本篇重點(diǎn)講述何為AI芯片，AI芯片的分類，不同AI芯片的對(duì)比，AI芯片的主流技術(shù)路線，AI芯片產(chǎn)業(yè)概況，國(guó)外國(guó)內(nèi)AI芯片和企業(yè)發(fā)展情況，最后小結(jié)AI芯片發(fā)展的預(yù)期。

世間事分為可以計(jì)算和不可以計(jì)算，例如你給你女朋友買的禮物是可以計(jì)算的，但是您對(duì)你女朋友的愛(ài)是不可以計(jì)算的。類似在科技網(wǎng)絡(luò)領(lǐng)域更狠的事是，即使不可以計(jì)算也需要算力來(lái)告訴不可以計(jì)算，所以現(xiàn)在幾乎所有工作的背后都會(huì)涉及到算力：AI芯片。

所以對(duì)于對(duì)科技網(wǎng)絡(luò)感興趣的人懂不懂芯片，芯片都無(wú)時(shí)無(wú)刻的存在著，并支撐著我們的PC、手機(jī)、汽車、輪船、交通、工業(yè)制造等等生活工作的方方面面。

且隨著深度學(xué)習(xí)（DNN）算法需要海量數(shù)據(jù)的訓(xùn)練，而傳統(tǒng)計(jì)算架構(gòu)無(wú)法支撐深度學(xué)習(xí)算法的大規(guī)模計(jì)算需求，因此AI技術(shù)的發(fā)展對(duì)計(jì)算芯片提出了新的需求，

本篇重點(diǎn)講述何為AI芯片，AI芯片的分類，不同AI芯片的對(duì)比，AI芯片的主流技術(shù)路線，AI芯片產(chǎn)業(yè)概況，國(guó)外國(guó)內(nèi)AI芯片和企業(yè)發(fā)展情況，最后小結(jié)AI芯片發(fā)展的預(yù)期。

什么是AI芯片？

以下3種情況都屬于AI芯片：

• 第一種是能處理AI通用任務(wù)且具有核心知識(shí)產(chǎn)權(quán)（IP）的處理器；
• 第二種是融合運(yùn)營(yíng)AI算法的普通處理器；
• 第三種是較高效提升了語(yǔ)音、圖像一項(xiàng)或者多項(xiàng)效率和迭代能力的處理器。

AI芯片的分類

AI芯片按使用場(chǎng)景分為云端、終端兩類。

• 云端有CPU、GPU、FPGA；
• 終端有ASIC、DSP。

其中云端主要以訓(xùn)練為主，終端以推理任務(wù)為主。

AI芯片的對(duì)比

不同AI芯片的對(duì)比圖：

從上圖可見(jiàn)，不同架構(gòu)的芯片在通用/專用性、性能、功耗方面有各自的優(yōu)點(diǎn)和缺點(diǎn)。

• CPU 通用性最強(qiáng)，但時(shí)延嚴(yán)重、散熱高、效率最低；
• GPU 相比其他芯片，通用性稍強(qiáng)、速度快、效率高，但是在神經(jīng)網(wǎng)絡(luò)的執(zhí)行階段效率低；
• DSP 速度快、能耗低，但是任務(wù)單一，目前成熟商品僅作為處理器 IP 核使用；
• FPGA 具有低能耗、高性能以及可編程等特性，相對(duì)于 CPU 與 GPU 有明顯的性能與能耗優(yōu)勢(shì)；
• ASIC 可以更有針對(duì)性地進(jìn)行硬件層次的優(yōu)化，從而獲得更好的性能。

當(dāng)然，ASIC 芯片的設(shè)計(jì)和制造需要大量的資金、較長(zhǎng)的時(shí)間周期和工程周期，而且深度學(xué)習(xí)算法也在快速迭代。ASIC 類芯片一旦定制無(wú)法再次進(jìn)行寫(xiě)操作，F(xiàn)PGA 具有硬件可升級(jí)、可迭代的優(yōu)勢(shì)。所以當(dāng)前階段，GPU 配合 CPU 將是人工智能芯片的主流，而后隨著視覺(jué)、語(yǔ)音、深度學(xué)習(xí)的算法在 FPGA ?上的不斷優(yōu)化，之后會(huì)固化到 ASIC 上以降低成本。

AI芯片的主流技術(shù)路線

時(shí)下AI芯片的2條技術(shù)路線：

• 像處理器（GPU）到數(shù)字信號(hào)處理器（DSP），再到半定制電路（FPGA）和全定制電路（ASIC），這 5 種類型的芯片通用性依次遞減，為升級(jí)方向；
• 另一條路徑是遵循非馮諾依曼計(jì)算架構(gòu)，以類腦芯片為代表，采用人腦神經(jīng)元的結(jié)構(gòu)來(lái)提升計(jì)算能力，但是從落地情況來(lái)看，若實(shí)現(xiàn)真正產(chǎn)業(yè)化還需要搭建生態(tài)系統(tǒng)，包括建立起一整套編程環(huán)境、編譯器等工具。

技術(shù)路線的趨勢(shì)是，從通用到專用，然后再由專用到另一個(gè)域的通用。

AI芯片的產(chǎn)業(yè)分析

從產(chǎn)業(yè)的角度來(lái)看，不同技術(shù)路線的企業(yè)有不同的特點(diǎn)。

細(xì)節(jié)如下圖：

AI芯片的國(guó)外國(guó)內(nèi)情況比對(duì)

從上圖可見(jiàn)，國(guó)際科技網(wǎng)絡(luò)巨頭公司谷歌、臉書(shū)，亞馬遜等等在AI芯片領(lǐng)域從云端訓(xùn)練到終端產(chǎn)品應(yīng)用，在開(kāi)源框架賦能產(chǎn)業(yè)行業(yè)上有一定的領(lǐng)先優(yōu)勢(shì)。

但是國(guó)內(nèi)的AI芯片在業(yè)務(wù)場(chǎng)景上有后發(fā)優(yōu)勢(shì)，例如：阿里巴巴根據(jù)業(yè)務(wù)場(chǎng)景定制化AI芯片的平頭哥半導(dǎo)體公司，及其剛剛從臉書(shū)挖掘的AI框架人才賈楊青等來(lái)看，國(guó)內(nèi)的企業(yè)也在打造從AI芯片注重云端訓(xùn)練+AI芯片終端響應(yīng)+AI算法框架開(kāi)源的生態(tài)體系。

AI發(fā)展預(yù)期

未來(lái)面對(duì)垂直細(xì)分領(lǐng)域的 AI 芯片市場(chǎng)前景廣闊，隨著人工智能應(yīng)用場(chǎng)景的細(xì)分市場(chǎng)越來(lái)越多，專門為某些應(yīng)用場(chǎng)景定制的芯片性能優(yōu)于通用芯片，終端芯片呈現(xiàn)碎片化、多樣化的特點(diǎn)，并且目前尚未形成市場(chǎng)壟斷，機(jī)會(huì)較多。

一個(gè)既知的事實(shí)是摩爾定律已經(jīng)接近物理的極限，而AI的任務(wù)之一是深度學(xué)習(xí)，深度學(xué)習(xí)對(duì)數(shù)據(jù)的讀寫(xiě)操作很多時(shí)候是高于計(jì)算功耗。所以未來(lái)是一方面提升AI芯片的架構(gòu)性能，另外一方面提升芯片的存取單元，例如：未來(lái)需要更好的容器架構(gòu)師。

AI內(nèi)核有數(shù)據(jù)+算法+算力三個(gè)部分構(gòu)成，本篇講的就是內(nèi)核之一的AI芯片。

期待更多分享詳情見(jiàn)筆者的新書(shū)《AI賦能：AI重新定義產(chǎn)品經(jīng)理》和?http://996.pm/7bjab

#專欄作家#

連詩(shī)路，公眾號(hào)：LineLian。人人都是產(chǎn)品經(jīng)理專欄作家，《產(chǎn)品進(jìn)化論：AI+時(shí)代產(chǎn)品經(jīng)理的思維方法》一書(shū)作者，前阿里產(chǎn)品專家，希望與創(chuàng)業(yè)者多多交流。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash, 基于CC0協(xié)議