人工智慧之晶片戰爭

這裡是科技前哨，我是趙文軒。

上一篇文章為您介紹了人工智慧大公司的AI服務，最重要的構建AI風口已過，用好才是王道；介紹了國外各大巨頭所提供的AI服務，方便用戶從更底層的技術能力看穿現在各類P圖合成、語言翻譯的產品是怎麼來的，將這些技術更好的結合在自己的產業中。

沒有傳統的行業，只有傳統的企業。

任何一個企業，一個場景用好了技術都會產生顛覆式的創新。

我也在努力尋找這樣的機會，也歡迎你加入探索的行列。

今天我將為大家系統的介紹人工智慧晶片。

一、發展人工智慧晶片的原因

晶片和雲計算總是在不同時期有著不同的傾向，有時候人們需要在雲端計算，有的時候又希望本地就可以計算。

傳統架構是串行處理，簡單理解為一次只能幹一件事情。

雲計算是用更多的計算機同時處理一件事情，但依然理解為還是在解決一個事情，只是人多了一些。

人工智慧模仿大腦深度神經網絡，是超低能耗的並行處理結構。

這是一個範式上的轉變。

人工智慧晶片的興起有如下原因：

1、網絡延遲無法滿足需要實時反映的應用需求。

類似於自動駕駛，數據上傳雲端、計算和返回的時間可能會造成車禍的發生，人們需要更加低延遲的反饋。

2、上傳雲端會增加網絡帶寬的擁堵。

網絡帶寬依然屬於稀缺資源，如果網絡中的數據像國慶節的高速公路一樣，恐怕會整體拉低雲計算的體驗。

3、雲端信息安全。

隨著數據安全地位的逐年增高，人們和政府也擔心雲端數據泄露而造成的巨大隱患。

二、人工智慧晶片處於範式轉移的過度階段

CPU+異構計算

核心部分採用傳統CPU（串行），可重複簡單計算分離出來，採用並行結構。

異構計算

目前大部門硬體應用廠商都屬於這樣的一個過渡階段。

1、CPU+GPU

CPU集合，inter的MIC（Many integrated Core多個集成核）。

類似於一個人拔河不行，那就多上幾個人。

GPU目前的巨頭依然為NVIDIA，可見戰略布局之早。

AMD公司也一直緊追不捨，而且有亮眼的產品誕生，基於APU框架，將CPU和GPU整合到一個晶片上。

2、CPU+FPGA

例如大疆無人機採用了Lattice的FPGA。

FPGA主要提供者有：Xilinx、Altera、Lattice。

inter收購Altera，因特爾在上一輪錯過了整個移動手機的晶片市場後也是非常痛的一件事情，本次人工智慧晶片的布局上可謂是果斷出擊決不能再次錯過。

3、CPU+ASIC

ASIC主要提供者：

Movidius公司，VPU（Visual Processor Unit）專做視覺處理器。

這也是晶片的一個趨勢，會聚焦到更垂直的領域去提供晶片支持。

創業公司Nervana，最終被inter收購

Mobileye公司打造的專為自動駕駛的晶片，最終也被inter收購。

還有大名鼎鼎的Google TPU。

4、CPU+DSP（Digital Signal Processer）

更適合處理流媒體信號，例如知名的TI、Freescale、CEVA。

三、人工智慧晶片未來的發展趨勢

1、ASIC

針對人工智慧的特定晶片開發。

在集成電路界ASIC被認為是一種為專門目的而設計的集成電路。

是指應特定用戶要求和特定電子系統的需要而設計、製造的集成電路。

ASIC的特點是面向特定用戶的需求，ASIC在批量生產時與通用集成電路相比具有體積更小、功耗更低、可靠性提高、性能提高、保密性增強、成本降低等優點。

目前的探索者已經有Google TPU。

NVIDIA，Tesla、Wave Computing、Kneron。

中國寒武紀、地平線機器人等。

上面介紹的專做視覺處理、駕駛的公司也代表這個趨勢。

2、Neuromorphic Cumputing（類大腦神經結構智能晶片）

這個概念由加州理工Carver Mead教授提出，現主要研發者是IBM和高通，以及Neurala。

IBM’s TrueNorth (SyNAPSE) chip, in detail

IBM推出TrueNotth。

沒有採用馮諾依曼結構（CPU結構），處理器單元和通信部件完全集成在一起，信息處理完全在本地。

他的特點就是功耗極低。

這就是為什麼現在的Apple Watch 3等職能設備看起來並沒有很智能，那是因為他們的晶片能力還處於較弱的狀態，往往要依賴於手機的能力，將各類設備連接在手機上。

隨著晶片的發展，在未來各類智能設備，無人飛機等終端都會自身持有更加智能的能力。

這種晶片的設計思路就是去掉CPU，核心處理完全改為並行結構。

這就和咱們開篇講到的CPU的範式完全不同了。

三、國外的人工智慧晶片公司

科技巨頭

NVIDIA，目前來看非常鞏固的巨頭地位。

Inter，大量併購與投資。

例如併購Movidius、Nervana、Altera。

同時積極開發Neuromophic Computing（類大腦神經結構智能晶片）

高通，在移動計算晶片領域如一匹黑馬殺出。

亮眼的曉龍處理器（Snapdragon），同樣也在積極開發模仿神經系統的NPU（Neural Processing Uni）。

以及咱們上一篇文章介紹過的谷歌TPU、IBMTrueNorth，甚至惠普等公司。

創業公司

創業公司流行說一個詞叫做潛伏狀態，用王者榮耀的一句話就是：「猥瑣發育，別浪」。

KnuEdge公司，原NASA負責人創立，專攻音頻流的處理。

Flex Logix，主攻FPGA的晶片設計，典型的CEVA。

License賣出獲利，主要是出賣專利收費。

當然這也就限制了他的規模和融資的金額。

Krtkl，通過眾籌188000美元。

生產FPGA版本的樹莓派（為學習計算機編程教育設計的一種微型電腦）。

主要用於高校做研究與實驗。

四、國內的人工智慧晶片公司

科技巨頭

目前BAT都將人工智慧放在了戰略位置。

百度在積極的研發算法、積累數據、開發FPGA打造AI設計硬體相關研究。

阿里巴巴與中科院共同建立量子計算實驗室，並與英偉達合作。

騰訊打造深度學習網絡平台Mariana DNN（DNN：深度卷積神經網絡）；組建研究團隊和實驗室，例如AI-Lab；投資收購國內外人工智慧公司，主要集中在軟體和應用層面，並沒有晶片的自主研發公司。

創業公司

地平線公司

2015年成立於北京，創始人余凱曾在史丹福大學執教人工智慧，百度自動駕駛項目之父，百度深度學習研究院的創辦者。

正在打造面向未來的人工智慧晶片NPU。

他們目前在兩大領域發揮了較大作用：

開放給智能家居和智能玩具行業的安徒生平台。

自動駕駛的先進輔助駕駛系統，雨果平台。

中科院寒武紀晶片

陳雲霽和陳天石兄弟創業，獲得了國家10億元的投資支持。

有三款產品：

寒武紀1號：神經網絡的原型處理結構，用在終端上。

寒武紀2號：面向大規模神經網絡，在伺服器端。

寒武紀3號：多種機器學習算法的功能晶片。

深鑒科技

主攻DPU（Deep Processing Uni），產品性能超過NVIDIA，功耗和售價僅為四分之一。

從數據上看還是很有潛力的。

Kneron

做NPU的台灣企業。

其他台灣企業在硬體上具有很強的優勢，因為硬體創業對於產業鏈整合能力的要求還是很高的，如果中國的技術與市場可以與台灣的產業有更多的融合，對於兩岸將都會是一個福音的。

我也大家附上了思維導圖，方便梳理：

總結一下：

1、一部分需求適合雲計算，而越來越多的新需求更適合本地計算，因此人工智慧晶片依然有較大增長空間。

2、目前的人工智慧晶片處於科技範式轉移的過渡階段，新一代晶片的出現將會對應用層產生巨大影響。

3、國內外公司都在積極布局晶片，未來晶片會朝著更像人類大腦的方式去發展和更加垂直於一個場景的特定晶片。

前面鋪墊了很多的基礎知識，包括人工智慧的起源、入口、AI服務和本篇晶片。

下一篇將介紹大家最關心的問題，人工智慧下產業的機會將在何處。