扎克伯格的AI晶元野心：高調挖角谷歌 瘋狂招人

智東西（公眾號：zhidxcom）

文 | Lina

故事要從1992年開始說起。

1992年，在美國新澤西州霍姆德爾市，一處離海岸只有24公里的寧靜小鎮上，屹立著大半個世紀以來全球最著名的科學實驗室之一——AT&T貝爾實驗室。

AT&T貝爾實驗室

在這個傳奇的實驗室里，不僅誕生了7位諾貝爾獎獲得者，還是誕生了世界上第一個晶體管、蜂窩式電話系統、通訊衛星、有聲電影、太陽能電池、C/C++語言、UNIX系統……

不僅如此，世界上第一塊人工智慧晶元也同樣誕生於此。

1992年，馬克·扎克伯格只有8歲，離他後來創辦世界第一大社交網路Facebook還有12年時間，離「卷積神經網路之父」Yann LeCun加入Facebook人工智慧研究院還有21年。

就在這一年，世界上第一塊——同時也被當時研究頻頻受挫的Yann LeCun稱為「可能是世界上最後一塊」——神經網路晶元ANNA，就誕生AT&T貝爾實驗室里。

1992年的AT&T貝爾實驗室一景

一、ANNA之興與卷積神經網路之衰

眾所周知，無論是「人工智慧」、「深度學習」還是「神經網路」，這些近年來大火的概念其實都可以追溯到幾十年前。但由於這些演算法對於數據與計算量都有著極大的要求，當時的軟硬體條件都無法滿足，因而這類研究一直到近些年才大火起來。

不過，即便在眾人並不看好深度學習的年月里，依然有一小群在「神經網路寒冬」里也堅持信念的科學家們，Yann LeCun就是其中一個。

1988年10月，在學習完神經科學、晶元設計，並師從多倫多大學深度學習鼻祖Geoffrey Hinton後，年僅27歲的年輕博士後Yann LeCun來到美國新澤西州，正式成為傳奇的AT&T貝爾實驗室的一員。

在當時的貝爾實驗室里，已經有一組研究員在進行英文字母識別的研究，並且積累下了一個擁有5000個訓練樣本的USPS數據集——這在當時已經是一個非常龐大的數據集。

在這個數據集的幫助下，Yann LeCun在三個月內便打造並訓練了第一個版本的卷積神經網路LeNet one，在字母識別上取得了有史以來最高的準確率，也正式標誌著卷積神經網路的誕生。

不過，Yann LeCun的研究並沒有止步在軟體層面。1989年，Yann LeCun與實驗室的其他實驗員Bernhard Boser、Edi Sackinger等人共同撰寫了一篇新論文，介紹了他們所研製的一款名為「ANNA」的神經網路晶元。

「ANNA」神經網路晶元

ANNA中包括64個計算單元，專門針對卷積神經網路進行了優化，其峰值吞吐量為每秒40億次加法。

雖然在此之前，神經網路作為一個新興的研究方向已然小有名氣，有不少研究人員也嘗試打造過神經網路晶元，但它們都無法放在板級（Board-Level）測試環境中，也就無法在真實世界中應用。

除了ANNA之外，貝爾實驗室還曾在1991年打造過一款Net32K晶元。在Yann LeCun等人隨後發布了一系列論文中，他們不僅介紹了ANNA在板級測試中的優秀表現，還展示了ANNA在利用卷積神經網路在文本傾斜檢測、手寫數字識別等應用上的優異表現（比單獨的DSP快10到100倍），讓ANNA當之無愧地成為了世界上第一塊「能用的」人工智慧晶元。

搭載ANNA的測試板原理示意圖

不過，天有不測風雲。1996年，AT&T公司進行了一輪拆分，通信運營業務保留在新AT&T中，一部分貝爾實驗室和AT&T的設備製造部門被剝離出來形成了朗訊科技，另一部分負責計算機業務的部門則組建了NCR公司。

Yann LeCun（後排中間）與新AT&T實驗室成員，攝於2002年

Yann LeCun留在了新AT&T的實驗室里，擔任AT&T實驗室圖像處理研究部門負責人，然而極其不幸的是，卷積神經網路的專利卻被律師團隊最終決定分給了NCR公司（這一專利在2007年過期）。

用Yann LeCun的話來說，「當時NCR手握卷積神經網路的專利，卻完全沒有人知道卷積神經網路到底是什麼」，而自己卻因為身處另一家公司而無法繼續進行相關研究。

然而，在1996年後的時間裡，科學界對神經網路的興趣逐漸走向衰微，越來越少人進行相關研究，一直到2010年以後才重新興起。

二、AI晶元浪潮襲來

讓我們把時間調回現在。

在過去的這十年間，AI領域迎來了一場新浪潮。

人工智慧這一項新興技術，在經歷了技術積累、升級、發酵之後，正在以AI晶元作為載體而全面崛起。據智東西報道了解得知，目前全球至少有50家初創公司正在研發語音交互和自動駕駛晶元，並且至少有5家企業已經獲得超過1億美元的融資，這一數目還在不斷增加當中。（深度 | AI晶元終極之戰）

除了創業市場一片興盛外，各大科技巨頭也毫不示弱。除了谷歌、蘋果、華為、百度、英特爾、賽靈思等巨頭陸續重拳入局AI晶元外，亞馬遜也被曝出擁有449人的晶元團隊，設計定製AI晶元的消息基本坐實。

作為目前全球市值最高的第五大科技企業，日活躍用戶達14.5億、月活躍用戶達22億的全球第一大社交網站Facebook自然也不會缺席這場戰役。

2013年，時任紐約大學教授的Yann LeCun宣布加入Facebook，幫助建立Facebook人工智慧研究院（FAIR）。

部分Facebook人工智慧研究院成員

在成立五年以來，Facebook人工智慧研究院已經在美國加州門洛帕克（Facebook總部）、美國紐約、法國巴黎、以及加拿大蒙特利爾等地建有六所人工智慧研究所，擁有超過115位科學家，各自專攻機器視覺、機器學習、自然語言處理等領域，包括何凱明、田淵棟等國內熟悉的人工智慧學者。

在Yann LeCun的帶領下，Facebook人工智慧研究院中不僅誕生了著名的Caffe、Caffe2深度學習開源框架，也讓Facebook在這人工智慧浪潮當中能夠與谷歌等巨頭一爭高下。

早在2017年底，Facebook就已經作為英特爾的首位合作夥伴，內部測試了英特爾AI雲端晶元Spring Crest，並與英特爾合作進行了AI晶元的研發與優化，一時間有關「Facebook要打造自己的雲伺服器AI晶元」的傳言塵囂甚起。

不過我們綜合各方線索來看，Facebook最先打造的應該並不會是一款能夠支持多種AI應用的通用雲端AI晶元，而是一款主攻視頻的AI晶元，不過目測這款晶元不會在近期與眾人見面。

三、挖角谷歌，大規模擴建AI晶元團隊

從2018年年中開始，Facebook就在AI晶元方面頻頻發聲。

5月，在巴黎Viva科技峰會上，Yann LeCun首次直接披露了Facebook在AI晶元方面的具體方向：視頻實時監測。

由於這兩年來視頻直播的盛行，越來越多用戶選擇使用這種方式分享自己的生活，這位Facebook的視頻實時分析、實時審核過濾帶來了極大的壓力。

2017年的復活節時，一名男子在Facebook上直播開槍殺人，該視頻在Facebook上停留了超過2個小時後才被刪除，引起了社會的極大恐慌。

傳統軟硬體不僅分析過濾不及時，對於越來越大量的視頻壓縮、審核、監管等應用，傳統軟硬體在計算資源和功耗控制上都達不到要求。

Yann LeCun說，「Facebook之所以要自己做晶元，是因為傳統資源無法滿足新時代需求，傳統方法已經失效，我們需要一款AI晶元，實時分析和過濾視頻內容。」

順便一提的是，今年1月，Yann LeCun宣布將不再擔任FAIR負責人，將由前IBM大數據集團CTO Jér?me Pesenti接任。LeCun表示他將改任Facebook的首席AI科學家，專註於AI學術研究以及對FAIR進行方向性指導。

Shahriar Rabii的LinkedIn界面

目前。Facebook的AI晶元團隊還處在早期的起步組建階段。就在上周，Facebook才剛剛從谷歌挖來一員大將——谷歌前晶元產品開發部門負責人Shahriar Rabii跳槽，擔任Facebook副總監及晶元部分負責人一職。

Shahriar Rabii曾在谷歌工作7年，離職前職位為高級工程師主管、晶元產品開發部門負責人。他負責帶隊進行了大量針對消費者用戶的晶元研發工作，其中最值得一提的是為「谷歌親兒子」Pixel智能手機打造的Visual Core定製化AI視覺晶元，這枚晶元能夠為智能手機攝像頭帶來機器學習AI功能。

更早之前的4月19日，Facebook的第一條AI晶元招聘信息開始在線上流傳。在招聘信息當中，Facebook宣布即將為招聘一名管理者（Manger）來組建「端對端SoC/ASIC固件和驅動開發組織」，該管理者需要「針對多個垂直領域開發定製解決方案，包括人工智慧和機器學習」。

在同日的另一則招聘啟事中，Facebook則表示正在招聘「ASIC&FPGA設計工程師」，該工程是需要擁「架構和設計半定製和全定製ASIC的專業知識、能夠與軟體和系統工程師合作，了解當前硬體的局限性，並利用他們的專業知識打造針對多種應用（包括人工智慧/機器學習，壓縮，視頻解碼等）的定製解決方案。

時至今日，Facebook依然有不少AI晶元相關的崗位招聘掛在LinkedIn頁面上，並且在持續更新中：比如五天前跟新的一條「內存&晶元產品總監」招聘信息、以及三天前更新的兩條「ASIC&FPGA工程師」、「ASIC/FPGA技術項目主管」招聘信息。

從高調挖人到大規模招聘，可見Facebook在AI晶元的決心與投入。不過如果按照晶元18個月的設計製造周期來說，如果Facebook現在才開始招募團隊，那麼離晶元真正量產就還有至少一年時間。

結語：AI晶元的巨大想像空間

隨著AI演算法的進一步發展，人工智慧在不同應用領域的分化也越來越明顯。對於任何一個業務體量巨大的科技公司而言，專為自己業務線所打造的定製化AI晶元能夠帶來的成本縮減與效率提升有著巨大的想像力，任何一個科技巨頭都不會輕易放過這一機會。

雖然硬體研發一直都不是Facebook的強項，但是如果瞄準的只是視頻壓縮與審查這一領域，那麼AI晶元打造的難度將會大大小於通用雲端AI晶元（君不見英特爾的AI晶元一再推遲面世），可能會比預期更早與世人見面。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！