為什麼說人工智慧晶元帶來了深層次變革？

導讀：2000年初的山寨市場催生了我國集成電路的創新與發展，而如今山寨紅利耗盡，廉價替代的時代已經過去，集成電路從業者需要面向的客戶也變為華為、小米等世界頂級水平客戶，性能及性價比成為取勝的要素。未來，中國半導體必然由創新帶動，引領市場。

上世紀六七十年代，半導體成就了美國矽谷，然而現在提及矽谷，第一時間想到的並不是硅，不是半導體，矽谷的代言也逐漸從半導體企業，變為谷歌、蘋果等科技企業。

與此同時，矽谷半導體產業的增長逐步放緩。儘管美國等處於半導體產業「老大」地位的領導國家，產業增長速度在逐漸放緩，但鑒於它們掌握著絕對的技術優勢，因此未來還要依靠它們的技術創新，引領產業發展；佔據「老二」地位的國家，將緊緊跟隨「老大」的腳步，擴充自己的市場。

對於大力推動集成電路產業發展的我國來講，恰處於市場、人才、政府、金融四大因素相融合的特殊時代。專家認為，我國半導體產業從業者以及創業者若能抓住這次機會，成功的機率就很大。

在AI的推動下，巨頭們在變革，同時也催生了一批新生代IC企業，比如本土IC企業深鑒科技、寒武紀、地平線、比特大陸等。

人工智慧倒逼晶元底層的真正變革

研究人類的科技發展史，發現科技的進步速度呈現指數型加速態勢。尤其在1950年以後進入晶元時代，摩爾定律推動下的每18個月「晶元晶體管同比例縮小一半」帶來的性能提升以倍數計。

每一次加速的過程推動，都引發了產業的深層次變革，帶動從底層到系統的階躍。我們本篇報告將著重從底層晶元角度出發，探討人工智慧晶元帶來的深層次變革。

然而時至今日，人類精密製造領域（半導體製造是目前為止人類製造領域的最巔峰）遇到硅基極限的挑戰，摩爾定律的放緩似乎預示著底層架構上的晶元性能的再提升已經出現瓶頸，而數據量的增長卻呈現指數型的爆發，兩者之間的不匹配勢必會帶來技術和產業上的變革升級。

變革從底層架構開始

計算晶元的架構50多年來都沒有發生過本質上的變化，請注意計算架構的決定是資源的組織形式。而傳統的馮諾伊曼是採取控制流架構，採用的是線性的記憶體和布爾函數作為基線計算操作。

處理器的架構基於流水線串列處理的機制建立，存儲器和處理器分離，流水線的計算過程可以分解為取指令，執行，取數據，數據存儲，依次循環。

深度學習以神經元為架構。從單一的神經元,再到簡單的神經網路,到一個用於語音識別的深層神經網路。層次間的複雜度呈幾何倍數的遞增。數據量的激增要求的就是晶元計算能力的提升。

計算的體系處於碎片化引發架構變革。數據的擴張遠大於處理器性能的擴張，依靠處理器性能在摩爾定律推動下的提升的單極世界已經崩潰，處理器性能提升的速度並不足以滿足AI所需的應用程序的需求。大量數據消耗的數字運算能力比幾年前所有數據中心加起來還要多。

人工智慧晶元——新架構的異軍突起

觀察人工智慧系統的搭建，以目前的架構而言，主要是以各種加速器來實現深度學習演算法。本章討論各種加速器的形式和實現，並探討加速器變革下引發的行業深層次轉變，並從2個維度給出詳細的測算人工智慧晶元的潛在空間

首先我們必須描述人工智慧對晶元的訴求，深度學習的目標是模仿人類神經網路感知外部世界的方法。深度學習演算法的實現是人工智慧晶元需要完成的任務。在演算法沒有發生質變的前提下，追根溯源，所有的加速器晶元都是為了實現演算法而設計。

我們整理了人工智慧晶元相關的類型和產業鏈公司，傳統的晶元廠商/生態的建立者/新進入者。

傳統的晶元製造廠商：Intel，Nvidia和AMD。他們的優勢在於在已有架構上對人工智慧的延伸，對於硬體的理解會優於競爭對手，但也會困頓於架構的囹圄；新進入者，某些全新的架構比如神經網路晶元的寒武紀，因為是全新的市場開拓，具有後發先至的可能。新進入者的機會，因為是個全新的架構機會，將有機會誕生獨角獸。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！