與此同時, 國內近兩年來湧現出一批優秀的智能晶片企業, 例如寒武紀, 地平線, 雲知聲, 深鑒科技, 中天微等, 也有一些大型企業如華為, 阿里等也加入這一領域, 這使我國智能晶片領域處於國際第一陣營. 但環顧國際, 英偉達, 穀歌, 英特爾, ARM, 高通, 賽靈思等傳統大牌企業在智能晶片領域也同樣虎視眈眈.
進入今年以來, 各家企業相繼推出各自的智能晶片產品, 這標誌著智能晶片的研發期已過, 正逐漸步入產業推廣期. 儘管各家都還沒有量產, 但一場市場爭奪的戰爭或正悄然打響. 能否奪得市場, 或許不僅決定了一個企業的生死存亡, 還將決定我國晶片產業是否能實現追趕和突破.
智能晶片的興起
伴隨著人工智慧的再次興起, 智能晶片近幾年得到了大力發展.
什麼是智能晶片? 正如「智能」不好定義一樣, 想給「智能晶片」下一個精確的定義也十分困難. CCAI2018分論壇 '智能晶片' 主席, 中國科學院計算所研究員韓銀和認為: 從廣義上講, 能夠提供特別智能能力的晶片都可以稱為智能晶片; 而我們當前通常所說的智能晶片, 是一類針對人工智慧演算法進行器件, 電路或體繫結構定製的晶片, 特別是針對深度學習的智能晶片.
GPU 最初是用在個人電腦, 工作站, 遊戲機等設備上進行專用映像計算的微處理器晶片. 後來研究人員發現其海量的數據並行計算能力與深度學習的應用特徵高度匹配. 2011年吳恩達率先將 GPU 應用於穀歌大腦中, 取得了驚人效果; 結果表明, 12顆英偉達的 GPU 可以提供相當於2000 顆 CPU 的深度學習性能. 之後, 紐約大學, 多倫多大學以及瑞士人工智慧實驗室的研究人員紛紛在 GPU 上加速其深度神經網路. 作為 GPU 行業的佼佼者, 英偉達也迅速成為人工智慧風口的巨無霸, 實現一年股票翻6 倍的增長.
而另一方面, 伴隨著深度學習的興起, 許多學者想到開發深度學習加速器, 也即通過硬體實現方式加速神經網路的計算. 在 2009 年起, Y. LeCun, O. Temam 等在卷積神經網路加速器設計上開展了一些起步性工作後, 2014 年至 2016 年, 中科院計算所陳雲霽研究團隊陸續在計算機體繫結構領域頂級會議 ASPLOS, MICRO, ISCA 上發表多篇深度學習加速器方面的論文, 點燃了學術界對深度卷積神經網路加速晶片研究的熱情. 基於這些研究, 陳雲霽他們研發的 DianNao 晶片取得了 100 倍性能的加速. 隨後在 2016 年 3 月, 北京中科寒武紀科技有限公司註冊成立, 基於 DianNao 項目技術框架, 寒武紀又陸續推出了「寒武紀 1 號」晶片, 寒武紀 1A 處理器等產品. 其中後者是目前最早量產, 出貨量最多的 AI 晶片; 在 2017 年華為海思的第一款人工智慧手機晶片麒麟 970 上就整合了神經網路處理器. 目前麒麟 970 已經搭載了在華為 Mate 10, P20, 榮耀 V10 這三系列手機產品上, 累計出貨量已達數千萬台.
同期, 穀歌也看到了深度學習在實際應用中的巨大潛力. 不同於 DianNao 採用的是乘加樹體繫結構, 穀歌所研發的針對數據中心的張量處理器 TPU, 採用了脈動陣列的組織方式. 脈動陣列 1970 年代由哈佛大學孔祥重教授提出. 2016 年 5 月, 穀歌在 I/O 大會上首次公布了 第一代TPU, 並介紹TPU 正是 AlphaGo 能夠擊敗李世石的「秘密武器」之一. 2018 年初, 穀歌宣布開放其 TPU 雲服務平台, 售價 6.5 美元/小時; 但基於其商業模式的需求, 目前穀歌所研發的 TPU 僅供自己內部使用, 並沒有售賣晶片的打算.
當然, 智能晶片種類繁多. 晶片的應用場景不同, 其設計也不同. 例如穀歌的 TPU 正式根據他們雲計算的應用場景而設計的, 其功耗較大, 但對它來說更重要的則是性能要足夠高; 再例如華為的麒麟 970 由於要嵌入到手機當中, 因此要求功耗低, 性能適中; 而地平線主要針對無人駕駛設計的晶片則要求針對視覺做一些特殊處理.
從2014年算起, 人工智慧晶片的研究迄今已有四年. 在這一領域, 我們國家出現了一批企業, 例如寒武紀, 地平線, 雲知聲, 深鑒科技, 中天微等; 這些企業也都相繼推出了各自適應於場景的智能晶片產品. 除了前面介紹的寒武紀, 地平線於 2017 年年末發布的「旭日 1.0」和「征程 1.0」則主要面向於智能攝像頭和智能駕駛等. 所以在這一波智能晶片的浪潮中, 我們國家至少現在看來並不落後.
下一場戰爭
據韓銀和研究員介紹, 隨著今年多個智能晶片產品的面世, 智能晶片將逐漸邁過研發期, 但「發布」不等於「應用」. 現在除了寒武紀, 華為的晶片外, 國內其他廠商的晶片都還沒有大規模使用. 從國際角度上來看, 英特爾等公司的產品也都還沒有大規模出廠, 目前霸佔市場的仍然只有英偉達的GPU. 因此, 目前的狀態似乎是各家企業都或早或遲的推出了自己的原型晶片, 但都還沒有上場; 換句話說, 即大家都已經站在了跑道上, 但都還沒有開始真正跑.
但, 或許這正是暴風雨的前夜, 接下來將是一場市場爭奪的惡戰.
現在來看, 我國在智能晶片並非一帆風順, 沒有挑戰. 穀歌, 英特爾, ARM 等老牌企業在不同的智能晶片應用領域研發自己的智能晶片, 他們都將是我國晶片企業的競爭對手. 例如在雲計算方面, 穀歌的 TPU 已經研究多年, 儘管現在沒有售賣, 但一旦它決定售賣肯定會對我國雲計算市場產生巨大的衝擊; 而在高性能市場上, 從曆史上來看, 英特爾從來都不會放過任何可能的競爭對手, 這個領域在曆史上有很多挑戰者, 但後來都被英特爾擊敗; 再有 ARM, 儘管華為在手機晶片方面已經推出了自己的產品, 但現在 ARM 也在研製他們的神經網路加速器, 未來如若與其 ARM 核整合起來, 影響力將不容小覷.
因此, 雖然我們在智能晶片的研發階段並不落後, 但若想在應用方面仍然保持這種優勢, 則將面臨諸多挑戰. 而從研發到應用則是一條很長的道路, 有許多問題有待解決.
我國智能晶片研發和市場最新進展如何? 智能晶片的剛需市場有哪些? 智能晶片如何服務好手機, 安防, 家電, 汽車等大需求? 如何利用我國的應用優勢建立生態優勢? 對國家在智能晶片產業發展中有哪些政策建議?
'不謀全局者,不足謀一域' . 智能晶片是智能時代的核心引擎, 針對這些熱點問題, 中國人工智慧學會將於 7 月 28 日至 29 日在深圳舉行的中國人工智慧大會 (CCAI2018) 上設 '智能晶片' 分論壇, 邀請寒武紀, 雲知聲, 深鑒等國內智能晶片龍頭廠商, 以及國際晶片領域著名學者以及整機, 應用廠商專家們就這些進行研討, 破題立論, 希望能為業界提供些新思路.
大會報名地址: https://www.bagevent.com/event/1449943?bag_track=wangyizhineng