人工智能芯片專業(yè)化的趨勢正在演變成一場軍備競賽

目前全球人工智能市場仍呈現(xiàn)加速增長態(tài)勢，主力廠商著重?fù)屜炔季秩斯ぶ悄墚a(chǎn)業(yè)生態(tài)鏈。伴隨人工智能技術(shù)進(jìn)入相對成熟階段，智能終端產(chǎn)品銷量穩(wěn)定增加，促進(jìn)人工智能市場發(fā)展。2018年，全球人工智能市場規(guī)模達(dá)到2636.7億美元，同比增長17.7%。

在接下來的幾年里，芯片制造商巨頭和資金雄厚的創(chuàng)業(yè)公司將瓜分專業(yè)AI芯片的市場份額。

在計(jì)算密集型的人工智能領(lǐng)域，硬件供應(yīng)商正在以摩爾定律高峰期的性能提升速度不斷推陳出新。這種提升來自于針對深度學(xué)習(xí)等人工智能應(yīng)用的新一代專用芯片。但是，人工智能芯片市場正在出現(xiàn)的支離破碎化將讓開發(fā)商面臨一些艱難抉擇。

將芯片專門針對人工智能應(yīng)用而定制的新時(shí)代始于最初為游戲應(yīng)用開發(fā)的圖形處理單元被部署用于深度學(xué)習(xí)等應(yīng)用。讓GPU渲染逼真圖像的同一個(gè)架構(gòu)可以比中央處理單元(CPU)更為有效地處理矢量數(shù)據(jù)。2007年，英偉達(dá)發(fā)布了CUDA，這是一個(gè)支持GPU以通用方式編程的工具包，這是GPU發(fā)展過程中的重要一步。

在處理深度學(xué)習(xí)這種前所未有的高性能計(jì)算要求時(shí)，人工智能研究人員需要利用力所能及的所有優(yōu)勢。在人工智能的推動(dòng)下，GPU的處理能力迅速發(fā)展，最初設(shè)計(jì)用來渲染圖像的GPU反過來又成為了推動(dòng)可以改變世界的人工智能研究和開發(fā)的主要力量。為了讓Fortnite這種圖像渲染工具可以以每秒120幀的速度運(yùn)行，需要實(shí)現(xiàn)諸多線性代數(shù)運(yùn)算，現(xiàn)在，同樣這些運(yùn)算被部署在了計(jì)算機(jī)視覺、自動(dòng)語言識別和自然語言處理等前沿應(yīng)用核心的神經(jīng)網(wǎng)絡(luò)中。

現(xiàn)在，人工智能芯片專業(yè)化的趨勢正在演變成一場軍備競賽。據(jù)Gartner預(yù)計(jì)，人工智能專用芯片的銷售額將在2019年翻一番，達(dá)到80億美元，到2023年時(shí)這一數(shù)字將增長到340億美元。在英偉達(dá)的內(nèi)部預(yù)測中，到2023年時(shí)數(shù)據(jù)中心GPU市場(幾乎全部用于深度學(xué)習(xí))規(guī)模將達(dá)到500億美元。在接下來的五年中，亞馬遜、ARM、蘋果、IBM、英特爾、微軟、英偉達(dá)和高通將在人工智能專用芯片上展開大量投資。參加軍備競賽的除了這些芯片巨頭外，還包括一些創(chuàng)業(yè)型公司。據(jù)CrunchBase估計(jì)，包括Cerebras，Graphcore，Groq，Mythic AI，SambaNova Systems和Wave Computing在內(nèi)的AI芯片公司已經(jīng)籌集了超過10億美元的投資。

需要說明的是，專用AI芯片是將前沿AI研究迅速轉(zhuǎn)化成實(shí)際應(yīng)用的催化劑，所以它很重要，也頗受歡迎。但是，大量新出現(xiàn)的AI芯片，一個(gè)比一個(gè)快，一個(gè)比一個(gè)專業(yè)，似乎會限制企業(yè)軟件的崛起。我們可以預(yù)計(jì)，這些AI芯片公司會進(jìn)行低價(jià)促銷，并進(jìn)行軟件的專業(yè)化，以將開發(fā)人員鎖定在只跟一家供應(yīng)商合作。

試想一下，如果說15年前，云服務(wù)AWS，Azure，Box，Dropbox和GCP都會在一年到一年半之內(nèi)上市，它們各自的任務(wù)就是鎖定盡可能多的企業(yè)客戶，所謂鎖定是指你一旦選定了一個(gè)平臺，就很難將自己的技術(shù)投資切換到另一個(gè)平臺上。這種情況將發(fā)生在AI專用芯片領(lǐng)域，從而使得大量投入了巨資的研究都受到威脅，因?yàn)榭蛻艉茈y從別的平臺轉(zhuǎn)移到你的平臺上來。

芯片制造商們肯定會向開發(fā)人員做出一些美好的承諾，而且基本上可以兌現(xiàn)。但是，對于AI開發(fā)人員來說，重要的是，即使其它供應(yīng)商搭載了新架構(gòu)的新芯片的性能更快，也很有可能會拖慢自己將產(chǎn)品推向市場的速度。在大多數(shù)情況下，AI模型無法在不同的芯片制造商的器件之間進(jìn)行移植。所以，開發(fā)人員必須將供應(yīng)商通過專用AI芯片和專業(yè)軟件將自己鎖牢的風(fēng)險(xiǎn)牢記在心，在過去，實(shí)際的計(jì)算引擎都已經(jīng)標(biāo)準(zhǔn)化而且同質(zhì)化，所以移植很方便，可以自由地在不同供應(yīng)商之間切換。但是現(xiàn)在，在人工智能開發(fā)領(lǐng)域，這種情況將發(fā)生巨大變化。

將來的芯片產(chǎn)業(yè)很可能有超過一半營收都來自于人工智能和深度學(xué)習(xí)等應(yīng)用，就像軟件能夠產(chǎn)生更多的軟件一樣，AI也會催生更多的AI。我們已經(jīng)多次看到了這種衍生效應(yīng)：公司一開始專注在一個(gè)問題上，但是最終卻解決了很多問題。比如，大型汽車制造商們正在努力實(shí)現(xiàn)自主駕駛，他們在深度學(xué)習(xí)和計(jì)算機(jī)視覺方面開展的前沿性工作產(chǎn)生了連鎖效應(yīng)，其研究成果可以應(yīng)用在福特的送貨機(jī)器人等分支性項(xiàng)目中。

隨著專用AI芯片陸續(xù)上市，目前的芯片制造商巨頭和大型云服務(wù)公司可能會鎖定一些客戶，和他們達(dá)成獨(dú)家協(xié)議，或者由于很難爭取客戶而只能收購那些表現(xiàn)出色的創(chuàng)業(yè)公司。AI芯片專用化的趨勢將會讓AI市場變得支離破碎，而不是使之趨于大一統(tǒng)。對于人工智能開發(fā)人員來說，現(xiàn)在可以做的就是，了解這個(gè)行業(yè)的發(fā)展趨勢，并做些規(guī)劃，權(quán)衡更快的芯片帶來哪些好處，同時(shí)又帶來多大的開發(fā)難度，以及在新架構(gòu)上設(shè)計(jì)自己的產(chǎn)品的成本如何。