對(duì)于智能終端廠商來說，能夠自研SoC芯片似乎才是頂 級(jí)實(shí)力的象征。全球智能手機(jī)前三甲的三星、華為、蘋果，無一例外都擁有自研的SoC芯片。但未來得AI芯片者可以得天下。
現(xiàn)在，經(jīng)歷了多年的輔助AI芯片的經(jīng)驗(yàn)積累之后，谷歌終于要入場智能終端的核心硬件——SoC處理器芯片了。
據(jù)外媒Axois報(bào)告，谷歌在自研處理器方面取得了顯著進(jìn)步，最 近其自主研發(fā)的SoC芯片已經(jīng)成功流片。
據(jù)悉，該芯片是谷歌與三星聯(lián)合開發(fā)，采用5nm工藝制造，“2+2+4”三架構(gòu)設(shè)計(jì)的8核CPU集群，以及搭載全新ARM公版架構(gòu)的GPU，同時(shí)在ISP和NPU上集成了谷歌VisualCoreAI視覺處理器。這讓谷歌的終端芯片能夠更好地支持AI技術(shù)，比如大幅提升谷歌助手的交互體驗(yàn)。
在上市計(jì)劃上，谷歌的這一SoC處理器芯片預(yù)計(jì)將于率先部署在下一代Pixel手機(jī)以及谷歌筆記本Chromebook中。
谷歌的這一舉動(dòng)被視為對(duì)蘋果自研處理器模式的靠攏，從“原生系統(tǒng)+最 主流旗艦芯片”變?yōu)椤霸到y(tǒng)+自研芯片”，谷歌的用意肯定不僅是想擺脫高通芯片的鉗制，更重要的是想通過自研芯片實(shí)現(xiàn)更好的軟硬件結(jié)合，使得安卓系統(tǒng)在自家硬件上發(fā)揮更大的性能優(yōu)勢。
我們其實(shí)知道，自研芯片并不能在硬件利潤上帶給谷歌更多的價(jià)值，其中最 有價(jià)值的地方在于將谷歌AI上面的優(yōu)勢通過軟硬件的結(jié)合，在智能終端上得到更好的應(yīng)用。
我們也都知道，谷歌在AI芯片上入局最 早，實(shí)力強(qiáng)勁。然而AI芯片的技術(shù)有多強(qiáng)，AI技術(shù)和芯片研發(fā)有哪些相互促進(jìn)的關(guān)系?相信很多人還是不明就里的，而這正是我們接下來要去深入探究的。
從云端到終邊端，谷歌AI芯片的進(jìn)階之路
在谷歌的TPU(TensorProcessingUnit，張量處理單元)處理器推出之前，大部分的機(jī)器學(xué)習(xí)以及圖像處理算法一直都是跑在GPU與FPGA這兩種通用芯片上面的。而提出了深度學(xué)習(xí)開源框架TensorFlow的谷歌則專門做出這樣一款為TensorFlow算法設(shè)計(jì)的專用芯片。
TPU就這樣誕生了，然而讓TPU的聲名遠(yuǎn)播卻是在AlphaGo大戰(zhàn)李世石的人機(jī)圍棋賽。據(jù)說，當(dāng)時(shí)谷歌為TPU其實(shí)下了另一盤大棋的。因?yàn)樵谔魬?zhàn)李世石之前，AlphaGo是跑在1202個(gè)CPU和176個(gè)GPU上面與棋手樊麾比賽的。這讓看過對(duì)弈過程的李世石很有信心。然而在比賽前幾個(gè)月，AlphaGo的硬件平臺(tái)換上了TPU，這讓AlphaGo的實(shí)力很快得到成長，后面的對(duì)戰(zhàn)局勢讓李世石就吃盡了苦頭。
TPU是一種專用集成電路(ASIC)，作為專門在谷歌云使用的AI芯片，其使命就在于加速谷歌人工智能落地的速度。在2017年谷歌公布的第二代TPU上，其浮點(diǎn)運(yùn)算能力高達(dá)每秒180萬億次，既可以用于推理，也可以用做訓(xùn)練。而到了2018年的TPU3.0版本，其計(jì)算性能相比TPU2.0提升八倍，可達(dá)每秒1000萬億次浮點(diǎn)計(jì)算。
此后，谷歌的AI布局逐漸走向邊緣側(cè)。在2017年的谷歌云服務(wù)年會(huì)上，正式發(fā)布其邊緣技術(shù)，并推出了GoogleEdgeTPU。
EdgeTPU是谷歌專為在邊緣運(yùn)行TensorFlowLiteML模型而設(shè)計(jì)的ASIC芯片。EdgeTPU可用于越來越多的工業(yè)使用場景，如預(yù)測性維護(hù)、異常檢測、機(jī)器視覺、機(jī)器人學(xué)、語音識(shí)別，也可以應(yīng)用于本地部署、醫(yī)療保健、零售、智能空間、交通運(yùn)輸?shù)雀鱾€(gè)領(lǐng)域。
EdgeTPU體型小、能耗低，因此只負(fù)責(zé)AI加速判別、加速推算，僅為加速器、輔助處理器的角色,可以在邊緣部署高精度AI，是對(duì)CPU、GPU、FPGA以及其他在邊緣運(yùn)行AI的ASIC解決方案的補(bǔ)充。
谷歌還在去年推出了基于EdgeTPU芯片的等一系列開發(fā)硬件，以及本地化AI平臺(tái)Coral，為邊緣側(cè)提供優(yōu)質(zhì)、易部署的AI解決方案。
盡管TPU和EdgeTPU主要是對(duì)深度學(xué)習(xí)起到運(yùn)算推理加速的輔助服務(wù)器，但我們?nèi)匀荒軌蚩吹焦雀柙贏I芯片上的布局野心。從云端，到邊緣端和手機(jī)智能終端，正是理解谷歌AI芯片的內(nèi)在邏輯。
從2017年開始，谷歌就在智能手機(jī)上陸續(xù)推出了定制的攝像頭芯片“PixelVisualCore”和“PixelNeuroCore”，并用在了Pixel2、Pixel3和Pixel4上。
PixelVisualCore，是一種圖像處理單元(IPU)，也是谷歌自研的第一款移動(dòng)芯片，專門用于加速相機(jī)的HDR+計(jì)算，其使用了機(jī)器學(xué)習(xí)和計(jì)算攝影，可以智能地修補(bǔ)照片不完美的部分，也使圖像處理更加流暢和快速。這也是很多人說的谷歌手機(jī)的照片不是拍出來的，而是算出來的原因。
而到了去年，谷歌在Pixel4上使用了PixelNeuralCore專用處理器來代替PixelVIsualCore。神經(jīng)網(wǎng)絡(luò)算法可以使谷歌手機(jī)的相機(jī)鏡頭識(shí)別所拍攝的物體，然后既可以將數(shù)據(jù)交給圖像處理算法去優(yōu)化，也可以將數(shù)據(jù)輸出給谷歌助手進(jìn)行識(shí)別。同時(shí)，PixelNeuralCore也可以讓谷歌助手進(jìn)行更復(fù)雜的人機(jī)對(duì)話，還有進(jìn)行離線的語音文本翻譯。
如果谷歌不是有著TensorFlow、Halide以及編譯器等AI算法和開發(fā)軟件，谷歌的AI芯片的很多設(shè)計(jì)顯然是無法發(fā)揮太大作用的。軟硬件結(jié)合，才讓谷歌的芯片設(shè)計(jì)走得更為徹底和硬氣。
軟硬兼融，谷歌AI芯片快速迭代的硬氣底色
在互聯(lián)網(wǎng)公司的造芯賽道上，谷歌無疑是跑在最 前面的一家。
據(jù)報(bào)道，早在2006年，谷歌就考慮在其數(shù)據(jù)中心部署GPU或者FPGA，或?qū)Ｓ眉呻娐?。而由于?dāng)時(shí)沒有多少要在專門硬件上運(yùn)行的應(yīng)用，因此使用谷歌大型數(shù)據(jù)中心的富余計(jì)算能力就能滿足算力要求。
而一直到2013年，谷歌已經(jīng)開始推出基于DNN的語音識(shí)別的語音搜索技術(shù)，用戶的需求使得谷歌數(shù)據(jù)中心的計(jì)算需求增加了一倍，這讓基于CPU的計(jì)算變得特別昂貴。因此，谷歌計(jì)劃使用現(xiàn)成的GPU用于模型訓(xùn)練，而快速開發(fā)一款專用的集成電路芯片用于推理。
后來我們知道這一專用定制芯片就是TPU，而這一快速開發(fā)的周期僅僅是15個(gè)月。基于軟件造芯，谷歌并非獨(dú)一家，但相比亞馬遜、Facebook來說，谷歌則一直有持續(xù)的芯片產(chǎn)品推出。谷歌能夠如此快速且高頻地進(jìn)行“硬件”輸出，那自然是有其“硬氣”的原因的。
首 先一定是戰(zhàn)略上的重視。此前谷歌CEO皮猜就曾強(qiáng)調(diào)，谷歌從來不是為硬件而硬件，背后的邏輯一定是AI、軟件和硬件一體，真正解決問題要靠這三位一體。
其次就是人才的重視。以當(dāng)前谷歌這一消費(fèi)端的SoC芯片為例。此前這一項(xiàng)目對(duì)外界來說早已是公開的“秘密”。從2017年底，谷歌就 開始從蘋果、高通、英偉達(dá)等公司高薪挖“角”，其中包括蘋果A系列處理器著名的研發(fā)工程師JohnBruno。但直到去年2月，谷歌才正式宣布在印度班加羅爾的組建了一支“gChips”芯片設(shè)計(jì)團(tuán)隊(duì)，致力于谷歌智能手機(jī)和數(shù)據(jù)中心芯片業(yè)務(wù)，未來還會(huì)在該地辦新的半導(dǎo)體工廠。消費(fèi)級(jí)芯片似乎只差臨門一腳了。
當(dāng)然，最 重要的因素還在于谷歌在AI芯片上的創(chuàng)新優(yōu)勢。我們知道，AI芯片的研發(fā)，本身是一個(gè)周期長且耗費(fèi)巨大資金的項(xiàng)目。芯片設(shè)計(jì)到成品的周期可能趕不上AI算法的發(fā)展進(jìn)程。如何實(shí)現(xiàn)AI芯片的硬件設(shè)計(jì)與算法、軟件的平衡，成為谷歌設(shè)計(jì)芯片的關(guān)鍵優(yōu)勢。
而谷歌提出的解決方案則更值得稱道，那就是用AI算法設(shè)計(jì)AI芯片。
具體來說，AI芯片設(shè)計(jì)存在著以下難題。首 先是，3D芯片的放置，在受限區(qū)域中跨層級(jí)配置數(shù)百到上千的組件，工程師們需要手動(dòng)設(shè)計(jì)來進(jìn)行配置，并通過自動(dòng)化軟件進(jìn)行模擬和性能驗(yàn)證，這通常需要花費(fèi)大量時(shí)間。其次是，芯片的設(shè)計(jì)架構(gòu)趕不上機(jī)器學(xué)習(xí)算法或神經(jīng)網(wǎng)絡(luò)架構(gòu)的發(fā)展速度，導(dǎo)致這些算法架構(gòu)在現(xiàn)有的AI加速器上效果不佳。另外，盡管芯片的布局規(guī)劃的設(shè)計(jì)進(jìn)程在加快，但在包括芯片功耗、計(jì)算性能和面積等多個(gè)目標(biāo)的優(yōu)化能力上仍然存在限制。
為應(yīng)對(duì)這些挑戰(zhàn)，谷歌的高級(jí)研究科學(xué)家Mirhoseini和團(tuán)隊(duì)研究人員AnnaGoldie提出了一種神經(jīng)網(wǎng)絡(luò)，即將芯片布局建模轉(zhuǎn)化為強(qiáng)化學(xué)習(xí)問題。
與典型的深度學(xué)習(xí)不同，強(qiáng)化學(xué)習(xí)系統(tǒng)不會(huì)使用大量標(biāo)記的數(shù)據(jù)進(jìn)行訓(xùn)練。相反，神經(jīng)網(wǎng)絡(luò)會(huì)邊做邊學(xué)，并在成功時(shí)根據(jù)有效信號(hào)調(diào)整網(wǎng)絡(luò)中的參數(shù)。在這種情況下，有效信號(hào)成為降低功率、改善性能和減少面積組合的替代指標(biāo)。結(jié)果就是，系統(tǒng)執(zhí)行的設(shè)計(jì)越多，其效果就會(huì)越好。
在對(duì)芯片設(shè)計(jì)進(jìn)行了足夠長時(shí)間的學(xué)習(xí)之后，它可以在不到24小時(shí)的時(shí)間內(nèi)為谷歌Tensor處理單元完成設(shè)計(jì)，而且在功耗、性能、面積都超過了人類專家數(shù)周的設(shè)計(jì)成果。研究人員說，這一系統(tǒng)還向人類同行教授了一些新技巧。
最 終，谷歌團(tuán)隊(duì)希望像這一AI系統(tǒng)能達(dá)到“在同一時(shí)間段內(nèi)設(shè)計(jì)更多的芯片，以及運(yùn)行速度更快，功耗更低，制造成本更低，外形體積更小的芯片”這一目標(biāo)。
意在未來，谷歌SoC芯片集成的AI野心
這一次谷歌自研的終端處理器SoC芯片，其本質(zhì)上還是谷歌AI芯片的延伸。
細(xì)心的人們應(yīng)該已經(jīng)發(fā)現(xiàn)，這次的SoC芯片并不是完全出自谷歌研發(fā)團(tuán)隊(duì)，而是選擇了與三星展開了合作。從媒體的曝光看，谷歌這次的手機(jī)主控會(huì)采用5nm制程、Cortex-A78大核、核心數(shù)多達(dá)20個(gè)的新GPU，而這些恰好就是三星Exynos1000的特征。所以，這款三星堆料的芯片，最 主要的“谷歌元素”就是在ISP和NPU上應(yīng)用了谷歌自家設(shè)計(jì)的AI芯片。
這一選擇自然有著谷歌充分的考慮和一些明顯的優(yōu)勢，但也存在著一些不利的影響。
最 直觀的好處就是加快了谷歌的手機(jī)端SoC芯片的研制速度，降低對(duì)高通處理器的依賴，并可以迅速應(yīng)用到下一代谷歌pixel手機(jī)上。
另外一個(gè)好處是，谷歌主導(dǎo)的芯片設(shè)計(jì)將使得谷歌像蘋果一樣建成自己的封閉系統(tǒng)。谷歌最 硬核之處就在于擁有龐大的數(shù)據(jù)和AI算法。伴隨著應(yīng)用層面不斷豐富的數(shù)據(jù)體驗(yàn)和AI體驗(yàn)，比如在飛行模式下實(shí)現(xiàn)語音實(shí)時(shí)轉(zhuǎn)錄文字的功能，手機(jī)的硬件性能以及系統(tǒng)的兼容支撐就可能成為智能手機(jī)的性能天花板。如何在安卓系統(tǒng)中將處理器性能發(fā)揮到最 大，可能沒有誰比谷歌更清楚了。
畢竟前面幾款谷歌Pixel手機(jī)的市場表現(xiàn)都不溫不火，盡管其在拍攝算法和AI助手等應(yīng)用上面極 具優(yōu)勢，但在終端的外觀設(shè)計(jì)、屏幕、攝像頭、電池等硬件配置上一直存在“短板”，難以和全球幾家主流終端玩家的旗艦機(jī)型媲美。想必應(yīng)用了最 新一代的SoC芯片的新款Pixel機(jī)型的定價(jià)也將非?！案叨恕?，但在硬件上的“偏科”，可能仍然會(huì)影響其整體的市場表現(xiàn)。
此外，由于這是一款全新的“非主流”芯片，也會(huì)對(duì)游戲、軟件開發(fā)者而言，不再成為“軟件開發(fā)樣板機(jī)”的首 選測試機(jī)型。
無論如何，這一集成了深度學(xué)習(xí)性能的SoC芯片，將為谷歌爭奪未來的AI市場做好準(zhǔn)備，幫助谷歌、在移動(dòng)終端上將語音識(shí)別、圖像處理等AI應(yīng)用的性能發(fā)揮到極 致，提早一步占領(lǐng)真正的智能終端的領(lǐng) 導(dǎo)者位置。
無論怎樣，谷歌的造“芯”舉動(dòng)，一定會(huì)對(duì)上游芯片廠商以及智能終端廠商帶來正面沖擊。如果通過“Whitechapel”證明了谷歌的“造芯”戰(zhàn)略的成功，那么谷歌距離蘋果的差距還有多少呢?
自研芯片、安卓系統(tǒng)疊加最 新AI計(jì)算能力，如果再補(bǔ)足硬件配置的短板，那么谷歌極有可能打造一個(gè)安卓生態(tài)圈的軟硬件完美適配的閉環(huán)系統(tǒng)。
下載文檔
