AI晶元的三種路徑將有變數？

全文字數：1543閱讀時間：5分鐘

目前市場上主流的AI晶元主要有三種路徑，一類是藉助於傳統晶元執行AI演算法，如CPU、DSP、FPGA等；第二類是GPU+AI加速器，實現AI功能；第三類是定製的ASIC。這幾種路徑各具優勢，但亦有硬傷。

文｜艾檬

校對｜范蓉

圖源｜網路

如同一個巨大的「磁場」，AI的引力從一場技術革命逐漸走向了產業落地。而作為AI技術的核心，AI晶元也備受關注，不僅要能夠滿足AI算力的需求，還要適應不同的應用場景和不同的位置（雲或端）。AI晶元的爭奪也呈現各種流派、各有擁躉的局面，到底誰將勝出？

三種路徑

目前市場上主流的AI晶元主要有三種路徑，一類是藉助於傳統晶元執行AI演算法，如CPU、DSP、FPGA等；第二類是GPU+AI加速器，實現AI功能；第三類是定製的ASIC。

這三類路徑因「基因」不同，定位也不一。Imagination主管PowerVR視覺和AI業務的副總裁Russell James認為，第一類適合性能要求不太高的應用，如人臉識別，而且精確度要求不高；第二類適合高性能的應用如智能手機、智能監控、自動駕駛等；第三類AISC專門針對特定的任務，如IoT領域。原因是IoT領域要求在有限的功耗下完成相應的AI任務，最需要性能功耗比高的ASIC。而且這一領域出貨量會較大，值得關注。

這幾種路徑各具優勢，但亦有硬傷。Imagination中國區區域市場和業務拓展總監柯川認為，CPU效率不高，高速負載下速度不快；DSP雖然速度快，但研發生態不全；ASIC只能執行固定演算法功能，擴展性不強等，因而看好GPU+AI加速器在性能、效率和功耗的綜合優勢。

雖然柯川的說話是在為自己的IP背書，但可以明了的是，一種架構的AI晶元是無法面向所有場景的，不同場景應用需要不同種類的技術支持，需要能夠支持從毫瓦級到千瓦級的多種架構。

產業變化

AI熱潮來襲，但從發展階段來看，還未到成熟期。

柯川認為，一般產業分四個階段，一是新技術來臨時有前沿院校和公司研究論證，找到產業化可能性；二是應用研究階段，探討解決實際問題；三是產業快速發展階段，此時也催生了諸多機會；四是進入成熟期，成為一個相對穩定的市場，而領先的是大浪淘沙之後奠定絕地優勢的公司。目前來看，AI處於第三階段即快速發展階段的早期。

在這一過程中， 端側AI功能更具前景。Russell James表示：「AI正在改變行業，而神經網路是其核心所在。此類處理一直以來主要發生在雲端，但由於延遲問題、隱私問題以及日益增長的可擴展性需求，邊緣AI處理已變得非常必要。

此外，演算法也將逐漸趨於開源，要針對不同的應用淬鍊出最優化的方案。Russell James指出，美國關注智能手機、自動駕駛等方面提升AI性能，而中國非常重視智能監控，是一潛力巨大的市場，同時在智能手機、自動駕駛上也有很多機會。

新型IP

在幾種不同的路徑中，各方勢力均在開足馬力揚長避短。

最近Imagination就宣布，基於其神經網路加速器（NNA）架構PowerVR Series2NX推出兩款神經網路內核AX2185和AX2145。要知道，該架構是唯一支持16位到4位位寬的解決方案，可在較低的帶寬和功耗下實現更高的效率和實時響應。

針對不同的應用，這兩類IP核在性能和內存帶寬進行了極大的優化。據悉，Series2NX AX2185以高端智能手機、智能監控和汽車市場為目標。AX2185的優勢在於擁有8個全寬度計算引擎，每個時鐘周期可處理2048個MAC（每秒4.1兆次運算），同時功耗表現出色，實現了單位面積的最高性能。而AX2145針對成本敏感型設備進行了優化，以中檔智能手機、數字電視/機頂盒、智能相機和消費性安全市場為目標，處理諸如圖像識別和機器視覺等應用。

在AI晶元的比拼不只是硬體性能，軟體生態也至關重要。Russell James介紹，這兩款內核都完全支持安卓的神經網路應用程序編程介面，同時Imagination提供了一整套工具來簡化AI應用的開發和部署以及調試和分析，機器學習框架也可使用網路開發工具包（NDK）。

Russell James提及，目前這兩款AI加速IP已有手機和汽車廠商的客戶。而更重要的是，這些IP也可適配CPU、FPGA等，只是對帶寬時延等有一定的要求，而不是非要與GPU「匹配」。如果這些AI加速IP能順勢擴張到其他通用晶元領域，AI晶元的路徑走向或有變數。

END

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！