人工智能技術(shù)迅猛發(fā)展的當(dāng)下，要實(shí)現(xiàn)更高效、更人性化的AI，需要的不僅僅是架構(gòu)、算法，還有幫助AI成型的基石，即AI芯片。作為人工智能得以運(yùn)行的載體，AI芯片的發(fā)展無疑左右著人工智能技術(shù)的進(jìn)步。近日，華為AI戰(zhàn)略完整披露，眾多AI芯片正式亮相，其強(qiáng)勁的性能令眾人驚嘆之時(shí)，也不禁讓人產(chǎn)生疑惑，為何華為要為此改變自身集團(tuán)愿景，AI芯片為何受到這么多的追捧？

初始階段，由于不需考慮功耗等原因，人工智能的芯片可以追求高算力、高并發(fā)、高吞吐量，現(xiàn)階段的解決方案一般是以“GPU＋CPU”的異構(gòu)模式來完成。同時(shí)，這種方案主要面向各大AI企業(yè)及實(shí)驗(yàn)室的訓(xùn)練環(huán)節(jié)，目前市場(chǎng)中由于AMD在此方面的長(zhǎng)期缺失，導(dǎo)致深度學(xué)習(xí)GPU加速市場(chǎng)由NVIDIA一家獨(dú)大。

但隨著人工智能逐漸在云端展開應(yīng)用，對(duì)AI芯片則提出了更多要求，在兼顧高性能的同時(shí)，還需要兼顧功耗及反應(yīng)時(shí)間。而作為半定制的專用集成電路FPGA（現(xiàn)場(chǎng)可編程門陣列）恰好能夠滿足要求，其特點(diǎn)是能耗低，同時(shí)具有低延時(shí)、高吞吐的特性，可以滿足人工智能在云端運(yùn)行的需求。目前，F(xiàn)PGA市場(chǎng)Xilinx和Altera兩家占據(jù)絕對(duì)壟斷地位，市場(chǎng)份額接近90％。

未來，人工智能技術(shù)注定要進(jìn)一步下放至終端設(shè)備，由于物理原因受限，因此芯片的功耗、面積、成本都需要進(jìn)一步優(yōu)化。主要解決方案為獨(dú)立ASIC與SoC＋I(xiàn)P兩種；獨(dú)立ASIC可以通過定制化的設(shè)計(jì)來實(shí)現(xiàn)性能更加優(yōu)越、保密性更強(qiáng)的芯片，但缺點(diǎn)是開發(fā)周期較長(zhǎng)，投入成本巨大，一般公司難以承受。SoC＋I(xiàn)P在ASIC的開發(fā)弊端上具有很大的優(yōu)勢(shì)，但缺點(diǎn)是功能拓展性較弱，此前華為發(fā)布的昇騰系列AI芯片便按照此種方案開發(fā)。

雖然ASIC有種種開發(fā)上的困難，但是作為專用集成電路，其性能與功耗的優(yōu)勢(shì)卻是顯而易見的。在人工智能神經(jīng)網(wǎng)絡(luò)計(jì)算中，與傳統(tǒng)計(jì)算有一定的區(qū)別，導(dǎo)致進(jìn)行神經(jīng)網(wǎng)絡(luò)計(jì)算時(shí)，CPU、DSP、GPU都有算力、性能、能效等方面的不足，所以產(chǎn)生了專為神經(jīng)網(wǎng)絡(luò)計(jì)算而設(shè)計(jì)處理器或加速器的需求。由于ASIC屬于定制類的芯片，涉及重新設(shè)計(jì)電路，因此生產(chǎn)的困難性頗大，目前市場(chǎng)中人工智能ASIC領(lǐng)域龍頭當(dāng)屬Google TPU，其今年5月份發(fā)布的第三代TPU處理器本身的功能為第二代的兩倍。

以手機(jī)為例，在智能手機(jī)這類設(shè)備之中一般都有GPU及CPU，可以為人工智能提供相應(yīng)的運(yùn)算能力支持，那為何還要專門開發(fā)AI芯片來進(jìn)行這項(xiàng)工作呢？這里舉一個(gè)簡(jiǎn)單的例子，去普通飯店吃飯時(shí)可以選擇各種菜系，可能會(huì)比較美味，但若想要品嘗正宗的菜肴，要去專門的飯店才有可能吃到。

AI芯片也是如此，雖然手機(jī)也會(huì)有GPU及CPU，但功耗低、重量輕、厚度薄才是其追求的方向。專用的AI芯片能夠?qū)崿F(xiàn)最高效率及能力，并且只占用很小的空間及更低的功耗。同時(shí)不會(huì)占用CPU及GPU太多的資源，可以保證手機(jī)在運(yùn)行人工智能的同時(shí)還能進(jìn)行其他操作。

當(dāng)然AI芯片的重要性不止于此。以Google TPU1為例，其擁有256X256尺寸的脈動(dòng)陣列，約為700MHz，擁有64K個(gè)乘法單元，每個(gè)單元單次可執(zhí)行一個(gè)乘法及加法，即128K個(gè)操作。那么TPU1每秒的巔峰計(jì)算次數(shù)為約90Tops，當(dāng)然這里只是理論數(shù)值，由于數(shù)據(jù)傳輸、存儲(chǔ)、提取等原因，往往達(dá)不到峰值速率。

但是，相較于普通GPU及CPU方案來進(jìn)行訓(xùn)練時(shí)，尤其目前神經(jīng)網(wǎng)絡(luò)尺寸越發(fā)龐大，參數(shù)更加繁雜，通常大型NN模型的訓(xùn)練時(shí)間長(zhǎng)達(dá)幾周甚至數(shù)月，而期間出現(xiàn)各種意外情況也會(huì)影響到訓(xùn)練的進(jìn)度，如停電等。而采用了TPU1則可以在一頓飯的時(shí)間內(nèi)完成，其效率大大提升。

而AI芯片雖然被冠以AI之名，但其本質(zhì)還是一枚芯片。在經(jīng)歷中美貿(mào)易戰(zhàn)初期的交鋒后，國(guó)內(nèi)企業(yè)已經(jīng)紛紛醒悟過來若沒有自己的核心技術(shù)，即使做到再強(qiáng)也不過一堆沙灘上的雕塑而已，浪潮一來即可覆滅。

在面對(duì)CPU及GPU被國(guó)外企業(yè)壟斷的格局下，AI芯片成為了國(guó)內(nèi)廠商新的突破點(diǎn)。目前來看，人工智能技術(shù)中美兩國(guó)基本處于同一起跑線上，因此對(duì)于AI芯片的開發(fā)更加有利。但是芯片的設(shè)計(jì)并非一朝一夕之功，加之我國(guó)的芯片制造能力也非常薄弱，需要投入大量人力財(cái)力才可能得出有效的產(chǎn)品。國(guó)內(nèi)目前對(duì)AI芯片投入研究的企業(yè)有寒武紀(jì)、華為海思、中興微電子、阿里平頭哥等，還有許多小型企業(yè)也紛紛跟風(fēng)進(jìn)入AI芯片領(lǐng)域中。

這是由于AI芯片制作并不同傳統(tǒng)芯片一般，不需要花費(fèi)精力制作IP內(nèi)核，直接采用其他IP再加上架構(gòu)層面的優(yōu)化，針對(duì)業(yè)務(wù)需求對(duì)IP進(jìn)行整合，因此制作的門檻大大降低，如上述提到的SoC＋I(xiàn)P方案。華為昇騰系列的推出為AI國(guó)產(chǎn)芯片注入了一針強(qiáng)心劑，極大地振奮了國(guó)產(chǎn)AI芯片相關(guān)制造企業(yè)。

但值得注意的是，雖然華為推出了AI芯片，但其在手機(jī)端的應(yīng)用依然有許多局限性，大多只應(yīng)用于圖片識(shí)別上。不僅華為如此，蘋果及聯(lián)發(fā)科也是如此，如何拓展未來AI的更多應(yīng)用，成為了下一步將要邁出的關(guān)鍵。