软硬结合将会是研发AI芯片趋势
发布时间:2019-12-19 23:09
2018年以来,不少以算法为主的语音、视觉、自动驾驶等公司也开端研制AI芯片,将算法和芯片进行更好的结合,来针对多样化的场景,未来软硬结合将会是趋势。   跟着深度学习和AI运用的不断演进,近两年AI芯片厂商不断涌现,加之交易冲突中芯片概念的遍及,2018年的AI芯片范畴继续炽热。在国内,贴上AI芯片标签的公司现已超越40家,其间的佼佼者们取得不菲融资。   虽然现在AI在职业运用方面的浸透有限,可是算力的供需仍是不平衡。近来,华为智能核算业务部总裁邱隆就向21世纪经济报导记者表明: 原因由摩尔定律驱动的核算工业,面对爆发式的核算需求无以为继。摩尔定律在正常的时分,以每年1.5倍增加,50%的算力增加,在曩昔几年间,每年的算力实际增加只要10%。人工智能在曩昔几年间,算力增加了30万倍,至少每一年咱们的算力要增加10倍。   这意味着人工智能除了算法外,对算力也存在强壮的需求。面对增多的B端运用场景,也有更多的AI芯片公司参加比赛。从功用视点细分,AI芯片可分为练习芯片和推理芯片,在练习方面,现在英伟达别出心裁,可是在推理方面,可挑选的芯片品种不只是GPU,还有FPGA、ASIC等。在各个分类中,芯片巨子们各有千秋,接下来还要检测落地情况。   芯片现在首要是供给算力支撑,2018年,AI芯片大厂和创业公司们均有不少新动作。   最大的玩家当属英伟达和英特尔。英伟达的GPU抓住了核算设备需求的要害机遇,在图形烘托、人工智能和区块链范畴的核算体现杰出,期望成为真实的算力渠道,其间,英伟达在练习方面的代表芯片便是Tesla V100。由于英伟达GPU布局AI的时刻早于英特尔、赛灵思等公司,全体生态较为完好,产品在IT公司中得到广泛运用。   英特尔则经过收买案来补偿AI芯片的赛道:2015年167亿美金收买FPGA巨子Altera。FPGA在云核算、物联网、边际核算等方面有很大的潜力。跟着5G浪潮的到来,物联网的数据剖析及核算需求会暴增,物联网的接入节点至少是数百亿级的规划,比手机规划要高出1-2个数量级。物联网的典型需求是需求灵敏运用算法的改变,这是FPGA的强项,FPGA能够经过本身结构的改变来习惯定制化核算场景的需求,能为不同类型的设备供给高效芯片。   一起,英特尔还收买了Nervana,方案用这家公司在深度学习方面的才能来对立GPU,Nervana的最新版深度学习芯片将在2019年量产。此外,英特尔还收买了视觉处理芯片草创公司 Movidius、自动驾驶公司Mobileye。   算法巨子谷歌则另辟蹊径,以ASIC类型的芯片来满意本身需求。详细来看,谷歌的TPU经过脉动阵列这一中心架构来提高算力,2018年发布的TPU3.0版别选用8位低精度核算节约晶体管,速度能加速最高100PFlops。   再看国内,华为在2018年10月发布了两颗AI芯片 昇腾910和昇腾310。昇腾910首要用于云端核算,其半精度算力达到了256 TFLOPS,估计将于2019年第二季度量产;昇腾310用于终端低功耗场景,具有8TFLOPS半精度核算力,现在现已量产,可是并不对外出售。   国内的明星草创企业也纷繁取得出资或许收买。2018年中,寒武纪推出面向数据中心商场云端智能芯片 MLU100,浪潮、联想、曙光的AI服务器产品将搭载MLU100 芯片。可是在手机端,华为麒麟芯片将用达芬奇架构替代寒武纪架构。另一家公司地平线挑选自动驾驶的场景,奥迪是其合作伙伴。产品包含根据旭日2.0处理器架构的XForce边际AI核算渠道、根据征途2.0 架构的地平线 Matrix 自动驾驶核算渠道、中心板旭日X1600、智能摄像机解决方案等。   深鉴科技则在2018年被赛灵思收买,价格约3亿美元。深鉴科技一方面供给根据神经网络深度紧缩技能和DPU渠道,为深度学习供给端到端的解决方案。另一方面经过神经网络与FPGA的协同优化,供给高性价比的嵌入式端与云端的推理渠道,已运用于安防、数据中心、轿车等范畴。   全体而言,英伟达的实力在榜首队伍,可是竞争者很多,除了上述企业外,AMD、高通、联发科、三星等公司均在AI芯片上有所布局,而且战况益发剧烈。   不过,现在在AI芯片范畴没有哪一家占有绝对优势,集邦咨询向21世纪经济报导记者表明: 草创企业方面,就咱们的调查,究竟仍在草创阶段,客户的选用志愿,以及导入后,终端商场的承受情况,将是未来需求调查的当地。总结来看,仍是世界芯片大厂的布局速度较快。   从国内和国外的视点看,一位AI业内人士告知21世纪经济报导记者: 国内外首要是技能结构上的距离,底层技能科学上和国外的距离明显,可是运用层面上距离不大,乃至有立异的运用点。不少AI芯片公司经过定制化服务小规划客户,针对B端场景进行开发,比方专门处理语音、图画。   一起,AI芯片也面对不少应战,杜克大学教授陈怡然就曾说到,AI芯片在规划方面有四大应战。   其一是大容量存储和高密度核算,当神经深度学习网络的复杂度越来越高的时分,参数也会越来越多,怎样处理是一大难题;第二个应战是要面对特定范畴的架构规划,由于场景越来越丰厚,这些场景的核算需求是彻底不一样的。怎样样经过关于不同的场景的了解,设置不同的硬件架构变得十分重要。   第三个应战是芯片规划要求高,周期长,本钱贵重。从芯片标准规划、芯片结构规划、RTL规划、物理地图规划、晶圆制作、晶圆测验封装,需求2到3年时刻,正常的时刻里软件会有一个十分快速的开展。可是算法在这个期间内将会快速更新,芯片怎么支撑这些更新也是难点。   第四个应战是架构及工艺。跟着工艺不断的提高,从90纳米到10纳米,逻辑门出产的本钱到最终变得饱满。或许在速度上、功耗上会有提高,但单个逻辑出产的本钱不会再有新的下降。这种情况下假如依然用几千乃至上万个晶体管去做一个比较简单的深度学习的逻辑,最终在本钱上是因小失大的。   在芯片的工业链中,出产环节首要依托台积电、格芯等芯片代工厂商。可是国内涵规划范畴逐渐行进,而且AI专用芯片相关于CPU、GPU来说难度没有那么大,因而不少创业公司也为自己通晓的职业定制AI芯片。   2018年以来,不少以算法为主的语音、视觉、自动驾驶等公司也开端研制AI芯片,将算法和芯片进行更好的结合,来针对多样化的场景,未来软硬结合将会是趋势。