2019年全球十大AI芯片盤點 AI芯片的發(fā)展速度不斷加快

人工智能浪潮的推動下，AI相關(guān)產(chǎn)業(yè)的商用場景正逐步大規(guī)模落地，基于AI技術(shù)的三大支柱：“算法＋大數(shù)據(jù)＋計算能力”智能應用已成為計算機最主要的負載之一。我國在用戶數(shù)據(jù)方面擁有數(shù)量的先天優(yōu)勢，但面對有限的規(guī)模、結(jié)構(gòu)固定、能耗受限的硬件制約下，如何用AI芯片處理海量的并不斷演進的深度學習算法呢？跟隨OFweek編輯一起來看看各大科技巨頭們研發(fā)的AI芯片吧。（排名按首字母順序排列）

1.含光800

2019年的杭州云棲大會上，達摩院院長張建鋒現(xiàn)場展示了這款全球最強的 AI芯片——含光800。在業(yè)界標準的 ResNet－50 測試中，含光 800 推理性能達到 78563 IPS，比目前業(yè)界最好的 AI 芯片性能高 4 倍；能效比500 IPS／W，一個含光800的算力相當于10個GPU。

目前，含光800已經(jīng)實現(xiàn)了大規(guī)模應用于阿里巴巴集團內(nèi)多個場景，例如視頻圖像識別／分類／搜索、城市大腦等，未來還可應用于醫(yī)療影像、自動駕駛等領(lǐng)域。以杭州城市大腦實時處理1000路視頻為例，過去使用GPU需要40塊，延時為300ms，單路視頻功耗2．8W；使用含光800僅需4塊，延時150ms，單路視頻功耗1W。

2.Graphcore IPU

總部位于英國布里斯托的Graphcore公司日前推出了一款稱為智能處理單元（IPU）的新型AI加速處理器。芯片本身，即IPU處理器，是迄今為止最復雜的處理器芯片：它在一個16納米芯片上有幾乎240億個晶體管，每個芯片提供125 teraFLOPS運算能力。一個標準4U機箱中可插入8張卡，卡間通過IPU鏈路互連。8張卡中的IPU可以作為一個處理器元件工作，提供兩個petaFLOPS的運算能力。與芯片在CPU和GPU中的存在形式不同，它為機器智能提供了更高效的處理平臺。

Graphcore公司于2016年啟動風險投資計劃，并在2018年12月的最后一輪融資中募集了2億美元?；谄?7億美元的公司估值，Graphcore已成為西方半導體界的唯一“獨角獸”。它的投資者們包括戴爾、博世、寶馬、微軟和三星。

3.Inferentia芯片

2019年，亞馬遜的云服務業(yè)務AWS在其發(fā)布會AWS re：Invent上帶來了高性能機器學習加速芯片InferenTIa。據(jù)了解，AWS InferenTIa 是一個由 AWS 定制設(shè)計的機器學習推理芯片，旨在以極低成本交付高吞吐量、低延遲推理性能。該芯片將支持 TensorFlow、Apache MXNet 和 PyTorch 深度學習框架以及使用 ONNX 格式的模型。

每個 AWS InferenTIa 芯片都能在低功率下支持高達 128 TOPS（每秒數(shù)萬億次運行）的性能，從而為每個 EC2 實例啟用多個芯片。AWS InferenTIa 支持 FP16、BF16 和 INT8 數(shù)據(jù)類型。此外，Inferentia 可以采用 32 位訓練模型，并使用 BFloat16 以 16 位模型的速度運行該模型。與EC4上的常規(guī)Nvidia G4實例相比，借助Inferentia，AWS可提供更低的延遲和三倍的吞吐量，且每次推理成本降低40％。

4.昆侖芯片

2019年尾聲，百度宣布首款AI芯片昆侖已經(jīng)完成研發(fā)，將由三星代工生產(chǎn)。該芯片使用的是三星14nm工藝技術(shù)，封裝解決方案采用的是I－Cube TM。

據(jù)悉，昆侖AI芯片提供512Gbps的內(nèi)存帶寬，在150瓦的功率下實現(xiàn)260TOPS的處理能力，能支持語音，圖像，NLP等不同的算法模型，其中ERNIE模型的性能是T4GPU的三倍以上，兼容百度飛槳等主流深度學習框架。該款芯片主要用于云計算和邊緣計算，預計在2020年初實現(xiàn)量產(chǎn)，

5.Nervana NNP 芯片

2019 英特爾人工智能峰會，英特爾推出面向訓練 （NNP－T1000） 和面向推理 （NNP－I1000） 的英特爾 Nervana 神經(jīng)網(wǎng)絡處理器 （NNP）。據(jù)了解，Nervana NNP－T 代號 Spring Crest，采用了臺積電的 16nm FF＋ 制程工藝，擁有 270 億個晶體管，硅片面積 680 平方毫米，能夠支持 TensorFlow、PaddlePaddle、PYTORCH 訓練框架，也支持 C＋＋ 深度學習軟件庫和編譯器 nGraph。

Nervana NNP－I，代號為 Spring Hill，是一款專門用于大型數(shù)據(jù)中心的推理芯片。這款芯片是基于 10nm 技術(shù)和 Ice Lake 內(nèi)核打造的，打造地點是以色列的 Haifa ，Intel 號稱它能夠利用最小的能量來處理高負載的工作，它在 ResNet50 的效率可達 4．8TOPs／W，功率范圍在 10W 到 50W 之間。

6.Orin芯片

2019年NVIDIA GTC中國大會中英偉達發(fā)布了全新的軟件定義自動駕駛平臺——NVIDIA DRIVE AGX Orin，該平臺內(nèi)置全新Orin系統(tǒng)級芯片，由170億個晶體管組成。

Orin系統(tǒng)級芯片集成了NVIDIA新一代GPU架構(gòu)和Arm Hercules CPU內(nèi)核以及全新深度學習和計算機視覺加速器，每秒可運行200萬億次計算，幾乎是NVIDIA上一代Xavier系統(tǒng)級芯片性能的7倍。此外，Orin可處理在自動駕駛汽車和機器人中同時運行的大量應用和深度神經(jīng)網(wǎng)絡，并且達到了ISO 26262 ASIL－D等系統(tǒng)安全標準。

7.邃思DTU

由騰訊領(lǐng)投、融資累計超過 6 億元的 AI 芯片公司燧原科技，在2019年發(fā)布會中推出自主研發(fā)的首款 AI 訓練芯片“邃思 DTU”。

據(jù)了解邃思DTU采用格羅方德12nm FinFET工藝，480平方毫米主芯片上承載141億個晶體管，實現(xiàn)2．5D高級立體封裝，據(jù)稱單卡單精度算力為業(yè)界第一，達20TFLOPS，首次支持混合精度，半精度及混合精度下算力達80TFLOPS，最大功耗僅225W。

邃思芯片基于可重構(gòu)芯片的設(shè)計理念，其計算核心包含 32 個通用可擴展神經(jīng)元處理器（SIP），每 8 個 SIP 組合成 4 個可擴展智能計算群（SIC）。SIC 之間通過 HBM 實現(xiàn)高速互聯(lián)，通過片上調(diào)度算法，數(shù)據(jù)在遷移中完成計算，實現(xiàn)了 SIP 利用率最大化。

8.思元220芯片

寒武紀在第21屆高交會正式發(fā)布邊緣AI系列產(chǎn)品思元220（MLU220）芯片及M．2加速卡產(chǎn)品，標志寒武紀在云、邊、端實現(xiàn)了全方位、立體式的覆蓋。

思元220芯片采用了寒武紀在處理器架構(gòu)領(lǐng)域的一系列創(chuàng)新性技術(shù)，其架構(gòu)為寒武紀最新一代智能處理器MLUv02，實現(xiàn)最大32TOPS（INT4）算力，而功耗僅10W，可提供16／8／4位可配置的定點運算。作為通用處理器，支持各類深度學習技術(shù)，支持多模態(tài)智能處理（視覺、語音和自然語言處理），應用領(lǐng)域廣泛，客戶可以根據(jù)實際應用靈活的選擇運算類型來獲得卓越的人工智能推理性能。

9.昇騰910

2019年8月，華為在深圳總部發(fā)布AI處理器Ascend 910（昇騰910），據(jù)華為發(fā)布的參數(shù)顯示，昇騰910是一款具有超高算力的AI處理器，其最大功耗為310W，華為自研的達芬奇架構(gòu)大大提升了其能效比。八位整數(shù)精度（INT8）下的性能達到512TOPS，16位浮點數(shù)（FP16）下的性能達到256 TFLOPS。

作為一款高集成度的片上系統(tǒng)（SoC），除了基于達芬奇架構(gòu)的AI核外，昇騰910還集成了多個CPU、DVPP和任務調(diào)度器（Task Scheduler），因而具有自我管理能力，可以充分發(fā)揮其高算力的優(yōu)勢。

昇騰910集成了HCCS、PCIe 4．0和RoCE v2接口，為構(gòu)建橫向擴展（Scale Out）和縱向擴展（Scale Up）系統(tǒng)提供了靈活高效的方法。HCCS是華為自研的高速互聯(lián)接口，片內(nèi)RoCE可用于節(jié)點間直接互聯(lián)。最新的PCIe 4．0的吞吐量比上一代提升一倍。

10.征程二代

2019世界人工智能大會中，人工智能芯片初創(chuàng)公司地平線正式宣布量產(chǎn)中國首款車規(guī)級人工智能芯片——征程二代，并且獲得五個國家市場客戶的前裝定點項目。

據(jù)介紹，征程二代于今年初流片成功，搭載地平線自主創(chuàng)新研發(fā)的高性能計算架構(gòu)BPU2．0（Brain Processing Unit），可提供超過4TOPS的等效算力，典型功耗僅2瓦，滿足AEC－Q100標準，算力利用率超過90％，每TOPS算力可以處理的幀數(shù)可達同等算力GPU的10倍以上，識別精度超過99％，延遲少于100毫秒，多任務模式下可以同時跑超過60個分類任務，每秒鐘識別目標數(shù)可以超過2000個。

此次地平線率先推出首款車規(guī)級AI芯片不僅實現(xiàn)了中國車規(guī)級AI芯片量產(chǎn)零的突破，也補齊了國內(nèi)自動駕駛產(chǎn)業(yè)生態(tài)建設(shè)的關(guān)鍵環(huán)節(jié)。

小結(jié)

目前通過CPU／GPU處理人工神經(jīng)網(wǎng)絡效率低下，谷歌大腦需要1．6萬個CPU核跑數(shù)天方能完成貓臉識別訓練；AIpha GO與李世石下棋時用了1000個CPU和200個GPU，AI芯片的發(fā)展是第三次AI浪潮中極為明顯的趨勢，算法已滲透到云服務器和智能手機的方方面面，未來每臺計算機可能都需要一個專門的深度學習處理器。