如同一個巨大的 '磁場' , AI的引力從一場技術革命逐漸走向了產業落地. 而作為AI技術的核心, AI晶片也備受關注, 不僅要能夠滿足AI算力的需求, 還要適應不同的應用場景和不同的位置 (雲或端) . AI晶片的爭奪也呈現各種流派, 各有擁躉的局面, 到底誰將勝出?
三種路徑
目前市場上主流的AI晶片主要有三種路徑, 一類是藉助於傳統晶片執行AI演算法, 如CPU, DSP, FPGA等; 第二類是GPU+AI加速器, 實現AI功能; 第三類是定製的ASIC.
這三類路徑因 '基因' 不同, 定位也不一. Imagination主管PowerVR視覺和AI業務的副總裁Russell James認為, 第一類適合性能要求不太高的應用, 如人臉識別, 而且精確度要求不高; 第二類適合高性能的應用如智能手機, 智能監控, 自動駕駛等; 第三類AISC專門針對特定的任務, 如IoT領域. 原因是IoT領域要求在有限的功耗下完成相應的AI任務, 最需要性能功耗比高的ASIC. 而且這一領域出貨量會較大, 值得關注.
這幾種路徑各具優勢, 但亦有硬傷. Imagination中國區區域市場和業務拓展總監柯川認為, CPU效率不高, 高速負載下速度不快; DSP雖然速度快, 但研發生態不全; ASIC只能執行固定演算法功能, 擴展性不強等, 因而看好GPU+AI加速器在性能, 效率和功耗的綜合優勢.
雖然柯川的說話是在為自己的IP背書, 但可以明了的是, 一種架構的AI晶片是無法面向所有場景的, 不同場景應用需要不同種類的技術支援, 需要能夠支援從毫瓦級到千瓦級的多種架構.
產業變化
AI熱潮來襲, 但從發展階段來看, 還未到成熟期.
柯川認為, 一般產業分四個階段, 一是新技術來臨時有前沿院校和公司研究論證, 找到產業化可能性; 二是應用研究階段, 探討解決實際問題; 三是產業快速發展階段, 此時也催生了諸多機會; 四是進入成熟期, 成為一個相對穩定的市場, 而領先的是大浪淘沙之後奠定絕地優勢的公司. 目前來看, AI處於第三階段即快速發展階段的早期.
在這一過程中, 端側AI功能更具前景. Russell James表示: 'AI正在改變行業, 而神經網路是其核心所在. 此類處理一直以來主要發生在雲端, 但由於延遲問題, 隱私問題以及日益增長的可擴展性需求, 邊緣AI處理已變得非常必要.
此外, 演算法也將逐漸趨於開源, 要針對不同的應用淬鍊出最佳化的方案. Russell James指出, 美國關注智能手機, 自動駕駛等方面提升AI性能, 而中國非常重視智能監控, 是一潛力巨大的市場, 同時在智能手機, 自動駕駛上也有很多機會.
新型IP
在幾種不同的路徑中, 各方勢力均在開足馬力揚長避短.
最近Imagination就宣布, 基於其神經網路加速器 (NNA) 架構PowerVR Series2NX推出兩款神經網路內核AX2185和AX2145. 要知道, 該架構是唯一支援16位到4位位寬的解決方案, 可在較低的頻寬和功耗下實現更高的效率和即時響應.
針對不同的應用, 這兩類IP核在性能和記憶體頻寬進行了極大的優化. 據悉, Series2NX AX2185以高端智能手機, 智能監控和汽車市場為目標. AX2185的優勢在於擁有8個全寬度計算引擎, 每個時鐘周期可處理2048個MAC (每秒4.1兆次運算) , 同時功耗表現出色, 實現了單位面積的最高性能. 而AX2145針對成本敏感型設備進行了優化, 以中檔智能手機, 數字電視/機頂盒, 智能相機和消費性安全市場為目標, 處理諸如映像識別和機器視覺等應用.
在AI晶片的比拼不只是硬體性能, 軟體生態也至關重要. Russell James介紹, 這兩款內核都完全支援安卓的神經網路應用程序編程介面, 同時Imagination提供了一整套工具來簡化AI應用的開發和部署以及調試和分析, 機器學習框架也可使用網路開發工具包 (NDK) .
Russell James提及, 目前這兩款AI加速IP已有手機和汽車廠商的客戶. 而更重要的是, 這些IP也可適配CPU, FPGA等, 只是對頻寬時延等有一定的要求, 而不是非要與GPU '匹配' . 如果這些AI加速IP能順勢擴張到其他通用晶片領域, AI晶片的路徑走向或有變數.