2018年AI晶片爆發倒計時（下）：AI生態成熟，IC工程師失業？

從雲端到終端，從傳統行業到AI，如何滿足不同算法應用及生態圈的差異化需求成為AI晶片商的難點和重點。

對於AI生態的構建，基於開放生態的Arm自然有自己的「秘笈」。

Arm的金勇斌表示，在傳統領域，各廠商會基於ARM的CPU和GPU來做晶片，Arm會圍繞CPU為核心來構建子系統。

到了AI產業，則需要在通用平台上構建一個更靈活的生態系統。

由於AI的系統是非常碎片化的，因此需要整合算法和硬體公司的資源。

2016年，Arm生態系統加速器安創空間聯合全志科技、地平線機器人發起了AI實驗室OPEN AI LAB，主要目的就是不僅和晶片合作夥伴，還要把很多OEM和終端、算法、App應用商拉到聯盟中來。

「只有把晶片、模組、算法、設備製造、部署場景需求的公司放到一起，通過充分交流和協作，最後才會試探出很多垂直場景出來。

」 金勇斌表示，對於中國本土的一些白牌企業，他們的製造能力、物流控制、供應鏈能力是很強的，產品周期很快，他們也想利用現有的生態快速做出設備來。

OPEN AI LAB也在想辦法尋找算法公司能夠賦能這些公司。

與Arm不同，Intel更多採用自身投資來構建AI生態。

2016年Intel收購了Nervana Systems，作為計算機架構師和神經科學家的Rao也隨即加入Intel。

作為Nervana的執行長兼聯合創始人，他帶領Nervana成為深度學習領域中公認的領導廠商。

比如投資像Mighty AI、Data Robot和Lumiata這樣的初創企業，並為那些幫助推進人工智慧發展的企業投資超過10億美元。

通過Intel自身的投資組合，來投資Intel深度學習技術能加快處理複雜流程以及數據密集型流程的速度，例如圖像識別和自然語言處理。

比特大陸也在通過投資加速AI領域布局。

2017年12月，比特大陸集團宣布收購智能機器人公司北京蘿蔔科技有限公司資產，打造機器人產品線「新物種」，加強「蘿小逗」系列機器人的開發。

比特大陸CEO詹克團表示，收購後，比特大陸集團會加大對機器人產品線的研發投入，在比特大陸人工智慧晶片和算法技術的支持下，「新物種」系列智能機器人產品將會更加豐富，功能也將更加強大。

以前聯發科技針對客戶主要提供「Turnkey」交鑰匙方案，而到了AI生態圈與傳統的CPU生態圈有了很大的不同，AI平台要適應的終端包括手機、數位電視、智能語音終端、車載、IoT設備等，這些都需要花時間來進行重新構建。

據介紹，聯發科技希望憑藉 NeuroPilot AI平台成為終端AI的推動者(Edge AI enabler)。

NeuroPilot AI平台支持目前市面上主流的AI架構，包括Google的TensorFlow、Caffe、Amazon的MXNet、Sony的NNabla等。

作業系統方面，聯發科技同時支持Android與Linux系統。

除了提供人工智慧處理器，聯發科技也將推出NeuroPilot SDK，讓開發者得以更為便利地採用聯發科技晶片，為消費型設備打造AI應用程式與功能。

「以CPU為例，基本上都和特定的OS捆綁，不管是微軟還是安卓都是獨占。

但是AI不一樣，開發者可以用不同的運算單元來運行算法，可以用CPU，也可以用GPU、DSP來支持，不會被某個硬體綁死。

」 林宗瑤認為，現在做AI的公司可能在某些節點會有些技術，但布局不夠廣，而終端AI的產品線只有布局夠廣，才會產生重大的影響。

「能夠同時擁有這麼多產品線的，放眼全球也就聯發科技能做到。

」

「我們不會提供單獨的AI晶片，因為以現在很多客戶的能力很難支持單獨的CPU、GPU運算開發。

」 林宗瑤表示，對於一些中小客戶來說，因為研發能力有限，光是提供一個單獨的AI晶片還不夠。

此外，聯發科技還會針對客戶提供可移植性和定製化需求。

對於手機客戶和普通消費者來說，更關心的是AI硬體能搭配什麼樣的應用。

目前主流的AI相關應用包括面部識別、面部美化、場景檢測、手勢檢測、系統性能、語音識別等，有些功能比如人臉解鎖和支付，需要跟軟體做整合，避免安全性的問題。

林宗瑤表示，NeuroPilot人工智慧平台會支持目前市面上大多數常用的App應用，例如，智能照相功能、語音及影像偵測或辨識等。

也會針對一些專業性合作夥伴如商湯、曠視、思必馳、科大訊飛、有道等提供定製化需求。

「我們預期在2018年針對方案提供商提供功能，2019年會有很多App有AI功能進來。

」 林宗瑤表示，過去MTK提供的是交鑰匙的方案，現在提供AI平台將開放給所有的合作夥伴以及非專業的使用者。

所以MTK會提供開發者友好SDK工具包。

未來會更強調工具包的重要性，這個工具包是面向系統級的級別。

在火熱的AI領域，更快速的推出高質量AI應用是搶占市場先機的最好手段。

華為日前針對工程師舉行了「華為Hi AI能力開放公開課」，將幫助嘗試投身AI領域的企業和開發者，提升技術人員競爭力，促進行業技術的提升，共同推動AI生態的發展。

什麼是華為HiAI呢？據了解，HiAI移動計算平台開放三層的能力，分別為雲端能力開放(Huawei HiAI Services)、端側應用能力開放(Huawei HiAI Engine)和端側晶片能力開放(Huawei HiAI Accelerator)。

其中，底層Huawei HiAI Accelerator是HiAI晶片能力開放的核心內容，能夠快速轉化和遷移已有模型，藉助NPU的加速獲得最佳性能，主要依靠麒麟晶片實現。

華為HiAI引擎的目標，通過開放應用層API，使能開發者在不懂AI算法的情況下也能開發高質量AI應用，完全聚焦在應用的體驗和業務實踐上，而不是聚焦在後端大量的模型訓練和算法上。

啟英泰倫科技總經理高君效

啟英泰倫科技總經理高君效表示，AI生態系統主要分為三個領域：基礎層、技術層、應用層。

Chipintelli的主要研究方向是人工智慧晶片及算法和產品整體解決方案，囊括了晶片、神經網絡算法、大數據處理、語音識別、自然語言處理等核心技術，橫跨基礎層和技術層兩個領域，主要服務於應用層的終端設備，如智能家電、智能照明、智能汽車、智能機器人、專用智能硬體等領域。

在AI生態圈中，中科創達給自己的定位是嵌入式人工智慧的一個賦能者。

中科創達副總裁楊宇欣表示，雖然目前各大網際網路公司都在投入AI技術研發，希望通過雲端來提高AI能力。

但很多傳統行業數據是不開放的，這時候特別需要提供技術和解決方案的客戶。

中科創達的生態構建主要通過投資一些傳感器和應用算法的團隊來做。

「比如我們投過BELLUS 3D，就是我們做的人臉3D重建公司，還有一家PreceptIn，是做雙目深度視覺傳感器，給無人車、機器人提供雙目的測距算法和模組。

有我們投了一家叫黑芝麻，主要做車相關的算法。

」 楊宇欣表示，對很多的垂直行業來講，機器視覺的算法有很多不同的應用場景，這些場景需要很多的算法。

中科創達建立了一整套AI的算法平台，能夠快速的訓練和生成算法。

所以中科創達不但與商湯等算法公司有合作，也類似於華為的麒麟970合作，來進行算法的優化。

另一個賦能者是賽靈思。

「通過提供一些共通的硬體、軟體庫，我們希望幫助用戶完成80%的基礎設計，用戶則可以專注在剩下的算法研發、應用優化等工作上。

」 周海天指出，在AI生態圈，賽靈思的客戶已經不僅是做邏輯、硬體開發了，往往是需要做軟體層面開發。

軟體堆棧使得FPGA可以進入更多的市場。

「我們其實希望讓不懂硬體開發的客戶也可以應用到我們的產品。

」他認為目前主要的雲服務廠商已經廣泛使用FPGA服務，通過完整的加速堆棧支持軟體開發，以及面向嵌入式系統的FPGA設計的軟體驅動工具和方法，賽靈思面向的將不再只是硬體工程師。

在AI的生態布局上，目前賽靈思與非常多的合作夥伴合作，同時也入股了一深鑒科技，主要開發車載相關的嵌入式視覺應用算法。

目前賽靈思與一些客戶共同推出雲平台，比如華為推出華為雲，是賽靈思、華為、深鑒科技一起推動的。

周海天表示，賽靈思未來會針對一些特殊的應用，如汽車自動駕駛等布局一些算法公司，同時也會與很多公司進行合作。

「我們絕對是AI生態的一個關鍵技術環節，我們可以提供一個核心的AI技術給生態圈，給AI更加普遍的應用。

」對於賽靈思在人工智慧生態的定位，他最後表示。

IC工程師將失業？AI將如何改變晶片業？

AI作為一種技術或工具，正在深深的影響和改變各行各業。

那麼AI對於晶片設計業本身有沒有影響呢？

啟英泰倫科技總經理高君效認為，網際網路時代造就了谷歌、Facebook以及BAT等巨頭。

隨著AI從雲端向終端的轉移，各大半導體巨頭紛紛將AI作為布局重點，半導體產業無疑將會首先受益。

而由於AI晶片的數字邏輯規模很大，也會推動半導體工藝往更高的工藝節點邁進，以獲得更佳的面積成本和功耗。

最後，隨著AI行管晶片公司越來越多，也會產生更多的關聯設計服務公司，產業的發展會促進相關人員的就業，提供更多的工作崗位。

眼擎科技CEO 朱繼志

眼擎科技CEO朱繼志認為，從橫向來看，AI產業就像一個大腦，各個產業是器官，大腦是給各個產業賦能的行業，驅動很多工業、汽車、醫療等器官產業升級，帶來很多新的機會和挑戰，給大家賦予大腦，影響是很大的，之前說過，AI是軟體驅動硬體，將來的產業結構將發生變化，軟體定義，軟硬融合會更加明顯；縱向來看，對上游晶片企業也會有很大的影響。

AI的本質是算法驅動晶片，算力、算法、數據三個重點需求會重新定義設計；越來越多的軟體公司，硬體公司，在新的一輪晶片的競爭當中都會參與進來，傳統晶片公司的地位雖然穩定，但會面臨挑戰；在這個過程當中，需要更多種類，更加靈活的IP。

金勇斌則認為，目前還沒看到哪個前端的半導體對AI的工藝產生顛覆性的需求。

目前深度學習的加速器效率應該追求合適而並不是先進工藝。

「主要還是看應用需求，如果追求極致的效能比，當然工藝越先進越好，但是如果考慮到成本後也沒有競爭性。

」 金勇斌認為，成本對於AI終端的普及很重要，因此就算是在40nm的晶片上也可以做出合適的AI晶片。

當然，AI影響到的不僅是晶片公司，還包括上游的EDA公司。

Cadence Design Systems等EDA供應商早在1990年代初就開始研究機器學習。

Cadence研發部資深總監David White表示，這項技術於2013年首次導入於其產品中，採用Virtuoso的一個版本，並利用分析和數據探勘為寄生參數擷取創建機器學習模型。

在2017年5月份，Cadence推出了業界首款獨立完整的神經網絡DSP - Cadence Tensilica Vision C5 DSP。

主要面向對神經網絡計算能力有極高要求的視覺設備、雷達／光學雷達和融合傳感器等應用。

截至目前為止，Cadence已經為其工具提供超過110萬種機器學習模型了，用於加速長時間的計算。

下一個階段的產品開發就是布局與繞線工具，使其得以向人類設計師學習，並推薦可加速運轉時間的優化方案。

White解釋，這些解決方案可能結合使用本地和基於雲端的處理，以利用平行系統和大型數據集。

在工具方面，Cadence一直在研究如何將人工智慧、機器學習應用到模擬、數字、驗證產品線中。

Cadence中國區總經理徐昀認為，晶片設計有很多經驗的積累和很多重複勞動，都可以通過神經網絡的算法和機器學習來得到改善，這可能是未來晶片設計的一個大方向。

「人工智慧需要數據來餵養，我們現在遇到的挑戰是怎麼拿到數據，這需要與客戶和整個行業一起來探討推動。

」徐昀表示。

未來在做晶片或系統的仿真時，機器也會通過慢慢學習達到系統優化，直至有很少的人工干預。

在推進過程中，Cadence將為用戶提供相應接口，也可以接入到第三方的接口。

在一年一度的DesignCon大會上，Synopsys研發總監Sashi Obilisetty表示，在先進工藝節點上，採用現有算法的全局繞線(global routing)工具已經達到極限了，因此他們開始降低晶片數據速率，以實現時序收斂。

她補充說，台積電(TSMC)去年使用機器學習預測全局繞線，使得速度提高了40MHz；Nvidia則用機器學習來提供晶片設計的全面覆蓋，同時減少模擬。

參加這場專題討論的專家們說，他們看到了業界存在著使用各種機器學習技術實現自動化特定決策和優化整體設計流程的許多機會。

具體而言，研究人員正探索以更快速度的AI模型取代當今仿真器的機會。

AI可以在EDA工具(有時是指旋鈕)中設置幾十種選項，協助加速自動化過程。

除了由Amazon、Google和Facebook圖片搜索和語音識別服務推廣的神經網絡模型以外，晶片研究人員也使用了數據探勘、統計學習和其他工具。

最後，隨著EDA工具進入AI時代，IC設計工程師會失業嗎？「需要考慮為什麼企業需要工程師，而不是人工智慧。

工程師能夠為企業提供哪些不一樣的東西？這個關鍵在於工程師要把握好自己的定位，要增加核心競爭力，特別是在整個晶片的規劃、對設計/驗證的全局觀上。

畢竟藝術創作是不可替代的。

」 徐昀表示。

本文為《電子工程專輯》原創，版權所有，謝絕轉載