中美AI芯片从4方面大比拼

人工智能机器人联盟 2018-04-23

　　得芯片者得天下。千亿美金市场，人工智能芯片竞赛正式开启。

　　吴恩达的离开，似乎给陷入信誉、收益双双处于谷底的百度一个严重的打击，有些人甚至认为BAT的缩写也应该要改一改了。从中国为之骄傲的搜索引擎，

　　人工智能爆发，与芯片这“魔法”获得突破密不可分。不管是智能驾驶还是人脸识别，这些技术的实现都有赖于背后功能更强、体积更小、功耗更低的小小芯片（集成电路）。

　　得芯片者得天下。在全球范围竞争日趋激化的AI研究领域，中国的存在感正在加强。根据国际知名专利检索公司QUESTEL发布的《芯片行业专利分析及专利组合质量评估》报告指出：中国近10年芯片专利增长惊人，已成为芯片专利申请第一大国。中国企业在芯片专利数量上已逐步赶上国外老牌企业。

　　既然如此，为何国产AI芯片与美国还有这么大差距？且看以下4个方面：

　　巨头布局AI芯片

　　一、中美人工智能芯片公司有哪些？

　　先说美国

　　——全球十大人工智能芯片厂商：中国3家美国6家上榜

　　1）NVIDIA（英伟达）——GPU 行业领袖，成人工智能芯片领头军

　　NVIDIA创立于1993年1月，是美国一家以设计智核芯片组为主的无晶圆（Fabless）IC半导体公司，也是全球图形技术和数字媒体处理器行业领导厂商。英伟达的GPU 是图像处理的行业龙头，GPU 芯片的同步并行运算非常适用于人工智能的深度学习神经网络。

　　事实证明，在浮点运算、并行计算等部分计算方面，GPU 可以提供数十倍乃至于上百倍于CPU 的性能。目前国际GPU市场被NVIDIA 和AMD（英国）两大公司瓜分。截至2015 年第二季度，NVIDIA 市场份额已达到82%。谷歌无人驾驶汽车所采用的技术部件中，就采用了NVIDIA 的移动终端处理器Tegra（4 核CPU+256 核GPU）

　　2013-2015年GPU市场份额

　　2016 年8 月，英伟达推出首台深度学习超级计算机NVIDIA DGX-1。2017 年4 月，NVIDIA宣布全新数据中心加速器Tesla P100 已经供货，Tesla P100计算卡面向人工智能、自动驾驶、气候预测、医药开发等专业领域。

　　NVIDIA

　　在刚刚过去的2016年，英伟达的股价上涨了228%，过去的5年内累计上涨500%。500亿美元的市值将会持续给英伟达带来40倍的市场收入，这几乎是业内拥有最高收益的公司。

　　2）Intel（英特尔）—基于Nervana 技术的AI 芯片& FPGA

　　2016年11月，英特尔花费4亿元收购一家创业公司Nervana，如果一切进展顺利，Nervana芯片的最终形态会在2017年底面世。 Nervana一直在研究将深度学习算法嵌入到计算芯片之中，而不是简单的打造能够在大量图形处理器上运行的软件，这个逻辑和英特尔发力人工智能芯片的思路不谋而合。

　　英特尔称，与图形芯片相比，Nervana 技术可以使深度学习系统运行速度提升100 倍，计划2017 年销售集成Nervana 技术的芯片，在深度学习市场挑战英伟达优势，英特尔计划在至强处理器中整合Nervana 芯片和软件。同时，英特尔收购FPGA生产商巨头Altera，研发基于FPGA技术的人工智能芯片。

　　图4：英特尔Nervana产品组合

　　3）高通

　　在智能手机芯片占据绝对优势的高通公司，也在人工智能方面积极布局。据高通提供的资料显示，其在人工智能方面已投资了Clarifai公司和中国“专注于物联网人工智能服务”的云知声。

　　而早在2015年CES上，高通推出了一款搭载骁龙SoC的飞行机器人——Snapdragon Cargo。高通认为在工业、农业的监测以及航拍对拍照、摄像以及视频新需求上，公司恰好可以发挥其在计算机视觉领域的能力。此外，高通的额骁龙820芯片也被应用于VR头盔中。事实上，高通已经在研发能在本地完成深度学习的移动设备芯片。

　　4）IBM——类人脑芯片TrueNorth&量子计算机

　　IBM 从2008 年开始研究能模拟人类大脑的芯片项目，2014 年推出首个基于SyNAPSE 打造的TrueNorth芯片，该芯片内置100 万个模拟神经元和2.56 亿个模拟神经突触。不同芯片还可以通过阵列的方式互联。据称48 颗芯片组建成的具有4800 万个神经元的网络，智力水平已经和普通老鼠大脑差不多。

　　IBM 的TrueNorth芯片的形态、结构、功能、外形

　　TrueNorth 芯片与众不同的是同时具有传统的同步部分（接口和时序）和异步部分（大脑式架构）。由于使用异步逻辑，功耗仅为70mW，而同结构的54 亿个并联晶体管会消耗50-100W。为了使神经元构成任意至任意的连接结构，芯片上有庞大的交叉开关，用于将芯片上54亿个晶体管的神经元连在一起。

　　今年3 月份，IBM 宣布将在年内推出全球首个商业“通用”量子计算服务IBM Q，为50 量子bit 的计算机，比之前推出的5 量子位计算机大10 倍，且可以胜任许多传统计算机无法完成的工作，据称将加速药品开发以及科学新发现。2016 年5 月，IBM 发布了一项量子计算云服务，每个人都可以使用其5 量子位量子计算机。

　　5)谷歌（Google）———定制化TPU 芯片+量子计算机

　　Google TPU板卡

　　谷歌为其深度学习神经网络打造基于ASIC 的专用TPU 芯片（张量处理器）。该TPU 芯片也用于AlphaGo 的系统中。ASIC 是专用集成电路，具有体积更小、功耗更低、性能提高、保密性增强、成本低等优点。TPU 目前在谷歌主要用于：1）、机器学习系统RankBrain，用于帮助谷歌处理搜索结果；2）、街景StreetView，用于提高地图与导航的准确性；3）、围棋人工智能AlphaGo，其最初版本使用48 个CPU+8 GPU，对战樊麾时升级到1202CPU+176 GPU，对战李世石时升级至TPU 版本。

　　谷歌同时致力于量子计算机的研究。

　　6）微软——重点研发FPGA 人工智能芯片，推出基于FPGA 的视觉芯片

　　微软把重心放在FPGA人工智能芯片上，目前FPGA 已经被应用在Bing搜索的支持上，基于神经网络推动新的搜索算法，执行速度比传统的芯片会快很多倍，只需要24ms 就可以实现搜索，规避了以往长达四秒搜索空白的尴尬。其FGPA 同样能够支持微软的云计算服务Azure，未来微软全球的数百万部的服务器将会用FPGA。

　　微软基于FPGA的人工智能芯片

　　同时微软推出基于FPGA 技术的视觉芯片A-eye，使得摄像头具有视觉理解能力。FPGA 的输入到输出之间并没有计算过程，只是通过烧录好的硬件电路完成信号的传输，因此运行速度非常高，可达CPU 的40 倍。目前的摄像头主要完成记录、存储等功能，在摄像头上加入A-Eye 视觉芯片，就可以让摄像头具有视觉理解能力。A-Eye 可以广泛应用在智能安防，婴儿和老人看护，战场机器人，汽车和无人机等各种需要视觉智能的领域。

　　此外，苹果、Facebook以及Twitter都在通过设计新的芯片加强人工智能研发。

　　再说国内：

　　——国产AI芯片雄心勃勃或要上演后来居上

　　1、地平线机器人——NPU

　　由中国人创立于2015年的初创企业Horizon Robotics（地平线机器人）致力于打造基于深度神经网络的人工智能“大脑”平台-包括软件和芯片，可以做到低功耗、本地化的解决环境感知、人机交互、决策控制等问题。其中，软件方面，地平线做了一套基于神经网络的OS，已经研发出分别面向自动驾驶的的“雨果”平台和智能家居的“安徒生”平台，并开始逐步落地。硬件方面，未来地平线机器人还会为这个平台设计一个芯片——NPU（Neural Processing Unit），支撑自家的OS，到那时效能会提升2-3个数量级（100-1000倍）。

　　2. 中科寒武纪

　　——在国际上开创了深度学习处理器方向

　　寒武纪科技由创始人陈天石教授带领中科院团队成立于2016 年，致力于打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。公司研制了国际首个深度学习专用处理器芯片，显著提升了人工智能领域的运算效能。不同于Google采用的通用处理器，“寒武纪”芯片专门面向深度学习技术。模拟实验表明，“寒武纪”相对于传统执行x86指令集的芯片，有两个数量级(几百倍)的性能提升。目前，寒武纪系列已包含三种原型处理器结构：

　　寒武纪芯片

　　寒武纪1号（英文名DianNao，面向神经网络的原型处理器结构）；

　　寒武纪2号（英文名DaDianNao，面向大规模神经网络）；

　　寒武纪3号（英文名PuDianNao，面向多种机器学习算法）。

　　与谷歌人工智能对标，寒武纪的目标是要让1瓦以内功耗的摄像头、手机、甚至手表都能和“阿尔法狗”一样“聪明”。并且希望具有更优的性能、更强大的计算能力，以及更低的耗能。目前寒武纪芯片产业化在即，预计2018 年上市，市场表现值得期待。

　　3.中星微电子

　　2016年6月20日，率先推出中国首款嵌入式神经网络处理器（NPU）芯片中星微，这是全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片，并取名“星光智能一号”。这款基于深度学习的芯片运用在人脸识别上，最高能达到98%的准确率，超过人眼的识别率。该芯片于今年3月6日实现量产，目前出货量为十几万件。