人工智能芯片发展需找准突破点

作为人工智能(AI)产业发展的基石,AI芯片近年来发展迅速,许多公司已经制定出来。然而,在几天前在上海举行的2019年世界人工智能大会上,业内人士表示,目前AI芯片的发展似乎很火爆。事实上,全球AI芯片产业仍处于“婴儿期”,未来的发展仍需要找到一个突破点。

对AI芯片的需求正在爆发

计算能力是人工智能发展的关键因素之一。随着深度学习算法的推广应用,人工智能对计算能力提出了更高的要求。传统的CPU架构无法满足深度学习对计算能力的需求。已经出现了具有数据并行计算能力和加速计算处理的人工智能芯片。

近年来,AI芯片产业发展迅速,许多公司已经制定出来。结合应用场景和功能划分,AI芯片设计可分为三个部分:云培训,云推理和终端推理。其中,云训练芯片主要基于NVIDIA的GPU。新的竞争对手是谷歌的TPU。深入参与FPGA的公司包括XILINX和英特尔。在云推理方面,公司已经提出了一百个争议学校,代表AMD,谷歌,NVIDIA,百度和寒武纪等公司。在终端推理方面,对移动终端和自动驾驶仪等应用场景的需求逐渐增加。布局公司包括传统的芯片巨头和初创企业,如高通,华为海思,地平线,寒武纪和云之声。

根据赛迪顾问在2019年世界人工智能会议上发布的《中国人工智能芯片产业发展白皮书》,由于宏观政策环境,技术进步和升级,人工智能应用普及等诸多有利因素,2018年中国AI芯片的市场规模达80.8亿元。增长50.2%。

在地方政府的推动下,加速公共云,私有云,数据中心等的建设,2018年中国云培训芯片的市场份额达到51.3%。中国的AI芯片市场规模仍然以云培训芯片为主。随着中国对人工智能应用的需求持续下降,未来的本地化运营将成为人工智能发展的趋势之一,终端推理芯片也将迎来新的发展机遇。

目前,华北,华东和中南地区是中国AI芯片市场的前三大地区之一。它是中国AI芯片市场中最先进的地区。整体市场规模在该国处于领先地位。在市场增长方面,西部地区正在加快投资。随着大数据中心的建设,西南和西北地区云AI芯片的市场规模呈现快速增长态势,市场份额进一步增加。

人工智能应用市场的爆发使得以基层为核心的AI芯片受到了资本的广泛关注。在过去一年左右的时间里,许多制造商如Cambrian,Ebara Technology,Bitcoin和Horizon都宣布了融资。获得投资和融资的制造商希望进一步提高AI芯片技术研发水平,加快AI芯片产品的商业化,提升市场对未来收益的预期。

然而,赛迪顾问公司总裁孙惠峰表示:“目前,中国和世界的AI芯片产业仍处于工业化的早期阶段。”他说,随着5G和物联网时代的到来,预计未来三年中国AI芯片市场规模将保持50%以上的增长率,到2021年将达到305.7亿元。此外,基于边缘的AI芯片将迎来一轮投资热潮。

“近年来,中国克服了芯片和软件领域的一些关键技术难题,为人工智能芯片创新奠定了良好的基础。”工业和信息化部相关负责人表示,工业和信息化部主要致力于推动人工智能产业的发展。在几个方面,其中一个侧重于核心技术,并专注于关键技术的开发,如人工智能芯片,算法,开源开放平台和增加的资源。

市场背后的痛苦仍然存在

AI芯片已经成为中外科技公司竞争的焦点之一,清华大学微电子研究所所长魏少军用“没有行业,没有人工智能,没有应用,没有应用”这个词描述了当前的人工智能热潮。 AI,没有芯片,没有AI“。

在市场结构方面,作为传统芯片巨头,Nvidia目前在AI芯片市场占据主导地位。通过积极的布局,高通公司在移动领域的AI芯片市场拥有强大的声音。阿里巴巴,亚马逊在AI芯片领域的布局也已初具规模。其他AI芯片初创企业如Cambrian,Horizon,Bitcoin等的发展前景也值得期待。

专家认为,随着机器学习等技术的快速发展,人工智能产业的发展正以其高端的新兴技术,巨大的商业价值,广阔的应用前景和巨大的产业空间成为新的重要经济增长点。随着人工智能各种应用场景的普及和发展,大量的多维数据将在云端和边缘处理和处理。该芯片还面临着更广泛,更多样化的需求。这是AI芯片的计算架构和计算能力。场景和算法的适用性,安全性和控制等都会带来新的问题和挑战。

目前,AI芯片技术的主流路径包括GPU,FPGA,ASIC等。其中,GPU和FPGA是比较成熟的芯片架构,而ASIC是针对特定应用场景的专用芯片。基于GPU的芯片可以满足深度学习和计算智能的需求,释放出人工智能的潜力,但缺点是功耗更高;基于FPGA的芯片具有足够的计算能力,较低的试验和错误成本以及足够的灵活性。缺点是价格较高,编程较复杂;基于ASIC的芯片可以针对特定功能进行增强,具有更高的处理速度和更低的功耗,但缺点是成本高,当数量足够大以降低成本时,并且因为它是定制的,所以一般可以复制。

据计算机视觉公司Yuncong Science and Technology副总裁张力介绍,传统芯片公司通常更加注重如何使芯片通用以支持各种应用场景。然而,当AI场景降落时,这种概括会遇到问题。例如,公司更多地考虑AI芯片的单位功耗,而芯片企业的功耗要求可能不是首要任务。在登陆AI场景的过程中,公司发现通用芯片无法完全满足需求。这对于从事AI解决方案和核心算法的公司来说是一个问题 - 公司的算法是统一的,但不同的芯片和模块需要在不同的场景中进行调整。

目前,AI芯片的开发仍处于起步阶段。张力表示,由于技术要求较高,目前企业使用的许多人工智能芯片难以在中国大陆流通。他们都在太极电力公司。同时,由于该工艺的高度复杂性,芯片价格高,这使得许多下游产品使用其模块无法大量生产。

作为中国边缘AI芯片领域的先驱,建安科技早在2016年就已经掌握了16纳米工艺。目前AI芯片工艺仍为28纳米的原因主要受到出货限制。体积。

从功率的角度来看,许多云训练的AI模型无法顺利部署到边缘设备,应用场景无法支持高芯片功耗,建安科技首席执行官张南科表示。虽然一些云芯片巨头也在扩展到边缘,但是定制AI算法以适应芯片更能反映出巨头的局限性。对于建安科技来说,边缘芯片的发展是“带着镣铐跳舞”。在功耗和成本的严格约束下,我们应该不断提高计算能力,适应场景,提高芯片的特异性。

人工智能芯片开发需要探索新路径

“我们离人工智能有多远?目前,许多企业所做的是增强智能而不是真正的人工智能,这远非真正的人工智能。魏少军说,人工智能网络的兴起取决于三个因素:算法,数据和计算目前,AI芯片面临两个实际问题:第一,算法仍在不断发展,新算法层出不穷,新算法每隔几个月就会发生变化;第二,算法对应一个应用,没有统一的算法,芯片很难处理不同的算法。

在魏绍军看来,AI芯片应该具有可编程性,动态架构可变性,高效的架构转换能力,高计算效率,高能耗效率,低成本等特点。根据这些要求,业内目前的一些做法并不是理想的架构。在过去几年中,AI芯片领域的一个重要变化是架构的变化。 AI芯片不是追求计算能力,而是追求建筑的创新。该行业还需要为人工智能计算找到新的计算引擎。

鉴于国内AI芯片的发展,中国工程院院士倪光南表示,芯片设计的门槛非常高,只有少数企业可以承担高端芯片研发的成本,这也限制了芯片领域的创新。中国可以借鉴开源软件的成功经验,降低创新门槛,提高企业自主权,开发国内开源芯片。

“开源软件正在成为当前软件产业的主流,而芯片产业也可以采用开源模式。”倪光南表示,目前,新的RISC-V指令集是一种新的模式,可以降低芯片开发中处理器芯片的IP成本。用户可以通过添加自己的指令集,自由,自由地使用RISC-V进行CPU设计,开发和扩展。 RISC-V是对当前国家倡导的智能+新一代信息技术和新一代人工智能技术发展的良好支持。

赛迪顾问认为,人工智能芯片将在未来呈现出新的发展趋势 - 芯片开发将从技术难度转向现场痛点。目前,人工智能芯片设计更多的是从技术角度来满足特定的性能需求。在未来,芯片设计需要从应用场景开始,并在场景的帮助下实现规模开发。此外,目前在AI领域使用的芯片主要是针对特定场景设计的,不能灵活地适应多种场景的需要。未来,需要专为人工智能设计的灵活多功能芯片,并成为人工智能领域的“中央处理器”。此外,目前AI芯片产业的发展模式主要以企业为主。上下游产品的经营管理相对独立,但同一连锁企业竞争激烈。未来,工业发展应以合作为基础,形成产业生态。