50 億年前，發(fā)生了一件了不起的事情：新的生物種類驚人地突然增加。古生物學(xué)家稱其為寒武紀大爆發(fā)，今天地球上的許多動物都將其譜系追溯到這一事件。

第三方機構(gòu)晨星報告顯示，2021年，人工智能芯片市場總價值將達200億美元。TechNavio預(yù)測，到2021年，全球人工智能芯片年均復(fù)合增長率將超過54%。秉持各自的技術(shù)路徑，芯片領(lǐng)域的巨頭們紛紛入局這場硝煙尚未完全燃起的戰(zhàn)爭?？梢灶A(yù)見，AI芯片的戰(zhàn)場又將是一片狼煙混戰(zhàn)。

在AI芯片這場混戰(zhàn)中，深度學(xué)習(xí)成為焦點領(lǐng)域。從芯片處理結(jié)構(gòu)看，整個環(huán)節(jié)分為訓(xùn)練(Training)算法和利用算法推理(Inference)結(jié)論兩個部分。訓(xùn)練是人工智能的基礎(chǔ)，構(gòu)建應(yīng)用的關(guān)鍵。

在這一環(huán)節(jié)，Intel利用Xeon Phi處理器與NVIDIA的GPU直面競爭，并通過多項收購擴大產(chǎn)品布局。圍繞兩家巨頭的競爭，Google和AMD雖有心殺入戰(zhàn)局，但仍在邊緣，而更小的創(chuàng)業(yè)者則仍處于探索階段。推理層則表現(xiàn)出了群雄大亂斗的場景，一些沒有芯片研發(fā)背景的公司也紛紛加入戰(zhàn)局，去爭搶市場盤子高達200億美元的未來。

作為深度學(xué)習(xí)的重要載體，神經(jīng)網(wǎng)絡(luò)芯片正受到全球科技巨頭的高度關(guān)注。比如英特爾正在研發(fā)的自我學(xué)習(xí)神經(jīng)元芯片Loihi引起業(yè)界關(guān)注。Loihi可以模擬出人類大腦的功能，集成超過13萬個神經(jīng)元和1.3億個突觸，用以復(fù)制神經(jīng)的方式進行運算和思考，不需要以傳統(tǒng)的方式進行訓(xùn)練，就能實現(xiàn)自我進化和決策。與通常用于訓(xùn)練人工智能系統(tǒng)的芯片相比，Loihi芯片的能效提升了1000倍。

正如最近的嵌入式視覺峰會明確指出的那樣，今天的嵌入式視覺和人工智能處理器中也發(fā)生了類似的事情。上個月在加利福尼亞州圣克拉拉舉行的現(xiàn)場活動側(cè)重于為將人工智能和視覺融入其產(chǎn)品的產(chǎn)品創(chuàng)造者的實用知識。

這些產(chǎn)品需要 AI 處理器來平衡高性能、低功耗和成本敏感性的沖突需求。峰會上展出的數(shù)量驚人的嵌入式 AI 芯片突顯了業(yè)界對這一需求的反應(yīng)。雖然針對計算機視覺和機器學(xué)習(xí) (ML) 的處理器數(shù)量是壓倒性的，但有一些自然分組使該領(lǐng)域更容易理解。以下是我們看到的一些主題。

首先，一些處理器供應(yīng)商正在考慮如何最好地服務(wù)于同時將 ML 應(yīng)用于來自不同傳感器類型的數(shù)據(jù)(例如音頻和視頻)的應(yīng)用程序。例如，來自 Synaptics 的 Katana 低功耗處理器融合了來自各種傳感器的輸入，包括視覺、聲音和環(huán)境。Xperi 關(guān)于未來智能玩具的演講也談到了這一點。

其次，部分處理器供應(yīng)商專注于將功率和成本降至最低。這很有趣，因為它支持新的應(yīng)用程序。例如，Cadence 在峰會上發(fā)表了關(guān)于其 Tensilica 處理器產(chǎn)品組合的新增功能，這些產(chǎn)品支持始終在線的 AI 應(yīng)用程序。Arm 展示了基于其 Cortex-M 系列處理器的低功耗視覺和機器學(xué)習(xí)用例。高通還涵蓋了在其 Snapdragon 系列上創(chuàng)建低功耗計算機視覺應(yīng)用程序的工具。

第三，盡管許多處理器供應(yīng)商主要或完全專注于 ML，但也有少數(shù)供應(yīng)商正在解決通常與深度神經(jīng)網(wǎng)絡(luò)結(jié)合使用的其他類型的算法，例如經(jīng)典計算機視覺和圖像處理。一個例子是 quadric，其新的 q16 處理器據(jù)稱在廣泛的算法中表現(xiàn)出色，包括 ML 和傳統(tǒng)的計算機視覺。

最后，一個全新的物種似乎脫穎而出：神經(jīng)形態(tài)處理器。神經(jīng)形態(tài)計算是指模仿大腦處理信息方式的方法。例如，生物視覺系統(tǒng)處理視場中的事件，而經(jīng)典的計算機視覺方法通常以與視覺信息源無關(guān)的固定幀速率捕獲和處理場景中的所有像素。

峰會的主題演講“基于事件的神經(jīng)形態(tài)感知和計算：傳感和人工智能的未來”概述了神經(jīng)形態(tài)方法的優(yōu)勢。它由匹茲堡大學(xué)教授兼 CMU 機器人研究所兼職教授 Ryad Benosman 提供。Opteran 展示了其神經(jīng)形態(tài)處理方法，以極大地改善視覺和自主性，其設(shè)計靈感來自昆蟲大腦。

無論您的應(yīng)用程序是什么，以及您的要求是什么，總有一款最適合您的嵌入式 AI 或視覺處理器。今年的峰會突出了其中的許多。回顧 10 年，屆時我們將看到 2032 年的 AI 處理器中有多少可以追溯到現(xiàn)代寒武紀大爆發(fā)。