國家智能網聯汽車（上海）試點示範區獲工信部批准建設。2017年10月，發改委召開新聞發布會表示已啟動國家智能汽車創新發展戰略起草工作。國家自上而下的政策激勵和人工智慧對汽車行業自下而上的滲透共同推動智能網聯汽車跨越發展。當前，英偉達、高通等龍頭企業均採用CPU+GPU模式優化ADAS（高級駕駛輔助系統）晶元，而以地平線機器人為代表的部分初創企業則選擇彎道超車，採用基於ASIC架構（如BPU）的晶元設計，並將其集成至ADAS上，得益於定製化晶元能夠快速實時進行車載信息數據處理，同時具備低功耗優勢，基於ASIC集成的定製化ADAS晶元將逐漸成為市場主流。
圖6：地平線機器人用於ADAS的BPU研發路線圖
圖片來源：地平線機器人，雷鋒網
——智能安防：GPU和FPGA搶先布局，主控集成ASIC將後發制人。海康威視、大華股份等行業巨頭均與英偉達、Movidius等開展深度合作，布局基於GPU的智能設備，如海康威視的「深眸」「超腦」「神捕」「臉譜」系列等人工智慧安防產品，大華股份的「睿智」系列前後端智能設備。然而基於GPU的主控晶元價格昂貴成為揮之不去的痛點，而主控集成ASIC晶元具有低成本、高算力的特點，採用集成ASIC晶元的人工智慧攝像頭將實現成本大幅降低，未來安防龍頭將有可能與人工智慧晶元企業合作開定製化人工智慧專屬晶元。
圖7：基於英偉達GPU和深度學習技術的海康威視「深眸」攝像機
圖片來源：海康威視官網
2、市場規模與產業鏈關鍵環節
2016年全球人工智慧市場規模為293億美元，2017年達519億美元，增速達77%。根據中信證券電子研究團隊預測，2020年全球人工智慧市場規模有望突破1200億美元，年複合增速達20%。人工智慧晶元作為人工智慧核心組成部分，市場空間十分廣闊，預計到2020年，人工智慧晶元市場規模將超過145億美元，佔全球人工智慧市場規模12%，年複合增速達43%。
圖8：2016-2020年全球人工智慧及晶元市場規模及預測（億美元）
數據來源：賽迪諮詢、英偉達、中信證券研究部，GEI整合分析預測
人工智慧晶元產業鏈基本與其他集成電路產品產業鏈相吻合，產業鏈上游為晶元設計，中游為晶圓代工，下游為封裝測試。其中，晶元設計和晶圓代工均為高附加值環節，屬典型資本和技術密集型產業，屬於產業鏈的尖端環節。
圖9：人工智慧產業鏈及人工智慧晶元所處位置示意圖
圖10：人工智慧晶元產業鏈示意圖
3、企業競合格局及我國企業優勢所在
目前全球GPU市場基本被英偉達壟斷，2017年英偉達強勢進軍雲端數據中心業務，英偉達數據中心收入佔總收入比重從2017財年的15%提高到2018財年的21%，增速38%。英偉達的Tesla和GRID系列產品提供給微軟、谷歌、阿里巴巴、騰訊等幾乎世界所有的知名雲計算服務商，成為其收入增長、股價攀升的核心動力。英特爾作為PC時代的CPU王者，目前也正在積極向人工智慧晶元轉型發展，英特爾通過收購手段全面布局FPGA和ASIC，收購阿爾特拉，使英特爾成為全球第二大可編程邏輯晶元廠商，收購以色列無人駕駛領域的高科技及企業Mobileye和視覺處理器公司Movidius，全面發力無人駕駛和計算機視覺。谷歌利用自主研發的TPU晶元匹配自家的TensorFlow人工智慧學習系統，實現人工智慧軟硬體的高效協同，2018年2月13日，谷歌宣布開放TPU雲服務，瞬時引發行業熱議，使人工智慧晶元市場再迎變局。賽靈思作為FPGA的發明者和行業領導者，重點發力雲計算、計算機視覺、工業物聯網和5G等領域。高通也集聚布局人工智慧晶元，2017年12月7日發布的驍龍845，高通官方將其定位為第三代AI平台，以對抗蘋果A11和麒麟970。總體看來，目前全球晶元巨頭無一例外開展人工智慧晶元布局，或利用自身基礎優勢，或全球併購，或與初創科技企業聯合研發。GPU和FPGA已然進入競爭白熱化階段，ASIC或許將成為初創企業和新興廠商與老牌巨頭競爭的主戰場。
圖11：全球主要人工智慧晶元企業競合格局示意圖
備註：圓圈大小象徵性代表企業在行業中的影響力
在此次人工智慧浪潮中，因深度學習演算法而引發的晶元行業變革，使得對全新架構的人工智慧晶元呼聲強烈，我國晶元企業在ASIC定製化晶元設計領域尚未落後，ASIC很有可能成為我國晶元行業實現彎道超車的關鍵。目前，包括寒武紀、地平線機器人、深鑒科技、比特大陸在內的一批人工智慧晶元企業不斷發展壯大。2017年9月，世界首款智能手機AI計算平台——華為海思麒麟970，就搭載了寒武紀提供IP授權的NPU。2016年3月，地平線機器人展示了集成ASIC處理器——BPU的ADAS系統，該系統比主流ADAS系統性能提升2-3個數量級，並且BPU還可廣泛應用於智慧家居、智慧城市等多個領域。深鑒科技利用FPGA打造人工智慧晶元DPU。中星微電子研發國內首款嵌入式神經網路晶元「星光智能一號」。目前，我國ASIC定製化晶元設計水平處於世界前列，基於對ASIC未來將成為人工智慧晶元發展重點的預測，洞見君認為我國人工智慧晶元前景可期。
三、對我國科技園區發展人工智慧晶元的建議
晶元被譽為人類高端製造業皇冠上的明珠，晶元設計和晶圓一直是我國集成電路行業的短板。囿於關鍵核心技術受制於人，2016年我國晶元進口額2270億美元，已接近原油進口額兩倍。在此次人工智慧的熱潮下，頂層演算法的變革對底層晶元設計架構提出全新要求，這是本次人工智慧技術革命賦予中國在晶元領域實現突破跨越發展的重大機遇。2017年7月8日，國務院印發《新一代人工智慧發展規劃》提出，發展智能計算晶元與系統，重點突破高能效、可重構類腦計算晶元等，為我國人工智慧晶元產業發展指明方向。
圖12：國務院關於印發新一代人工智慧發展規劃的通知
圖片來源：國務院官網
作為我國科技創新的橋頭堡，科技園區應搶抓人工智慧發展機遇，結合自身資源稟賦，主動謀劃在人工智慧晶元產業鏈上搶先站位。對於人工智慧創新資源集聚地區，如中關村、東湖、成都高新區等科技園區，在全力構築人工智慧創新生態的過程中，應鼓勵在人工智慧晶元設計領域超前布局，鼓勵龍頭企業和高科技晶元企業重點開展基於FPGA、ASIC等全新架構的人工智慧晶元設計和產品研發，鼓勵高校院所前沿探索基於仿生學神經形態的類腦晶元，鼓勵人工智慧晶元設計公司同互聯網雲服務公司和智能終端設備製造商開展深度合作，共同搭建面向全球的人工智慧開源平台和硬體開發環境，構建人工智慧底層生態。對於集成電路產業集聚地區，如張江、天津高新區、合肥高新區等科技園區，鼓勵探索布局人工智慧晶元晶圓環節，加速突破能夠適應人工智慧晶元的新一代半導體製程工藝，加快傳統晶元晶圓代工、封測環節轉型升級，鼓勵晶圓代工龍頭企業通過強化與晶元設計初創企業聯合共建一批公共技術服務平台，加快推動上下游各類主體協同合作，探索創製人工智慧晶元設計標準。
更多資訊 敬請關注「長城智庫」
TAG:長城智庫 |