本文分析了國內(nèi)外AI芯片的格局和特點，作者認為，在AI芯片領(lǐng)域，國外芯片巨頭占據(jù)了絕大部分市場份額，不論是在人才聚集還是公司合并等方面，都具有絕對的領(lǐng)先優(yōu)勢。而國內(nèi)AI初創(chuàng)公司則又呈現(xiàn)百家爭鳴、各自為政的紛亂局面;特別是每個初創(chuàng)企業(yè)的AI芯片都具有自己獨特的體系結(jié)構(gòu)和軟件開發(fā)套件，既無法融入英偉達和谷歌建立的生態(tài)圈，又不具備與之抗衡的實力

如果說 2016 年 3 月份 AlphaGo 與李世石的那場人機大戰(zhàn)只在科技界和圍棋界產(chǎn)生較大影響的話，那么 2017 年 5 月其與排名第一的世界圍棋冠軍柯潔的對戰(zhàn)則將人工智能技術(shù)推向了公眾視野。阿爾法狗(AlphaGo)是第一個擊敗人類職業(yè)圍棋選手、第一個戰(zhàn)勝圍棋世界冠軍的人工智能程序，由谷歌(Google)旗下 DeepMind 公司戴密斯 · 哈薩比斯領(lǐng)銜的團隊開發(fā)，其主要工作原理是 “深度學習”。

國內(nèi)AI芯片百家爭鳴，何以抗衡全球技術(shù)寡頭

其實早在 2012 年，深度學習技術(shù)就已經(jīng)在學術(shù)界引起了廣泛地討論。在這一年的 ImageNet 大規(guī)模視覺識別挑戰(zhàn)賽 ILSVRC 中，采用 5 個卷積層和 3 個全連接層的神經(jīng)網(wǎng)絡結(jié)構(gòu) AlexNet，取得了 top-5(15.3%)的歷史最佳錯誤率，而第二名的成績僅為 26.2%。從此以后，就出現(xiàn)了層數(shù)更多、結(jié)構(gòu)更為復雜的神經(jīng)網(wǎng)絡結(jié)構(gòu)，如 ResNet、GoogleNet、VGGNet 和 MaskRCNN 等，還有去年比較火的生成式對抗網(wǎng)絡 GAN。

國內(nèi)AI芯片百家爭鳴，何以抗衡全球技術(shù)寡頭

不論是贏得視覺識別挑戰(zhàn)賽的 AlexNet，還是擊敗圍棋冠軍柯潔的 AlphaGo，它們的實現(xiàn)都離不開現(xiàn)代信息技術(shù)的核心——處理器，不論這個處理器是傳統(tǒng)的 CPU，還是 GPU，還是新興的專用加速部件 NNPU(NNPU 是 Neural Network Processing Unit 的簡稱)。在計算機體系結(jié)構(gòu)國際頂級會議 ISCA2016 上有個關(guān)于體系結(jié)構(gòu) 2030 的小型研討會，名人堂成員 UCSB 的謝源教授就對 1991 年以來在 ISCA 收錄的論文進行了總結(jié)，專用加速部件相關(guān)的論文收錄是在 2008 年開始，而在 2016 年達到了頂峰，超過了處理器、存儲器以及互聯(lián)結(jié)構(gòu)等三大傳統(tǒng)領(lǐng)域。而在這一年，來自中國科學院計算技術(shù)研究所的陳云霽、陳天石研究員課題組提交的《一種神經(jīng)網(wǎng)絡指令集》論文，更是 ISCA2016 最高得分論文。

國內(nèi)AI芯片百家爭鳴，何以抗衡全球技術(shù)寡頭

在具體介紹 AI 芯片國內(nèi)外之前，看到這里有部分讀者或許會產(chǎn)生這樣的疑惑：這不都是在說神經(jīng)網(wǎng)絡和深度學習嗎?那么我覺得有必要對人工智能和神經(jīng)網(wǎng)絡的概念進行闡述，特別是 2017 年工信部發(fā)布的《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃(2018-2020 年)》中，對發(fā)展目標的描述很容易讓人覺得人工智能就是神經(jīng)網(wǎng)絡，AI 芯片就是神經(jīng)網(wǎng)絡芯片。

人工智能整體核心基礎(chǔ)能力顯著增強，智能傳感器技術(shù)產(chǎn)品實現(xiàn)突破，設(shè)計、代工、封測技術(shù)達到國際水平，神經(jīng)網(wǎng)絡芯片實現(xiàn)量產(chǎn)并在重點領(lǐng)域?qū)崿F(xiàn)規(guī)?；瘧?，開源開發(fā)平臺初步具備支撐產(chǎn)業(yè)快速發(fā)展的能力。

其實則不然。人工智能是一個很老很老的概念，而神經(jīng)網(wǎng)絡只不過是人工智能范疇的一個子集。早在 1956 年，被譽為 “人工智能之父” 的圖靈獎得主約翰 · 麥卡錫就這樣定義人工智能：創(chuàng)造智能機器的科學與工程。而在 1959 年，Arthur Samuel 給出了人工智能的一個子領(lǐng)域機器學習的定義，即“計算機有能力去學習，而不是通過預先準確實現(xiàn)的代碼”，這也是目前公認的對機器學習最早最準確的定義。而我們?nèi)粘Ｋ熘纳窠?jīng)網(wǎng)絡、深度學習等都屬于機器學習的范疇，都是受大腦機理啟發(fā)而發(fā)展得來的。另外一個比較重要的研究領(lǐng)域就是脈沖神經(jīng)網(wǎng)絡，國內(nèi)具有代表的單位和企業(yè)是清華大學類腦計算研究中心和上海西井科技等。

國內(nèi)AI芯片百家爭鳴，何以抗衡全球技術(shù)寡頭

好了，現(xiàn)在終于可以介紹 AI 芯片國內(nèi)外的發(fā)展現(xiàn)狀了，當然這些都是我個人的一點觀察和愚見，管窺之見權(quán)當拋磚引玉。

國外：技術(shù)寡頭，優(yōu)勢明顯

由于具有得天獨厚的技術(shù)和應用優(yōu)勢，英偉達和谷歌幾乎占據(jù)了人工智能處理領(lǐng)域 80% 的市場份額，而且在谷歌宣布其 Cloud TPU 開放服務和英偉達推出自動駕駛處理器 Xavier 之后，這一份額占比在 2018 年有望進一步擴大。其他廠商，如英特爾、特斯拉、ARM、IBM 以及 Cadence 等，也在人工智能處理器領(lǐng)域占有一席之地。

國內(nèi)AI芯片百家爭鳴，何以抗衡全球技術(shù)寡頭

當然，上述這些公司的專注領(lǐng)域卻不盡相同。比如英偉達主要專注于 GPU 和無人駕駛領(lǐng)域，而谷歌則主要針對云端市場，英特爾則主要面向計算機視覺，Cadence 則以提供加速神經(jīng)網(wǎng)絡計算相關(guān) IP 為主。如果說前述這些公司還主要偏向處理器設(shè)計等硬件領(lǐng)域，那么ARM 公司則主要偏向軟件，致力于針對機器學習和人工智能提供高效算法庫。

注：上述表格中所給為截止到 2017 年各研制單位公開可查的最新數(shù)據(jù)。

獨占鰲頭——英偉達

在人工智能領(lǐng)域，英偉達可以說是目前涉及面最廣、市場份額最大的公司，旗下產(chǎn)品線遍布自動駕駛汽車、高性能計算、機器人、醫(yī)療保健、云計算、游戲視頻等眾多領(lǐng)域。其針對自動駕駛汽車領(lǐng)域的全新人工智能超級計算機Xavier，用 NVIDIA 首席執(zhí)行官黃仁勛的話來說就是 “這是我所知道的 SoC 領(lǐng)域非常了不起的嘗試，我們長期以來一直致力于開發(fā)芯片?！?/p>

國內(nèi)AI芯片百家爭鳴，何以抗衡全球技術(shù)寡頭

Xavier是一款完整的片上系統(tǒng) (SoC)，集成了被稱為 Volta 的全新 GPU 架構(gòu)、定制 8 核 CPU 架構(gòu)以及新的計算機視覺加速器。該處理器提供 20 TOPS(萬億次運算 / 秒)的高性能，而功耗僅為 20 瓦。單個 Xavier 人工智能處理器包含 70 億個晶體管，采用最前沿的 16nm FinFET 加工技術(shù)進行制造，能夠取代目前配置了兩個移動 SoC 和兩個獨立 GPU 的 DRIVE PX 2，而功耗僅僅是它的一小部分。

而在 2018 年拉斯維加斯 CES 展會上，NVIDIA 又推出了三款基于 Xavier 的人工智能處理器，包括一款專注于將增強現(xiàn)實(AR)技術(shù)應用于汽車的產(chǎn)品、一款進一步簡化車內(nèi)人工智能助手構(gòu)建和部署的 DRIVE IX 和一款對其現(xiàn)有自主出租車大腦——Pegasus 的修改，進一步擴大自己的優(yōu)勢。

產(chǎn)學研的集大成者——谷歌

如果你只是知道谷歌的 AlphaGo、無人駕駛和 TPU 等這些人工智能相關(guān)的產(chǎn)品，那么你還應該知道這些產(chǎn)品背后的技術(shù)大牛們：谷歌傳奇芯片工程師 Jeff Dean、谷歌云計算團隊首席科學家、斯坦福大學AI實驗室主管李飛飛、Alphabet 董事長 John Hennessy 和谷歌杰出工程師 David Patterson。

時至今日，摩爾定律遇到了技術(shù)和經(jīng)濟上的雙重瓶頸，處理器性能的增長速度越來越慢，然而社會對于計算能力的需求增速卻并未減緩，甚至在移動應用、大數(shù)據(jù)、人工智能等新的應用興起后，對于計算能力、計算功耗和計算成本等提出了新的要求。與完全依賴于通用 CPU 及其編程模型的傳統(tǒng)軟件編寫模式不同，異構(gòu)計算的整個系統(tǒng)包含了多種基于特定領(lǐng)域架構(gòu)(Domain-Specific Architecture， DSA)設(shè)計的處理單元，每一個 DSA 處理單元都有負責的獨特領(lǐng)域并針對該領(lǐng)域做優(yōu)化，當計算機系統(tǒng)遇到相關(guān)計算時便由相應的 DSA 處理器去負責。而谷歌就是異構(gòu)計算的踐行者，TPU 就是異構(gòu)計算在人工智能應用的一個很好例子。

2017 年發(fā)布的第二代 TPU 芯片，不僅加深了人工智能在學習和推理方面的能力，而且谷歌是認真地要將它推向市場。根據(jù)谷歌的內(nèi)部測試，第二代芯片針對機器學習的訓練速度能比現(xiàn)在市場上的圖形芯片(GPU)節(jié)省一半時間;第二代 TPU 包括了四個芯片，每秒可處理 180 萬億次浮點運算;如果將 64 個 TPU 組合到一起，升級為所謂的 TPU Pods，則可提供大約 11500 萬億次浮點運算能力。

計算機視覺領(lǐng)域的攪局者——英特爾

英特爾作為世界上最大的計算機芯片制造商，近年來一直在尋求計算機以外的市場，其中人工智能芯片爭奪成為英特爾的核心戰(zhàn)略之一。為了加強在人工智能芯片領(lǐng)域的實力，不僅以 167 億美元收購 FPGA 生產(chǎn)商 Altera 公司，還以 153 億美元收購自動駕駛技術(shù)公司 Mobileye，以及機器視覺公司 Movidius 和為自動駕駛汽車芯片提供安全工具的公司 Yogitech，背后凸顯這家在 PC 時代處于核心位置的巨頭面向未來的積極轉(zhuǎn)型。

Myriad X就是英特爾子公司 Movidius 在 2017 年推出的視覺處理器 (VPU，vision processing unit)，這是一款低功耗的系統(tǒng)芯片 (SoC)，用于在基于視覺的設(shè)備上加速深度學習和人工智能——如無人機、智能相機和 VR / AR 頭盔。Myriad X 是全球第一個配備專用神經(jīng)網(wǎng)絡計算引擎的片上系統(tǒng)芯片(SoC)，用于加速設(shè)備端的深度學習推理計算。該神經(jīng)網(wǎng)絡計算引擎是芯片上集成的硬件模塊，專為高速、低功耗且不犧牲精確度地運行基于深度學習的神經(jīng)網(wǎng)絡而設(shè)計，讓設(shè)備能夠?qū)崟r地看到、理解和響應周圍環(huán)境。引入該神經(jīng)計算引擎之后，Myriad X 架構(gòu)能夠為基于深度學習的神經(jīng)網(wǎng)絡推理提供 1TOPS 的計算性能。