如同一个巨大的 '磁场' , AI的引力从一场技术革命逐渐走向了产业落地. 而作为AI技术的核心, AI芯片也备受关注, 不仅要能够满足AI算力的需求, 还要适应不同的应用场景和不同的位置 (云或端) . AI芯片的争夺也呈现各种流派, 各有拥趸的局面, 到底谁将胜出?
三种路径
目前市场上主流的AI芯片主要有三种路径, 一类是借助于传统芯片执行AI算法, 如CPU, DSP, FPGA等; 第二类是GPU+AI加速器, 实现AI功能; 第三类是定制的ASIC.
这三类路径因 '基因' 不同, 定位也不一. Imagination主管PowerVR视觉和AI业务的副总裁Russell James认为, 第一类适合性能要求不太高的应用, 如人脸识别, 而且精确度要求不高; 第二类适合高性能的应用如智能手机, 智能监控, 自动驾驶等; 第三类AISC专门针对特定的任务, 如IoT领域. 原因是IoT领域要求在有限的功耗下完成相应的AI任务, 最需要性能功耗比高的ASIC. 而且这一领域出货量会较大, 值得关注.
这几种路径各具优势, 但亦有硬伤. Imagination中国区区域市场和业务拓展总监柯川认为, CPU效率不高, 高速负载下速度不快; DSP虽然速度快, 但研发生态不全; ASIC只能执行固定算法功能, 扩展性不强等, 因而看好GPU+AI加速器在性能, 效率和功耗的综合优势.
虽然柯川的说话是在为自己的IP背书, 但可以明了的是, 一种架构的AI芯片是无法面向所有场景的, 不同场景应用需要不同种类的技术支持, 需要能够支持从毫瓦级到千瓦级的多种架构.
产业变化
AI热潮来袭, 但从发展阶段来看, 还未到成熟期.
柯川认为, 一般产业分四个阶段, 一是新技术来临时有前沿院校和公司研究论证, 找到产业化可能性; 二是应用研究阶段, 探讨解决实际问题; 三是产业快速发展阶段, 此时也催生了诸多机会; 四是进入成熟期, 成为一个相对稳定的市场, 而领先的是大浪淘沙之后奠定绝地优势的公司. 目前来看, AI处于第三阶段即快速发展阶段的早期.
在这一过程中, 端侧AI功能更具前景. Russell James表示: 'AI正在改变行业, 而神经网络是其核心所在. 此类处理一直以来主要发生在云端, 但由于延迟问题, 隐私问题以及日益增长的可扩展性需求, 边缘AI处理已变得非常必要.
此外, 算法也将逐渐趋于开源, 要针对不同的应用淬炼出最优化的方案. Russell James指出, 美国关注智能手机, 自动驾驶等方面提升AI性能, 而中国非常重视智能监控, 是一潜力巨大的市场, 同时在智能手机, 自动驾驶上也有很多机会.
新型IP
在几种不同的路径中, 各方势力均在开足马力扬长避短.
最近Imagination就宣布, 基于其神经网络加速器 (NNA) 架构PowerVR Series2NX推出两款神经网络内核AX2185和AX2145. 要知道, 该架构是唯一支持16位到4位位宽的解决方案, 可在较低的带宽和功耗下实现更高的效率和实时响应.
针对不同的应用, 这两类IP核在性能和内存带宽进行了极大的优化. 据悉, Series2NX AX2185以高端智能手机, 智能监控和汽车市场为目标. AX2185的优势在于拥有8个全宽度计算引擎, 每个时钟周期可处理2048个MAC (每秒4.1兆次运算) , 同时功耗表现出色, 实现了单位面积的最高性能. 而AX2145针对成本敏感型设备进行了优化, 以中档智能手机, 数字电视/机顶盒, 智能相机和消费性安全市场为目标, 处理诸如图像识别和机器视觉等应用.
在AI芯片的比拼不只是硬件性能, 软件生态也至关重要. Russell James介绍, 这两款内核都完全支持安卓的神经网络应用程序编程接口, 同时Imagination提供了一整套工具来简化AI应用的开发和部署以及调试和分析, 机器学习框架也可使用网络开发工具包 (NDK) .
Russell James提及, 目前这两款AI加速IP已有手机和汽车厂商的客户. 而更重要的是, 这些IP也可适配CPU, FPGA等, 只是对带宽时延等有一定的要求, 而不是非要与GPU '匹配' . 如果这些AI加速IP能顺势扩张到其他通用芯片领域, AI芯片的路径走向或有变数.