2018, Capital Leidenschaft für den Halbleiterchip vollständig AI-Technologie leuchtet, ob es riesige Unternehmen oder Start-up-Unternehmen, Internet-Unternehmen oder traditionelle produzierenden Unternehmen ist, sind die Chip-Begeisterung. MAI-JULI, Klangwolke weiß, geht sie fragen, Rokid, Baidu hat AI-Chip oder Chipmodul ausgegeben, das denken Spitzer bestätigt, dass die KI baut Sprach-Chip, tief Kommt Technologies kündigte sein AI-Chip in der zweiten Hälfte dieses Jahres verfügbar sein wird, Cloud bekannte Gründer und CEO Michael klingt sogar mit ‚nein Mach den Chip, sterblich, um deine Entschlossenheit auszudrücken, AI-Chips zu machen.
Allerdings „, bis jetzt hat die Welt noch nicht erschien einen wahren AI-Chip, weil wahre künstliche Intelligenz zu erreichen bisher nicht geschaffen ist.‚Zhou Bin, General Manager von China, die intelligenten Bemerkungen heterogen die Ansichten von einigen der Branche vertreten.
Nach dem „IT Times“ -Reporter eine großen Anzahl von AI Kreisen gefunden, das Konzept des AI-Chips hat die Welt keinen einheitlichen Konsens bildet, glauben auch Investoren gibt es eine Blase AI-Chips, die meisten Start-up-Unternehmen verschwinden.
Aber in jedem Fall sind wir in der Wildnis Jahren AI Chip Warlords, der jemand chinesische Lokalisierung von Kerntechnologien ist ‚Blaze eine Strecke‘.
Unterschiedliche Definitionen von AI-Chips
‚AI Chip Start-ups ist wahrscheinlich mehr Schaden als Gutes zu tun.‘ Gründer-Chip Mikro-Unternehmen in Suzhou Mindray Li Yang Yuan tränkt zehn Jahren in der Industrie, sagte er der „IT Times“ -Reporter, ein 0-1-Chip Bedürfnisse von mehr als 10 Jahren Zeit, seine eigenen Chips fünfmal nach dem offiziellen Geschäft geklebt, 20-mal, bevor sie in der Branche führende Position aufgezeichnet, ‚wenn sie ihre eigenen R & D AI-Chip ist, 40 nm (Nanometer) Verfahren verwendet wird, dann können die Kosten steigen und es wird nicht reduziert. Chip muss auf eine Million PCS (Anzahl der Einheiten eines Produkts), die durchschnittlich Kosten pro Stück bis zu 10 $, um die Entwicklungskosten auf der Skala, 40nm-Prozess Flussbild nur in Höhe von bis zu 10 Millionen Yuan, aufgeteilt teilen, einschließlich nicht mehr hoch F & E-Kosten.
Aber Rokid Zhu Bin, Leiter des Forschungs- und Entwicklungsplattform Perspektive genau der entgegengesetzten Yuan Li Yang, ‚intelligente Geräte mit einem gemeinsamen Chip ist übertrieben, spezielle Bedürfnisse spezielle Chips erfordern Schmerzpunkte zu lösen, ist benutzerdefinierte AI Chip genau Kosten und Hardware für künstliche Intelligenz Zahl zu reduzieren, Es gibt Bedarf, der Low-End-Allzweckchip ist nicht genug und der High-End-Allzweckchip hat viele redundante Designs, was zu einem hohen Stromverbrauch führt.
AI-Chip wird auch als AI oder computational Beschleunigerkarte bekannt, in der Regel-Konzept bezieht sich auf die AI-Chip-Module (andere Nicht-CPU-Rechenaufgaben verantwortlich noch) speziell für rechenintensive Aufgabe, künstliche Intelligenz-Anwendungen zu verarbeiten, wird die aktuelle GPU unterteilt in B. FPGAs, ASICs und anderen Typen, im Gegensatz zu Allzweckchips wie Qualcomm Xiaolong, werden AI-Chips hauptsächlich für spezielle Aufgaben verwendet, wie zum Beispiel die Identifizierung von High-Definition-Video in der Sicherheit, Datenberechnung während des automatischen Fahrens und so weiter.
26. Juni Rokid einen selbst entwickelte AI KAMINO18 gewidmet Sprach-Chip freigegeben, unterstützen Lautsprecher intelligente Maschine und Geschichten der Kinder, im Gegensatz zu Intel, Qualcomm und anderen traditionellen Allzweck-Chip, der eine KI Stimme gewidmet SoC (System on Chip) Chip, seine interne geerbt ARM, NPU, DSP, DDR, DAC und andere Kernkomponenten, fast die Größe einer Dollar-Münze. Zhubin eine besondere Rede auf Architekturdesign Weck von Hardware, mit der in vielen Gemeinsamkeiten gefunden Chips weniger, aber die Kosten für Zubehör noch vorhanden ist, so, Rokid begannen ihre Chips im September letztes Jahr, die Verwendung von DSA (Domain spezifische Architektur) Architektur, von eigenen Produkten und Algorithmus Anforderungen, die Integration mit heterogener IT-Art und Weise in den Chip zu gestalten Im gesamten Arbeitszustand kann der Stromverbrauch des Produkts um 30% bis 50% reduziert werden.
Die unterschiedlichen Ansichten von Li Yangyuan und Zhu Bin stellen die zwei unterschiedlichen Sichtweisen von AI-Chips in der traditionellen Halbleiterindustrie und Internet-Startups dar. Die im Halbleiterkreis geborenen Menschen schätzen den Durchbruch des Chips von 0 auf 1 und von weich bis hart. Internet-Unternehmer sind begieriger, direkt auf der Basis von 1, 2, 3, 4, durch Algorithmen und Software-Design zu werden.Von der Perspektive der derzeit veröffentlichten AI-Chips, ist ihr Hauptzweck zu Leistungsaufnahme, um eine Art von maschinellen Lernalgorithmen zu beschleunigen.Zum Beispiel, wenn sie auf kantenseitigen und terminalseitigen Vorrichtungen verwendetwird, erfordert sie extrem niedrigen Stromverbrauch und extrem hohe Matrix / Gleitkomma-Rechenleistung, was für allgemeine Chips schwierig ist. .
Dies kann durch die Erklärung des Ingenieurs eines anderen führenden Chipherstellers bewiesen werden: Seiner Ansicht nach gehören die meisten AI-Sprachchips auf dem Markt zu einem Chip, der "proprietäre" Funktionen (ähnlich der DSP-Datensignalverarbeitung) erfüllt. Da es sich auf eine oder mehrere Funktionen konzentriert und auf ein bestimmtes Szenario beschränkt ist, ist die Komplexität von Entwurf und Produktion geringer als die eines Mehrzweckchips, außerdem sind solche Chips selten mit technischen Autorisierungen verbunden, und es ist einfacher zu machen. Der AI-Chip startet nicht von der unteren Schicht, sondern direkt von der SoC- oder Allzweck-Prozessor-Plug-in-Architekturoptimierung, wie "Coprozessor", durch die Kombination verschiedener IP, um die Szene der oberen Anwendung, wie Sprache, Bild, zu beschleunigen.
Heterogen
Derzeit gibt es keine klare Definition von AI-Chip, so wie die ‚echte‘ zu berechnen, ist kein gutes Maß. Festpunkt auf der letzten 2018 Internationale Summit (Hangzhou), General Manager von China heterogenen Smart Silicon Valley Start-up-Unternehmen zu Zhou Bin AI Chip versucht, unter der Definition ‚der Lage, hoher Effizienz, hohe Leistung künstliche Intelligenz des aktuellen Kern des Algorithmus zu vervollständigen, wie es jetzt der Mainstream tiefe Lernalgorithmus ist, was bedeutet, dass AI-Chip für tiefes Lernen sehr gute Unterstützung haben muß.‘ aus den Daten, Zhou Bin glaubt, dass die Rechenleistung von AI-Chips mehr als 5 Billionen Mal pro Sekunde betragen muss, denn nur durch das Erreichen solcher Leistungsindikatoren können viele spezifische Anwendungsberechnungsergebnisse mit menschlichen Fähigkeiten vergleichbar sein.
Zhou Bin Namen - ‚heterogener‘ im Wesentlichen vor, ist die einfachste Interpretation des Hintergrund Internet-Unternehmers AI-Chips sind heterogen, wie der Name von verschiedenen Quellen definiert schlägt zusammen bilden, ist das Internet ein typisches später heterogenes Netzwerk. heterogenes Computing entwickelt hat, ist eine spezielle Form von parallelen und verteilten Rechen oft in verschiedenen verwendeten Koordinaten Hardware Rechen verschiedene Bedürfnisse gerecht zu werden, und der Code (oder Codesegmente) kann den maximalen Gesamtleistungsmodus zu erhalten, durchgeführt werden, .
Derzeit im Wesentlichen AI-Chip durch eine Vielzahl von heterogenem IT-Chip vorbei an den traditionellen Chip-Unternehmen nur auf ein paar Chips konzentrieren durchgeführt, aber jetzt ist die Chip-Unternehmen begannen auf horizontaler Entwicklung zu konzentrieren, die Integration von verschiedenen Arten von Chips, zum Beispiel in der traditionellen Handy-SoC CPU (Zentraleinheit), der GPU (Grafikprozessor), außerhalb des ISP (Programmierung), sondern auch zusätzliche AI verwendet werden, um die NPU (eingebetteter neurale Netzwerkprozessor) und dergleichen Verarbeitungskern zu beschleunigen. ‚-Isomere Chip-Teil Es ist eine universelle Funktion. "Cheng Zhisheng Mitbegründer Kang Heng sagte der IT Times Reporter.
Kostenbestimmender Pfad
Ein interessantes Phänomen ist, dass im Internet geborene KI-Unternehmer in den Bereich der KI-Chip-Hardware vordringen, während traditionelle Chiphersteller Algorithmen wie "soft" verwenden, um KI zu implementieren.
AI-Technologie hat drei Elemente, Algorithmen, Daten und die Kraft aus der Sicht der internationalen Kante AI Schneid der Technik berechnet Algorithmus Entwicklungsmodell ist nicht ausgereift Tiefe Lernen, Transfer Lernen neue Algorithmus Modell Kapsel Netzwerke synchronisiert schnelle Entwicklung, AI-Chip Was dass die Methoden und Prinzipien sind noch Sondierungsphase umzusetzen. in der Tat, starten Sie die aktuellen Mainstream-Chip-Hersteller nicht AI-Chip, sind viele AI-Funktionen über Chip und spezielle Algorithmus-Software üblich.
Qualcomm seit Beginn dieses Jahr Engine mit künstlicher Intelligenz (AI Motor) Hardware und Software besteht aus zwei Teilen, auf der Core-Hardware-Architektur Qualcomm Snapdragon (CPU, GPU, VPS Vektorprozessor) mit einer neuronalen Verarbeitungsengine ausgestattet (Neural Processing Engine, NPE), Android NN-API, Hexagon neuronales Netzwerk Bibliothek und andere Software, die Anwendung von künstlicher Intelligenz in der Terminalseite (wie Smartphones) auf einem schnellen und effizienter zu gestalten. Qualcomm-Chips Snapdragon 845 Snapdragon 835 Xiaolong 820, Xiaolong 660-Unterstützung erlaubt AI Engine, und viele inländische Mobiltelefone mit KI-Flagge nehmen grundsätzlich auch die Qualcomm-Lösung an, und die Gesichtserkennungsfunktion wird von der KI-Engine besser realisiert.
Aber für die aktuellen AI-Chip-Unternehmer und Smart-Home-Hersteller ist der Allzweck-Chip "zu teuer".
Kang Heng sagte Gewinn „IT Times“ -Reporter, TV, Klimaanlage und andere große große Haushaltsgeräte genug, um die hohen Kosten für Sprachmodul zu decken, aber die Fans, Lichter und andere kleine Geräte kosten mehr begrenzt ist, werden die Vorteile von Modulen geschwächt, ‚Kunden wollen nach mehr Intelligenz Kategorie tun, sinken auf Low-End-Produkte, konnte aber nicht den richtigen Chip auf dem Markt, weniger als hundert Yuan, Universal Chip und lohnenswert finden. ‚bauen ihre eigenen AI-Chip Cloud bekannt Sound Die Chiplösung der Sprach-KI-Technologie kann für die Kunden geöffnet werden, mit mehr Initiative im Kosten- und Lieferzyklus.
Li Yangyuan glaubt jedoch, dass die Schlüsseltechnologien der künstlichen Intelligenz in verschiedenen Stadien unterschiedlich sind: "Der Prozessor ist nicht die Schlüsseltechnologie der künstlichen Intelligenz. Der dedizierte Prozessor erhöht nur die Wettbewerbsfähigkeit in einigen Arbeitssegmenten." Er denkt, dass das Sensorsegment sensorzentriert ist. Der Existenzwert des Prozessors ist nicht hoch, das kognitive Segment, das Lernsegment und das Entscheidungssegment haben eine zu große Betonung des Prozessors, beeinflussen aber die Kosten, einschließlich der einmaligen Kosten und der Energieverbrauchskosten.
"Kein Teil der Prämisse eines dedizierten Chips künstlicher Intelligenz, die Entwicklung von Chips künstlicher Intelligenz sollte als eine unabhängige Angelegenheit betrachtet werden, anstatt eine natürliche Erweiterung der Software-Forschung." Li Yangyuan verwendet menschliche Analogie, der Sensor ist der menschliche Körper, hängt das Gehirn Der Algorithmus gewinnt.
Li Shoupeng, ein Halbleiter-Analyst, glaubt auch, dass künstliche Intelligenz auf Algorithmen beruht und Chips nur Träger sind.Wenn Sie ASIC (Full-Custom-Chip) für eine bessere Spracherkennungsverarbeitung verwenden möchten, ist der Hardware-Unterschied nicht groß Anweisungen beziehen sich mehr auf Software, Netzwerk und Schulung, und die bestehenden Verzögerungsprobleme bei Cloud- und Enddatenaustausch werden mit 5G einhergehen.
Erster Halt auf dem Boden: Intelligentes Audio
R & D-AI-Chips sind einfacher als High-End-Allzweckchips und werden vom AI-Kreis weithin anerkannt.
Cloud bekannten Sound Mitbegründer, Li Xiao Han, Vice President von IoT Business Unit, die nach Jahrzehnten der Entwicklung, die Chip-Industrie eine Menge modulare Dinge gefällt, wie Qualcomm und MediaTek auf den ARM-Architektur-Chips basieren daher nicht jeder AI hat einen Chip von Grunde auf neu, Sie Industrie Module und ausgereiftes Produkt verwenden können, aber die Entwürfe Chip Beschleunigungsmodul AI Kern müssen von unten beginnen. Wolke ab 2014 Ende angehoben, Kernstrategie, im Jahr 2015 die formelle Gründung des F & E Team, zu der 2018 Einführung des AI-Chips ‚Swift‘, Cloud-Sound bekannt dauerte volle vier Jahre, allmählich klar, dass der KI in der Wolke nicht nur auf den Boden ist.
2018 bekannt ist als AI-Chip in der sogenannten Landung gelandet bezieht sich auf den kommerziellen AI-Chip auf dem Terminal montiert werden. 2017, chinesische Investitionen in Chipfläche von mehr als 150 Milliarden Yuan, im Jahr 2018 beginnen, werden diese Investitionen intensive Industrien weiter Landung. ChinaEquity Hauptstadt Gruppe Gründer und Chairman Wang Chao Yong für chinesische Hersteller Kultur Sommer Spitze im vierten Quartal in der Sitzung vor kurzem suchen wies darauf hin, dass China $ 300 Milliarden jährlich Import aller Arten von Chips ausgegeben, die Chips verbrauchen 1/3 der Selbstversorgung der Welt Rate von weniger als 10%, ist daher die wichtigste Investition AI-Chip, sondern wegen der Sicherheit AI Chip Tapeout Kosten und die hohen Kosten für Forschung und Entwicklung, die derzeit ausgeliefert Skala gebildet hat noch nicht Kosten zu kompensieren, autonome Fahrzeuge nicht Autopilot-Produktion weniger als AI-Chip Sicherheitsanforderungen; nachgelagerten Nachfrage geringer ist als der Gesamtchip AI andere spezifische Bereichen, ein Überangebot ‚gibt es eine große Blase AI vorliegende Art.‘
Nach Moores Gesetz, Chipleistung alle 18 Monate verdoppelt wird, werden die Kosten um die Hälfte sinken, aber der entscheidende Schlüssel für die Halbleiterindustrie Geld oder Maßstab zu machen, ob es eine ausreichend große Sendungen und kommerzielle Märkte ist, glatt die AI-Chip der Schlüssel ‚Landung‘ aus dem Papier. frühere Medienberichte, auch im Bereich der Sicherheit ‚Gangster‘ Hikvision, die jährliche Nachfrage nach Nvidias nur 200.000.
Von diesem Standpunkt aus stellt intelligentes Audio möglicherweise den frühesten Markt für KI-Chips dar. Das Forschungsunternehmen Canalys Research (im Folgenden Canalys genannt) veröffentlichte einen Bericht, der bis Ende dieses Jahres fast 100 Millionen Smart Audio erreichen wird. Im vergangenen Jahr betrug die Anzahl der intelligenten Audiogeräte weniger als 50 Mio. In den nächsten Jahren wird die Zahl der intelligenten Audiogeräte weiter wachsen, und bis 2020 werden sich ihre Bestände mehr als verdoppeln und 225 Millionen erreichen.
Cloud bekannt Sound wurde im Mai dieses Jahres für vernetzte AI Chip UniOne freigegeben, verwendet in der lokalen Endkante Computing zu tun, intelligente Service-Lösungen für Audio, Smart Home, intelligente Geräte zur Verfügung zu stellen, usw. gehen freigegeben fragen AI Sprach-Chip-Modul "Frage" wurde in Serie produziert, Kunden können Bestellungen aufgeben.
Gehen Sie die CEO fragen Li Zhifei glaubt, dass die Chip-Industrie ist ein langer Zyklus, vom Konzept bis zum Start durch das Systemdesign zu gehen, Modul-Design, Simulation, Schaltungssynthese, Layout, fließt Blatt Produktion, Verpackung und Prüfung, Treiberentwicklung, Anpassung Lösungen wie ein sehr langer Prozess, nachdem der Chip schwierig ist, wie Software-Modifikationen tun zu können, muss Flussbild neu gestaltet werden, um die Iterationszyklus, hohe Kosten, und die Eigenschaften des Chips selbst ist ein Träger von Computer-Hardware, verschiedene Chips angepassten Algorithmen und Anwendungsszenarien, AI-Chips müssen einerseits über genügend Rechenleistung verfügen, um verschiedene Sprach-AI-Algorithmen ausführen zu können, und andererseits eine große Anzahl von Schnittstellen für verschiedene Szenarien, während Kosten und Energieverbrauch großräumig abgedeckt werden können. Kommerzielle Anforderungen für die Produktion.
"Industrialisierung kann eine wettbewerbsfähige Bedrohung für ausländische ähnliche Produkte auf dem Markt sein, ist der Standard für einen erfolgreichen Chip." Ein Industrie-Insider sagte. Aus dieser Sicht hat Chinas AI-Chip gerade erst begonnen, Jianghu Cao, Die Blase wird brechen.