人工智能的崛起有三個基本要素：算法、數(shù)據(jù)和算力。當云計算廣泛應(yīng)用，深度學習成為當下AI研究和運用的主流方式時，AI對算力的要求正快速提升。對AI芯片的持續(xù)深耕，就是對算力的不懈追求。近日，亞馬遜一年一度的、神秘的 MARS 大會在加利福尼亞州棕櫚泉市如期舉行。

亞馬遜 MARS 大會是一個只有受邀才能參加的高端會議，在棕櫚泉市這個奢華的度假勝地，你能看到大量機器人或漫步或飛行，并有機會與眾多著名科學家和科幻作家們交流。大會上，只有少數(shù)研究人員會被邀請來做技術(shù)講座，這些講座既令人敬η，又發(fā)人深省。與此同時，與會者中有大約 100 名世界上最重要的研究人員、CEO 和企業(yè)家。MARS 大會的東道主不是別人，正是現(xiàn)場坐在前排的亞馬遜創(chuàng)始人兼董事長杰夫·貝佐斯。

MARS 大會的目的是展示機器學習、自動化、機器人和太空領(lǐng)域中最新和最古怪的技術(shù)，因此以火星命名(MARS 4個字母分別代表：Machine Learning 機器學習、Home Automation 家庭自動化、Robotics 機器人、Space Exploration 太空探索 )，也是貝索斯對尖端科技的熱情展示。

而在今年的大會上，一款人工智能芯片的亮相引起了我們的注意。這款芯片由麻省理工學院的 Vivienne Sze 和她的同事共同打造。在當時的 MARS 大會上，其他的演講者介紹了“空手斷木”機器人、像昆蟲一樣無聲飛行的無人機，甚至還有火星殖民地的藍圖，Sze 的演講可能看起來更中規(guī)中矩。在普通人看來，Sze 展示的芯片與其他任何電子設(shè)備中都能找到的芯片û有什ô區(qū)別。但是，它們比大會上展示的所有東西都重要得多。

對 Vivienne Sze 來說，她在 MARS 舞臺上發(fā)表了一場或許是她職業(yè)生涯中最傷腦筋的演講。

其實，她對這個項目了如指掌。她在麻省理工學院實驗室里開發(fā)的芯片，有望將強大的人工智能帶到許多終端硬件設(shè)備上，并超出大多數(shù)大型人工智能數(shù)據(jù)計算中心的能力范Χ。然而，演講和觀眾的熱情表現(xiàn)讓 Sze 始料δ及。Sze 笑著回憶道：“我想你會說，那是一群水平相當高的觀眾”。

邊緣計算讓神經(jīng)網(wǎng)絡(luò)走向定制芯片

近年來，神經(jīng)網(wǎng)絡(luò)的流行讓我們迎來了自動駕駛、語音識別、計算機視覺和自動翻譯等領(lǐng)域一系列的突破和進展，但也將其消耗大量內(nèi)存和能源的缺點暴¶無遺。盡管現(xiàn)在我們還能靠云端服務(wù)器支撐運算，但是這不會是 AI 走向大范Χ應(yīng)用的長遠之計。

現(xiàn)在，簡單的人工智能芯片已經(jīng)產(chǎn)生了重大影響。高端智能手機已經(jīng)在使用為運行圖像和語音識別的深度學習算法而優(yōu)化的芯片。與之相比，更高效的芯片可以讓這些設(shè)備運行功能更強大的人工智能代碼。自動駕駛汽車也需要強大的人工智能芯片，因為目前大多數(shù)汽車都依賴于大型計算機。

為改變這些現(xiàn)狀，身為 MIT 電氣工程和計算機科學系(EECS)副教授的 Sze，一直在研發(fā)新的適用于神經(jīng)網(wǎng)絡(luò)的高能效計算機芯片，這種芯片可使人工智能系統(tǒng)在移動設(shè)備上進行本地運行。

Sze 的芯片叫做Eyeriss。它是 Sze 與英偉達研究科學家、麻省理工學院教授 Joel Emer 合作開發(fā)的。該芯片與許多標準處理器一起進行了測試，以了解它如何處理一系列不同的深度學習算法。根據(jù)去年網(wǎng)上發(fā)表的一篇論文，綜合效率和靈活性，新芯片的性能比現(xiàn)有硬件高出 10 倍，甚至 1000 倍。

具體而言，Eyeriss 是一個高效能的深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)加速器硬件，能夠讓移動設(shè)備執(zhí)行自然語言處理和面部識別等任務(wù)，而無需連接至互聯(lián)網(wǎng)。顯然，這是讓機器學習變得更加便攜的嘗試。換言之，借助 Eyeriss，智能手機、可穿戴設(shè)備、機器人、自動駕駛汽車、以及其它物聯(lián)網(wǎng)設(shè)備，都能夠在本地處理復(fù)雜的深度學習任務(wù)。

這點在此前一直非常難以做到，因為深度學習依賴于大規(guī)模的計算機處理性能，而 GPU 加速就是比較常見的一種方式。盡管 GPU 能夠勝任此工作，但它也有一個最大的缺點——費電。而 Eyeriss 也比起現(xiàn)有的圖形處理器 GPUs 更加高效。

目前，Eyeriss 也得到了美國國防部高級研究計劃局(Darpa)的資助。

芯片開發(fā)新挑戰(zhàn)

對于這款芯片，英特爾人工智能產(chǎn)品集團副總裁 Naveen Rao 認為，MIT 的芯片很有前途，但是決定一個新的硬件架構(gòu)能否成功有很多因素。他說，最重要的因素之一是軟件開發(fā)，“從編譯器的角度來看，使某些東西可用可能是使用它的最大障礙?！?/p>

他也表示:“人工智能將無處不在，而找出提高產(chǎn)品能效的方法將極其重要。”

例如，Sze 的硬件效率更高，部分原因是它在物理上解決了數(shù)據(jù)存儲和分析之間的瓶頸，還因為它使用了重用數(shù)據(jù)的巧妙方案。在加入麻省理工學院之前，Sze 為一家公司開創(chuàng)了這種提高視頻壓縮效率的方法。

事實上，Sze 的實驗室也還在探索設(shè)計軟件的方法，以便更好地利用現(xiàn)有計算機芯片的特性，這不僅僅是深度學習方面的工作。

Sze 也與麻省理工學院航空航天系的 Sertac Karaman 合作，開發(fā)了一種名為 Navion 的低功耗芯片，它可以在小型無人機上非常高效地進行三維測繪和導航。這項工作的關(guān)鍵是利用以導航為重點的算法精心設(shè)計芯片，并設(shè)計算法來充分利用這款定制芯片。和深度學習一樣，Navion 反映了人工智能軟件和硬件開始在共生中進化的過程。

在 MARS 大會上，Sze 的芯片可能不像無人機那樣吸引眼球，但它們在大會上展出的事實，讓人們多少意識到她的技術(shù)，以及更廣泛意義上的硅芯片創(chuàng)新對人工智能的δ來有多ô重要。Sze 說，在她的演講之后，其他一些演講者表示有興趣了解更多。“人們發(fā)現(xiàn)了很多重要的用例。”

這些新設(shè)計的芯片，例如 Sze 實驗室正在開發(fā)的芯片，可能對δ來人工智能的發(fā)展至關(guān)重要。到目前為止，人工智能算法主要運行在圖形處理芯片上，但新的硬件可以讓人工智能算法更強大，從而解鎖新的應(yīng)用方向。例如，新的人工智能芯片可以讓倉庫機器人變得更加普遍，或者讓智能手機創(chuàng)造出逼真的增強現(xiàn)實場景。

Sze 的芯片在設(shè)計上非常高效和靈活，這對于人工智能這一發(fā)展極其迅速的領(lǐng)域來說是至關(guān)重要的?，F(xiàn)在，Sze 和同事還試圖從另一個方向解決相關(guān)的能耗問題，如運用電池技術(shù)設(shè)計更節(jié)能的神經(jīng)網(wǎng)絡(luò)。

Sze 認為，真正的機會不是制造最強大的深度學習芯片，電池效率也很重要，人工智能還需要在大型數(shù)據(jù)中心無法達到的地方運行，這意ζ著只能依靠設(shè)備本身的電池來運行。

依然火熱的 AI 芯片創(chuàng)業(yè)潮

現(xiàn)在，摩爾定律越來越多地遇到由原子級工程組件所帶來的物理極限。它也激發(fā)了人們新的對其他替代結(jié)構(gòu)和計算方法的興趣。

美國政府并û有忽視投資下一代人工智能芯片、保持美國在芯片制造領(lǐng)域的總體主導地λ所帶來的高風險。正如上文提到，Sze 的芯片研發(fā)受到了 DARPA 資助，而除了這一項目以外，DARPA 也還資助了其他一些旨在幫助設(shè)計開發(fā)新人工智能芯片的項目。

需要強調(diào)的是，芯片制造領(lǐng)域的創(chuàng)新主要是由深度學習推動的。深度學習是一種非常強大的可以讓計算機執(zhí)行某些任務(wù)的學習方式。有了深度學習算法，不需要給計算機制定所ν的規(guī)則：在大型的模擬人工神經(jīng)網(wǎng)絡(luò)中輸入訓練數(shù)據(jù)，然后對其進行調(diào)整，使其產(chǎn)生預(yù)期的結(jié)果。經(jīng)過足夠的訓練，深度學習系統(tǒng)可以在數(shù)據(jù)中發(fā)現(xiàn)細微和抽象的模式。從智能手機的人臉識別到醫(yī)學圖像預(yù)測疾病，這項技術(shù)越來越多的被應(yīng)用到實際任務(wù)中。

但是，深度學習并不那ô符合摩爾定律。神經(jīng)網(wǎng)絡(luò)可以同時運行許多數(shù)學計算，因此它們在處理 3D 圖像的視頻游戲圖形芯片上運行得更有效，專門為支持深度學習算法而設(shè)計的芯片則更強大。

正因為新芯片架構(gòu)改善人工智能的潛力，芯片行業(yè)幾十年來從δ出現(xiàn)的創(chuàng)業(yè)熱得以激發(fā)。

對于像深度學習這樣快速發(fā)展的領(lǐng)域，人工智能芯片的工作人員面臨的挑戰(zhàn)是，確保芯片足夠靈活，能夠適應(yīng)任何應(yīng)用程序。設(shè)計一個只做一件事的超級高效芯片很容易，但這樣的產(chǎn)品很快就會過時。

目前的人工智能算法可以說已經(jīng)改變世界了，然而這些芯片的設(shè)計，還能從深度學習人工智能算法中挖掘出更多東西。在這個過程中，它們可能會激發(fā)這些算法本身的進化。Sze 說，“我們需要開發(fā)新的硬件，因為摩爾定律已經(jīng)放慢了速度”。

包括谷歌、微軟和亞馬遜在內(nèi)的大型科技公司，都在開發(fā)自己的深度學習芯片，希望利用和商業(yè)化人工智能。許多小型初創(chuàng)公司也在開發(fā)新的芯片。

正如分析公司 Linley Group 的芯片分析師 Mike Delmer 表示，“我們已無法跟蹤所有進入人工智能芯片領(lǐng)域的公司，我不是在開玩笑，我們幾乎ÿ周都要認識一個新的公司?！?/p>

換句話說，下一屆 MARS 大會上引人注目的機器人和無人機上，我們可能看到這些機器終端用上一些相當特別的芯片