人工智能,“芯”掌未来

阅读 22  ·  发布日期 2018-05-02 14:26:45  ·  admin

640 (1).webp (10).jpg

毋庸置疑,人工智能要发展,芯片,核心处理器件是走向应用的关键。

虽然当前处理器难以满足A.I计算需求,但目前人工智能芯片在提高处理效率、降低功耗和成本方面也尚未成熟。至于更为先进的超级人工智能甚至会颠覆当前的芯片结构,使得芯片处理方式高度模拟人脑,这是后话。

芯片制造—A.I产业链基础

根据阿里云研究院对A.I产业链的划分,按照技术层级由下到上可以分为:应用层、技术层和基础层。芯片产业在计算领域处于基础层次,是计算产业上游领域发展的基石。

新计算平台的出现是新兴芯片企业弯道超车的拐点,新计算方式的发展必然带动专业处理器的需求。如果能借助芯片优势,建立产业生态体系、纵深发展,就能在新一轮计算变革中据有竞争优势。

应用层

应用层是指面向特定行业领域,解决痛点问题的应用。包括应用平台层和解决方案层。应用平台层是指行业应用分发和运营平台、机器人运营平台;解决方案层是指面向具体应用场景的解决方案,具体有智能诊断、智能广告、智能投顾、智能助理、自动写作、无人车、机器人等应用。


640 (1).webp (11).jpg


技术层

技术层主要涉及A.I一些专用技术,包括框架层、算法层、通用技术层。其中框架层是指支持A.I的一些框架和操作系统,有Torch, DMTK, DTPAR,TensorFlow, Caffe, Theano, ROS等。算法层是指为解决A.I计算问题涉及的专用算法,有深度学习、机器学习、增强学习等各种算法。通用技术层包括,人脸识别、语音识别、图像识别、传感器融合、NLP、SLAM、路径规划等技术或中间件。技术层是构建A.I产业生态的技术基础。


640 (1).webp (12).jpg


基础层

基础层包括A.I计算能力的硬件支持层—计算能力层:GPU/ASIC等硬件、涵盖大数据、神经网络芯片、云计算等计算能力提供商。数据层涵盖出行、身份信息、医疗、支付等各行业及场景的数据支持。基础层是构建A.I生态的基础,最具价值。当前A.I基础层-芯片制造尚处于早期研发阶段,通用芯片向A.I专用化改进,专用芯正在探索、研发阶段。


640 (1).webp (13).jpg


国内AI芯片产业现状

我国在人工智能处于世界领先水平,但大多集中在技术层和应用层,基础层较为薄弱。中国人工智发展由互联网企业推动和引领,大量网络数据的积累为深度学习积累了数据资源。一些互联网企业(如百度、阿里等)走在了无人驾驶、自然语言处理、图像/语音识别技术前沿,并分别应用于相应的服务平台中。而芯片硬件等基础计算层次的研发时间较短,芯片巨头基本是美国公司。


640 (1).webp (14).jpg


国内A.I芯片领域,半导体、微处理器、微晶片和部分高端半导体一直严重依赖进口。而新一代的人工智能,高性能处理芯片是基础层中的核心器件,对于建立完整A.I产业生态极具战略意义。

鉴于美国政府禁止英特尔、英伟达和AMD这三家全球CPU、GPU巨头芯片供应商向中国机构出售用于超级计算的高性能芯片,中国在半导体、微处理器产业走上了自主研发的道路,并且出台了《国家集成电路产业发展推进纲要》以及“中国制造 2025”行动纲领,还成立了国家集成电路产业投资基金。在A.I产业投资大量涌入,国家产业扶持情况下,我国人工智能芯片得到了迅猛的发展。

人工智能芯片,新一代计算革命基石

GPU—通用芯片

GPU其强大的并行计算能力使其成为A.I训练数据首选芯片之一。GPU具有功耗大、性能强、价格高等特点,这使其比较适用于对性能要求较高,功耗、价格其次的数据中心。当前的GPU巨头——英伟达在数据中心市场尝到甜头后,开始研发深度学习专用加速卡,以及其它A.I应用场景,如无人驾驶领域。目前GPU+CPU已经成为数据中心中进行A.I数据训练最主流的解决方案。


640 (1).webp (15).jpg


FPGA—半定制化

基于FPGA开发的A.I芯片具有高性能、低功耗,且易于开发的特点,使其适合于对产品价格不敏感,但对产品灵活性、性能功耗比要求较高的场景,因此用 FPGA 做深度学习加速器的多是军工或者企业用户。


640 (1).webp (16).jpg


ASIC—全定制化

ASIC是流片生产,量产后可摊薄早期的研发成本,较适合对可编程性要求不高,但对性能功耗比,以及价格敏感的消费电子端。当前A.I的核心计算主要集中于数据中心。当A.I发展至通用智能阶段时,消费前端应用会出现井喷式增长,ASIC专用芯片市场前景不可限量。

类脑芯片—萌芽研究

类脑芯片需要对传统计算机架构进行全面突破,能模拟人脑进行认知、记忆、分析处理问题。作为一个计算平台,类脑芯片如果能实现高性能、低功耗、自主学习等功能,那无疑将给人工智能应用带来让人惊叹的前景。


640 (1).webp (17).jpg