AI晶片:巨頭的新戰場,中國的“芯”希望
10月9日,華為兩顆AI晶片問世;
9月26日,英偉達宣佈推出全新的TensorRT 3人工智慧推理軟體;
9月19日,阿里巴巴在杭州雲棲大會上宣佈,成立“平頭哥半導體有限公司”;
9月13日,蘋果釋出新款iPhone XS系列手機搭載A12仿生晶片;
8月31日,華為釋出AI加持的麒麟980晶片;
最近幾個月,“AI晶片”無疑成為科技界的一大熱門話題,顯示卡大戶英偉達、CPU大佬英特爾、搜尋界一哥谷歌、“平頭哥”阿里巴巴、“凌晨偷笑”的華為等科技公司都在專注於同一件事: AI晶片。
那麼問題來了,AI晶片究竟是什麼晶片?目前哪家公司做的最好?為什麼每家科技巨頭都在爭先恐後的研究它?我國在AI晶片能否和國外巨頭一戰?AI銳見帶你一探究竟。
晶片縱有三千,AI只取一瓢!
隨著人工智慧、深度學習的春風吹遍世界各地,各類晶片的頭銜都與AI密不可分。知名市場調研公司ReportLinker預計,到2023年,全球人工智慧(AI)晶片市場規模將達到108億美元,複合年均增長率達到53.6%。 AI晶片很可能是晶片界的一次變革。
其實晶片的種類有千千萬萬,AI晶片只是其中的一部分,甚至有些專家認為目前不存在所謂的人工智慧晶片。我們都知道晶片最重要的的工作就是處理資料,AI晶片也不例外,我們所熟知的CPU與GPU亦是如此。
人工智慧是什麼? 簡單來說,人工智慧分為機器學習和深度學習兩部分,無論是機器學習還是深度學習都需要構建演算法和模型,以實現對資料樣本的反覆運算和訓練,降低對人工理解功能原理的要求。所以,AI晶片通常要處理規模非常龐大的資料。
晶片型別一覽
那傳統的CPU和GPU難道不能計算這些資料嗎?當然可以,但問題也不少。CPU在處理AI演算法時就比較緩慢,比如自動駕駛的車輛需要識別複雜的路況資訊,如果慢了幾秒就會發生嚴重的事故,時間就是生命。CPU就不太適合處理這些資料了。
GPU在處理資料時效率雖然提高很多,但黃教主的顯示卡動輒上萬,而且功耗驚人。在幾年前,谷歌的人工智慧阿爾法狗(Alpha Go)下一盤圍棋就動用了1000個CPU和200個GPU,每分鐘的電費高達300美元,其網路規模還只有人腦的千分之一。假設一盤圍棋的時間為兩小時,這就需要花費36000美元。
這種方式雖然可行,但成本太高。也就是谷歌這種大佬用得起,換作其它家中小型企業自然是望而卻步的。AI晶片還需廣泛應用於手機中,比如面部識別和語音識別。如果像GPU的功耗情況對於手機來說是不現實的。
總結來說,AI晶片的作用就是就是專注於處理機器學習和深度學習的海量資料,比起傳統的CPU\GPU既能提高效率,又可以減少功耗。
兩大應用場景,面向雲端與終端
當今AI晶片主要應用於兩大場景:面向大型伺服器的雲端和麵向智慧硬體的終端。
人工智慧首先需要深度學習,深度學習就意味著需要大量的資料和繁瑣的運算,在雲端AI晶片能夠滿足當前演算法訓練的要求。比如給一個系統成千上萬種“狗”的圖片,並告訴這個系統這種生物是“狗”,系統經過深度學習之後“知道”了什麼是“狗”,之後這個系統就可以判斷一張圖片是不是“狗”了。
所以, 雲端AI晶片 的特點就是效能強大,能夠進行大量運算,並且能夠靈活地支援圖片、語音、視訊等不同AI應用。
終端AI晶片則是面向消費者的智慧硬體,AI晶片讓資料處理等操作實現“本地化”,脫離了“聯網”的限制。比如手機,將AI晶片整合在手機CPU中,高通、蘋果、華為都實現了這種整合AI晶片的手機CPU。
終端AI晶片的特點是體積小、功耗小、效能無需特別強大,通常只有一種或兩種AI功能。如今所說的“智慧家居”就離不開終端晶片的功勞。像生活中常見的掃地機器人,智慧音箱,手機裡的語音助手等裝置都配備了終端晶片。
雲端英偉達一騎絕塵,終端市場群雄割據
雲端AI晶片無論是從硬體還是軟體,已經被各大巨頭控制。2018年5月,市場研究顧問公司CompassIntelligence釋出了關於AI晶片最新調研報告。因為目前AI晶片在終端應用較少,所以榜單頭部的排名可以近似的認為就是雲端AI晶片的目前市場格局。
從圖中看出, 排名靠前的無疑就是英偉達、英特爾、IBM與谷歌 。排行榜中共有七家中國人工智慧晶片公司入圍榜單Top24。 華為排名12,成中國大陸地區最強晶片廠商。其餘六家中國公司分別為:聯發科、Imagination、瑞芯微、芯原、寒武紀、地平線。
英偉達:雲端晶片·大佬
英偉達目前佔據了全球雲端AI晶片一半以上的市場,這僅僅是保守數字。GPU非常適合深度學習,而英偉達正好以GPU稱霸世界,研究人工智慧的科學家就沿著GPU自然而然地找到了英偉達。
黃教主則立馬抓住了這個機會,動用數千工程師、投入20億美元,短時間內研發出第一臺專門為深度學習而優化的Pascal GPU。所以,在深度學習大行其道的今天,英偉達變身成了最大贏家。
2018年9月26日,英偉達正式釋出最新的TensorRT 3 神經網路推理加速器。目前使用英偉達的AI技術的公司有很多,其中包括國內的BAT、京東等公司,以及國外的亞馬遜、谷歌、Facebook等公司。
英偉達旗下產品線更是不在少數:自動駕駛汽車、高效能運算、機器人、醫療保健、雲端計算、遊戲視訊等眾多。
英特爾:瘋狂收購·不差錢
談到晶片和CPU,怎能少了PC界的老大英特爾。儘管英特爾自身的CPU不適合AI晶片,但人家不差錢啊!
英特爾在AI晶片上可是下了血本。
為了加強在人工智慧晶片領域的實力,英特爾以 167 億美元收購 FPGA 生產商 Altera ,以 153 億美元收購自動駕駛技術公司 Mobileye,以4億美元收購深度學習初創企業Nervana Systems以及機器視覺公司 Movidius和為自動駕駛汽車晶片提供安全工具的公司Yogitech。
但遺憾的是,目前還沒有成熟的產品面世。用英特爾自己的話說,其要建立一個人工智慧全棧式的解決方案,從而充分釋放AI的潛力。這可能是英特爾AI晶片遲遲沒有落地的原因吧。
谷歌:圍棋NO.1·阿爾法狗
谷歌在2016年宣佈獨立開發一種名為TPU的全新的處理系統。打敗眾多人類圍棋大師的人工智慧阿爾法狗採用的是谷歌自主研發的全定製化晶片(ASIC)TPU。
TPU是專門為機器學習應用而設計的專用晶片。TPU特別適合谷歌自家的TensorFlow系統。在2018谷歌開發者大會上,谷歌已經發布了TPU 3.0。谷歌旗下的Waymo自動駕駛公司採用的正是TPU。
2018年2月13日,谷歌正式宣佈,向谷歌雲客戶開放張量處理器TPU beta版服務,每小時6.5美元。
對於選擇在谷歌雲平臺上執行機器學習模型的客戶來說,這算是個好訊息,但谷歌這次開放的TPU數量有限且按時收費,每小時成本為6.50美元。
蘋果:仿生加持·A12晶片
從去年的iPhone X使用的A11處理器開始,蘋果公司在處理器的AI中大做文章。在今年剛剛釋出的iPhone XS系列使用的A12晶片更是披上了“仿生”的神祕面紗。簡單來說,蘋果的“仿生”只是在其CPU中配備了新一代神經網路引擎。A12仿生處理器相當於模仿了人類大腦的神經網路。
當然,目前的仿生晶片還處於一個比較初級的階段,多為概念而已,體驗上並不會有太大的變化。
這些功能體現在:智慧省電優化,Face ID 3D人臉識別,AR表情,相機一鍵換背景等都離不開仿生晶片的功勞。
根據最新訊息,蘋果公司正在支付3億美元現金購買Dialog半導體公司的一部分。該交易預計將於2019年初完成,待監管部門批准。
寒武紀:中國·獨角獸之一
寒武紀科技成立於2016年,其擁有終端AI晶片和雲端AI晶片兩條產品線。華為的麒麟970採用的正是寒武紀開發的NPU。
2018年5月釋出的寒武紀MLU100智慧晶片,適用於視覺、語音、自然語言處理等多種型別的雲端人工智慧應用場景。寒武紀目前已經完成B輪融資,整體估值為25億美元。
華為:順勢而為·AII In AI
就在今年蘋果釋出會召開的同時,華為餘承東深夜發微博:穩了。餘總信心滿滿也許是因為華為自己的麒麟980晶片。早在去年,麒麟970就已經搭載了NPU。NPU也屬於全定製化晶片(ASIC),因為定製,所以專業。
而今年的麒麟980更是搭載了雙NPU,華為表示,麒麟980的全新雙核NPU比麒麟970的NPU快2.2倍,每分鐘可實現4500次推斷。NPU的功能就是負責AI運算,在大幅提高手機AI效能的同時降低了AI任務功耗,體現在在語音助手、智慧識物、省電等功能上,和蘋果A12晶片功能類似。
10月10日,華為釋出了AI發展戰略與全棧全場景AI解決方案,併發布了兩款AI晶片:Ascend 910和Ascend 310,一款面向雲端,一款面向終端。
當然,華為並不會單獨銷售這兩款AI晶片,而是以晶片為基礎開發AI加速模組,AI加速卡,AI伺服器,AI一體機,以及面向自動駕駛和智慧駕駛進行銷售。這次釋出的兩款晶片都會在2019年第二季度上市,究竟實力如何我們拭目以待。
這是AI晶片最好的時代,也是最壞的時代
根據Gartne報告分析稱,AI晶片在2017年的市場規模為48億美元,2020年預計達到146億,其中雲端應用可望達到105億。目前AI晶片雲端市場被英偉達牢牢佔據,終端市場群雄並起。
當然,AI晶片全球起步時間幾乎相差無幾, 國內外新老AI晶片勢力百花齊放,也必將會為晶片市場帶來更多可能。