AI芯片的發(fā)展，離不開人工智能技術(shù)的成熟。人工智能從1956年誕生至今，共經(jīng)歷過三次大的浪潮。進入21世紀，由于計算機性能的提升和海量數(shù)據(jù)的產(chǎn)生，以及機器學(xué)習(xí)和CNN技術(shù)（Convolutional Nerual Networks，卷積神經(jīng)網(wǎng)絡(luò)）獲得突破，算法、算力和數(shù)據(jù)都滿足了人工智能的商業(yè)化落地需求，人工智能迎來了高速發(fā)展的階段。
實際上，人工智能產(chǎn)業(yè)得以快速發(fā)展，離不開目前唯一的物理基礎(chǔ)——芯片?？梢哉f，“無芯片不AI”，能否開發(fā)出具有超高運算能力、符合市場需求的芯片，已成為人工智能能否可持續(xù)發(fā)展的重要因素。
近年來，AI芯片產(chǎn)業(yè)發(fā)展迅猛，眾多企業(yè)紛紛布局。但從芯片的起步、發(fā)展、成熟的三個階段來看，人工智能芯片仍然處于起步階段。
巨頭新銳，共遇產(chǎn)業(yè)瓶頸
按應(yīng)用場景的不同，AI芯片設(shè)計可分為云端訓(xùn)練、云端推斷、終端推斷三部分。其中云端訓(xùn)練芯片主要以英偉達的GPU為主，新入競爭者是谷歌的TPU，以及深耕FPGA的賽靈思與英特爾。在云端推斷方面，代表企業(yè)有AMD、谷歌、英偉達、百度、寒武紀等。
在終端推斷方面，由于移動終端、自動駕駛等應(yīng)用場景需求逐漸爆發(fā)，布局企業(yè)包括傳統(tǒng)芯片巨頭和初創(chuàng)企業(yè)，如高通、華為海思、地平線、寒武紀、比特大陸等。
不難發(fā)現(xiàn)，在市場格局上，雖然目前都是傳統(tǒng)芯片巨頭占據(jù)著AI芯片市場的霸主地位。但AI芯片落地難，是困擾巨頭與新銳的共同問題。??
地平線聯(lián)合創(chuàng)始人兼副總裁黃暢告訴億歐科創(chuàng)：AI芯片落地之所以難，首先是大家技術(shù)上都遇到了共同的瓶頸，也是所謂的“馮·諾依曼瓶頸”。
提高AI芯片性能的關(guān)鍵之一，在于支持高效的數(shù)據(jù)訪問。在傳統(tǒng)馮·諾伊曼體系結(jié)構(gòu)中，數(shù)據(jù)從處理單元外的存儲器提取，處理完之后再寫回存儲器。AI芯片本身基于馮·諾伊曼體系結(jié)構(gòu)，使用簡單的功能是完全沒問題的。
但由于運算部件和存儲部件存在速度差異，當(dāng)運算能力達到一定程度，由于訪問存儲器的速度無法跟上運算部件消耗數(shù)據(jù)的速度，再增加運算部件也無法得到充分利用，即形成所謂的馮·諾依曼瓶頸，或“內(nèi)存墻”問題，這是長期困擾計算機體系結(jié)構(gòu)的難題。
目前常見的方法是利用高速緩存（Cache）等層次化存儲技術(shù)，盡量緩解運算和存儲的速度差異。然而，AI芯片中需要存儲和處理的數(shù)據(jù)量遠遠大于之前常見的應(yīng)用。這都使得馮·諾依曼瓶頸問題在AI應(yīng)用中愈發(fā)嚴重?！翱梢圆豢鋸埖卣f，大部分針對AI提出的硬件架構(gòu)創(chuàng)新都是在和這個問題做斗爭?！秉S暢補充道。
不過，也正是由于人工智能芯片的技術(shù)難題，導(dǎo)致不論是巨頭還是新銳都處于同一起跑線，這給國產(chǎn)企業(yè)提供了良好的超越“賽道”。這也避免了傳統(tǒng)巨頭利用自身已有優(yōu)勢，快速甩開對手。
問鼎全球，如何彎道超車
19年6月20日，寒武紀推出第二代云端“思元270”；6月21日，華為發(fā)布人工智能手機芯片“麒麟810”；7月3日，百度發(fā)布人工智能芯片遠場語音交互芯片“鴻鵠”；10月29日，地平線發(fā)布AIoT邊緣計算人工智能芯片“旭日二代”。
可以發(fā)現(xiàn)，國產(chǎn)企業(yè)在AI芯片領(lǐng)域的布局已初見雛形，有一戰(zhàn)之力。但想問鼎全球，仍需改善一些不足。
針對國產(chǎn)AI芯片的發(fā)展，中國工程院院士倪光南多次表示，芯片設(shè)計門檻極高，只有極少數(shù)企業(yè)能夠承受中高端芯片研發(fā)成本，這也制約了芯片領(lǐng)域創(chuàng)新。我國可以借鑒開源軟件成功經(jīng)驗，降低創(chuàng)新門檻，提高企業(yè)自主能力，發(fā)展國產(chǎn)開源芯片。
“開源軟件正成為當(dāng)前軟件產(chǎn)業(yè)的主流，芯片產(chǎn)業(yè)也可以采用開源這種模式?！蹦吖饽蠌娬{(diào)，目前在芯片開發(fā)方面，新的RISC－V指令集是一種能夠降低處理器芯片IP成本的新模式。企業(yè)可以自由免費使用RISC－V進行CPU設(shè)計、開發(fā)并添加自有指令集進行拓展等。RISC－V對于當(dāng)前AI芯片架構(gòu)的優(yōu)化，成本的控制，都有很好的效果。
關(guān)于AI芯片架構(gòu)，其實我國企業(yè)已有不少可圈可點的案例，例如華為的達芬奇架構(gòu)，寒武紀的Cambricon－X架構(gòu)，鯤云科技的CAISA架構(gòu)，地平線的伯努利架構(gòu)等。
比起人工智能芯片架構(gòu)，我國更應(yīng)該關(guān)注人工智能芯片的產(chǎn)業(yè)鏈完整度。
我國制造芯片的最新設(shè)備和工藝比國際先進水平落后多代，因此一些人工智能芯片需要送到境外進行制造和封裝。這就會造成芯片產(chǎn)量不足，以及價格過高的問題。使得下游很多使用其模組的產(chǎn)品無法量產(chǎn)，造成惡性循環(huán)，不利于行業(yè)的發(fā)展。
作為國內(nèi)邊緣側(cè)AI芯片領(lǐng)域的先行者，嘉楠科技早在2016年就掌握了16nm制程工藝，之所以現(xiàn)階段的AI芯片制程工藝仍為28nm，主要也是受價格和出貨量的限制。
賽迪顧問《中國人工智能芯片產(chǎn)業(yè)發(fā)展白皮書》顯示，中國人工智能芯片市場規(guī)模保持高速增長。云端領(lǐng)域，2018年云端市場全球占比17．0％；預(yù)計2021年將達221．5億元，CAGR達 51．23％。終端領(lǐng)域，2021年將達84．1億元，CAGR為59．3％。
面對如此廣闊的市場，希望國產(chǎn)企業(yè)能潛心突破瓶頸，問鼎全球。
下載文檔
