8月中旬，人工智能芯片初創(chuàng)公司寒武紀(jì)獲得1億美元的A輪融資，至此成為該領(lǐng)域的第一個(gè)“獨(dú)角獸”，緊接著，9月初，華為在IFA 2017上正式發(fā)布了全球首款面向手機(jī)的人工智能芯片“麒麟970”。

就在這前后不到一個(gè)月的時(shí)間里，“人工智能芯片”成為了人人爭(zhēng)相熱議的一個(gè)產(chǎn)品、一個(gè)產(chǎn)業(yè)。

人工智能芯片熱度漸升，多家公司早已著手布局

前段時(shí)間，因?yàn)楸豢醋鍪钱?dāng)前智能家居的入口之一，“智能音箱”一下子受到了人們的極大關(guān)注，而隨著小愛(ài)同學(xué)、天貓精靈等產(chǎn)品的相繼推出，更是將這股熱潮推上了頂端。

就在這股浪潮漸漸平穩(wěn)的時(shí)候，“人工智能芯片”緊跟而上，引起了人工智能領(lǐng)域的又一波新的浪潮。事實(shí)上，在這第三次的人工智能浪潮中，作為讓人工智能技術(shù)更快、更好運(yùn)行的基礎(chǔ)硬件設(shè)施，人工智能芯片必然是未來(lái)智能化時(shí)代的一種趨勢(shì)。也因此，雖然人工智能芯片相比于其他人工智能技術(shù)和應(yīng)用顯得低調(diào)得多，但它的布局依舊是眾多廠商眼中不能錯(cuò)過(guò)的“機(jī)遇”：

買買買的英特爾——至今，為了不再錯(cuò)過(guò)人工智能芯片，英特爾陸陸續(xù)續(xù)收購(gòu)了Altera、Yogitech、Nervana、Movidius、Mobileye等多家公司，拿下了他們的FPGA等多種技術(shù)。

GPU在手，誰(shuí)與爭(zhēng)鋒的英偉達(dá)——憑借著GPU在人工智能應(yīng)用中的先天性優(yōu)勢(shì)，英偉達(dá)已經(jīng)走在了人工智能芯片的前列。不過(guò)，就在最近，黃仁勛也發(fā)布了一款針對(duì)深度學(xué)習(xí)而打造的芯片Tesla V100。

緊盯FPGA的微軟——微軟把重心放在FPGA人工智能芯片上，已經(jīng)被用在Bing搜索的支持上。另外，其也推出了基于FPGA的視覺(jué)芯片A-eye，讓攝像頭具有視覺(jué)理解能力，可應(yīng)用在機(jī)器人、汽車和無(wú)人機(jī)等多種智能產(chǎn)品。

與此同時(shí)，國(guó)內(nèi)的廠商也是蠢蠢欲動(dòng)。

首個(gè)獨(dú)角獸“寒武紀(jì)”——因?yàn)楦哌_(dá)1億美元的A輪融資，寒武紀(jì)成為了人工智能芯片領(lǐng)域的首個(gè)獨(dú)角獸，通過(guò)的IP授權(quán)的形式，其技術(shù)已經(jīng)在華為人工智能芯片麒麟970上面得到了商業(yè)化;

主打“嵌入式”的地平線機(jī)器人—— 地平線機(jī)器人致力于打造基于深度神經(jīng)網(wǎng)絡(luò)的人工智能“大腦”平臺(tái)，包括軟硬件。在硬件上，其此前曾表示旗下的人工智能芯片“盤(pán)古”已經(jīng)成功流片商用;

……

從上面多家企業(yè)的布局和產(chǎn)品來(lái)看， 我們能夠清晰地認(rèn)知到，雖然“人工智能芯片”相比于語(yǔ)音識(shí)別等技術(shù)并沒(méi)有得到大眾更多的關(guān)注，但是作為人工智能的基礎(chǔ)硬件設(shè)施，其已經(jīng)成為諸多公司搶奪市場(chǎng)、占據(jù)風(fēng)口的一大戰(zhàn)略制勝點(diǎn)。

人工智能加速，人工智能專用芯片是未來(lái)趨勢(shì)

深度學(xué)習(xí)算法是實(shí)現(xiàn)人工智能技術(shù)和應(yīng)用的核心，其在運(yùn)行過(guò)程中需要對(duì)海量的數(shù)據(jù)進(jìn)行運(yùn)算處理——用已有的樣本數(shù)據(jù)去訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)、用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)去運(yùn)算其他數(shù)據(jù)。對(duì)于傳統(tǒng)計(jì)算架構(gòu)而言，這將是一個(gè)極大的挑戰(zhàn)。

面對(duì)深度學(xué)習(xí)算法這一計(jì)算新需求，GPU(圖形處理器)、FPGA(可編程門(mén)陣列)、ASIC(專用集成電路)等成為了人工智能芯片領(lǐng)域的“被追捧者”。比如GPU，相比于CPU，其具有高并行結(jié)構(gòu)，擁有更多的ALU(Arithmetic Logic Unit，邏輯運(yùn)算單元)用于數(shù)據(jù)處理，適合對(duì)密集型數(shù)據(jù)進(jìn)行并行處理。

值得我們注意的事，不管是讓英偉達(dá)一舉聞名的GPU，抑或是當(dāng)前與GPU不分伯仲的FPGA，在屬性上，它們都只能算是人工智能通用芯片。相比于一開(kāi)始就是“私人訂制”的ASIC，在深度學(xué)習(xí)算法的運(yùn)行上，GPU和FPGA或多或少都有著一些局限：

GPU局限：GPU能夠游刃有余的訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，但在輸出應(yīng)用時(shí)，它一次只能處理一張圖像;相比于FPGA的靈活，GPU硬件結(jié)構(gòu)固定，不具備可調(diào)整性;在實(shí)現(xiàn)相同性能的功耗上，GPU遠(yuǎn)大于FPGA以及ASIC。

FPGA局限：為了實(shí)現(xiàn)可重構(gòu)特性，F(xiàn)PGA內(nèi)部有大量極細(xì)粒度的基本單元，但是每個(gè)單元的計(jì)算能力都遠(yuǎn)遠(yuǎn)低于GPU中的ALU模塊;在深度學(xué)習(xí)算法的運(yùn)行速度和功耗上，F(xiàn)PGA表現(xiàn)的都不如ASIC;FPGA價(jià)格較為昂貴，在某些情況下甚至?xí)哂贏SIC。

不可否認(rèn)，對(duì)于當(dāng)前人工智能的發(fā)展，GPU和FPGA都做出了不小的貢獻(xiàn)，但是從未來(lái)發(fā)展趨勢(shì)來(lái)看，人工智能專用芯片才是未來(lái)的核心。

從上面的一些比較我們可以看出，在功耗和速度上，GPU、FPGA與ASIC之間還是有著一定差距的。

針對(duì)人工智能芯片的通用與專用的區(qū)別，地平線機(jī)器人芯片專家馬鳳翔稱，相比于通用芯片，專用芯片是為特定場(chǎng)景而定制的，具備低功耗、低成本、高性能的優(yōu)勢(shì)。再通俗一點(diǎn)講，就如寒武紀(jì)創(chuàng)始人之一的陳云霽所舉出的例子，普通的處理器就好比“瑞士軍刀”，雖然通用，但不專業(yè)，造成浪費(fèi)，但是做菜的時(shí)候，還是菜刀得心應(yīng)手，而專業(yè)的深度學(xué)習(xí)處理器就是這把更高效、更快捷的“菜刀”。

與此同時(shí)，不僅僅是性能的要求，隨著人工智能技術(shù)的發(fā)展，其應(yīng)用范圍也將進(jìn)一步擴(kuò)大。未來(lái)，自動(dòng)駕駛、機(jī)器人、智能家居等等終將充斥我們的生活，這其中所隱藏的將是一個(gè)無(wú)可估量的市場(chǎng)需求。屆時(shí)，不管是所需要處理的數(shù)據(jù)，抑或是運(yùn)算速度，與現(xiàn)在相比都將不是一個(gè)量級(jí)，若想做的更好，就只能向人工智能專用芯片靠攏。

人工智能專用芯片商業(yè)化，IP授權(quán)是當(dāng)前的最佳出路

隨著寒武紀(jì)成為AI芯片領(lǐng)域首個(gè)“獨(dú)角獸”、華為麒麟970的推出，以及后面蘋(píng)果、三星等多家重量級(jí)廠商相繼宣布AI芯片的規(guī)劃，“如何實(shí)現(xiàn)技術(shù)、產(chǎn)品的商業(yè)化落地”就成為了接下來(lái)需要廠商們亟待解決的問(wèn)題。

目前，運(yùn)用ASIC架構(gòu)的人工智能專用芯片中，最典型、最具代表性的當(dāng)屬寒武紀(jì)旗下的產(chǎn)品和谷歌的TPU了，不同的是，前者服務(wù)的對(duì)象是廣大客戶，而后者則是服務(wù)于自己的人工智能系統(tǒng)Tensor-flow。

談及商業(yè)化，雖然中星微、寒武紀(jì)的產(chǎn)品此前都有所流片，但是從當(dāng)前的整體來(lái)看的話，相比于流片，IP授權(quán)或許更適合人工智能專用芯片，尤其是對(duì)于創(chuàng)企而言。至于原因，可以總結(jié)為兩點(diǎn)：

第一，與其急著流片實(shí)現(xiàn)商業(yè)化，不如緩下腳步達(dá)到芯片生態(tài)圈

的確，對(duì)于企業(yè)來(lái)說(shuō)，流片是一種能夠快速實(shí)現(xiàn)商業(yè)化的方法，并且收獲的利潤(rùn)也是可觀的。但是，這樣一來(lái)難免顯得有些激進(jìn)，一不小心或許就會(huì)造成失誤。相比之下，通過(guò)IP授權(quán)來(lái)慢慢拉攏客戶構(gòu)建生態(tài)圈、“蠶食”人工智能芯片市場(chǎng)顯得更為從容有序。

說(shuō)到IP授權(quán)，我們第一個(gè)想到的就是ARM，作為后起之秀的它通過(guò)IP授權(quán)的策略打敗了當(dāng)時(shí)的業(yè)內(nèi)老大Intel。ARM大中華區(qū)總裁吳雄昂曾一句話總結(jié)成功——建立了一個(gè)有強(qiáng)大活性和創(chuàng)新力的生態(tài)圈，為生態(tài)圈的合作伙伴提供了一種共贏模式，參與其中的企業(yè)有很高的成功率和利潤(rùn)空間。另外，ARM生態(tài)圈的成員并不受限于ARM平臺(tái)，在此基礎(chǔ)上可以有無(wú)限的創(chuàng)新空間。

當(dāng)前，深度學(xué)習(xí)算法可能還沒(méi)有那么的成熟，而人工智能的極大需求又對(duì)芯片的性能和功耗提出了新要求。與此同時(shí)，ASIC還有一個(gè)bug——架構(gòu)固定不具備靈活性，這是其略遜于FPGA的一處。不過(guò)，通過(guò)IP授權(quán)，這將允許客戶在指令集基礎(chǔ)上根據(jù)需求創(chuàng)建出自己的內(nèi)核架構(gòu)，并可添加各種片內(nèi)外設(shè)比如通信接口等等，從而生產(chǎn)出自己的“處理器芯片”，就像此次的華為麒麟970。

目前來(lái)講，人工智能還處在一個(gè)初級(jí)階段，相比于“思維定式”，更為靈活的架構(gòu)或許將會(huì)更受歡迎。如此一來(lái)，圍繞人工智能專用芯片將會(huì)逐步形成一個(gè)生態(tài)圈，這對(duì)于芯片企業(yè)以后的規(guī)劃而言將是重要的一步棋。

第二，人工智能專用芯片流片具備風(fēng)險(xiǎn)

前面也提過(guò)，相比于人工智能通用芯片，人工智能專用芯片具備低成本低功耗的優(yōu)勢(shì)，但是有一個(gè)前提，那就是實(shí)現(xiàn)高出貨量。

比如ASIC和FPGA，比起一次性成本，前者的成本是遠(yuǎn)遠(yuǎn)高于后者的，不過(guò)，在同樣實(shí)現(xiàn)高量產(chǎn)的前提下，后者的成本將轉(zhuǎn)變?yōu)榍罢叩?0倍，甚至是100倍。因此，如果不能實(shí)現(xiàn)量產(chǎn)的話，這對(duì)于人工智能專用芯片將是一件極為不利的事。

當(dāng)然，在性能和功耗上，人工智能專用芯片遙遙領(lǐng)先，但也不能忽視其一旦流片，功能就不能更改的事實(shí)，這也是造成人工智能專用芯片上市慢的一個(gè)原因所在。

結(jié)語(yǔ)

在多起事件的聯(lián)動(dòng)下，人工智能專用芯片已經(jīng)成為了一個(gè)“大藍(lán)海”，引得國(guó)內(nèi)外科技巨頭、AI創(chuàng)企紛紛跳入其中，意圖攀上中間那座小島的制高點(diǎn)。

最后，攀上那座小島的只會(huì)是人工智能專用芯片，至于最后是誰(shuí)，又是怎么攀上的，我們目前只能持以觀望的態(tài)度。