一. 華為發(fā)布麒麟 970，人工智能行業(yè)熱潮再起
1. 華為發(fā)布全球首款內(nèi)置 NPU 人工智能處理器-麒麟 970
華為在 IFA2017 大會上公布的麒麟 970 處理器引起了業(yè)內(nèi)關(guān)注，它的到來徹底打破了唯頻率和核數(shù)崇拜的傳統(tǒng)觀念。
根據(jù)其公開的信息，麒麟 970 處理器采用了 10nm 工藝制程(與蘋果即將發(fā)布用在 iPhone 8 上的 A11 處理器工藝相同)，搭載了 Cortex-A73(CPU)、Mali-G72(GPU)和麒麟 NPU(神經(jīng)網(wǎng)絡(luò)處理單元)。
創(chuàng)新在于異構(gòu)與端云結(jié)合。麒麟 970 采用異構(gòu)架構(gòu)完成人工智能處理，芯片括了 CPU(中央處理器)、GPU(圖形處理器)、NPU(神經(jīng)網(wǎng)絡(luò)處理單元)、ISP(圖像信號處理)、DSP(數(shù)字信號處理)。
NPU 在實現(xiàn) AI 上承擔(dān)主要工作，但 CPU、GPU 等也參與處理。未來以異構(gòu)架構(gòu)實現(xiàn)人工智能將成為主流，這個異構(gòu) SoC 將成為一個 AI 計算平臺。
麒麟 970 的另一創(chuàng)新之處在于端云結(jié)合實現(xiàn)人工智能，云端智能的優(yōu)勢在于強大的運算能力，基于大數(shù)據(jù)給出大智慧，在策略性輸出上有極大優(yōu)勢。而端側(cè)在具備了強大的感知能力之后，手機就會成為幫助用戶思考的分身和伙伴。兩者達成平衡與協(xié)調(diào)，才是未來終端發(fā)展的出路。
華為麒麟 970 芯片的發(fā)布再次點燃了市場對人工智能領(lǐng)域的關(guān)注。
2. 人工智能熱潮再起
1946 年，計算機誕生；1956 年人工智能(AI)誕生；1969 年互聯(lián)網(wǎng)誕生......近期無論是華為的麒麟 970 芯片，還是 AlphaGo 與柯潔的人機大戰(zhàn)，人工智能領(lǐng)域再度風(fēng)起云涌。
?
人工智能正席卷安防、人臉識別、自動駕駛等多個領(lǐng)域。就當(dāng)前的現(xiàn)狀來看，大部分業(yè)內(nèi)人士都認為最先被人工智能“革命”的行業(yè)非金融業(yè)莫屬。
曾經(jīng)，高盛在紐約總部的美國現(xiàn)金股票交易柜臺的交易員曾一度高達 600 人，而現(xiàn)在偌大的交易大廳卻只有兩個人值守。
根據(jù)埃森哲今年發(fā)布的報告《人工智能:助力中國經(jīng)濟增長》預(yù)測，到 2035年人工智能有潛力拉動中國經(jīng)濟年增長率上升 1.6 個百分點。
人工智能將成為一種全新生產(chǎn)要素，與資本、勞動力擁有同等重要地位，將成為拉動中國經(jīng)濟增長的新動力。
而人工智能芯片作為人工智能的核心要素，已成為各國未來發(fā)展布局的戰(zhàn)略性一環(huán)。
二. 人工智能芯片的崛起之路
1. 什么是人工智能芯片?為什么需要它?
人工智能的實現(xiàn)依賴三個要素:算法是核心，硬件和數(shù)據(jù)是基礎(chǔ)，芯片就是硬件的最重要組成部分。它其實包括兩個計算過程:1、訓(xùn)練(Train)；2、應(yīng)用(Inference)。
為什么需要人工智能芯片?深度學(xué)習(xí)作為機器學(xué)習(xí)的分支，是當(dāng)前人工智能研究的主流方式。
簡單說就是用數(shù)學(xué)方法模擬人腦神經(jīng)網(wǎng)絡(luò)，用大量數(shù)據(jù)訓(xùn)練機器來模擬人腦學(xué)習(xí)過程，其本質(zhì)是把傳統(tǒng)算法問題轉(zhuǎn)化為數(shù)據(jù)和計算問題。
所以對底層基礎(chǔ)芯片的要求也發(fā)生了根本性改變:人工智能芯片的設(shè)計目的不是為了執(zhí)行指令，而是為了大量數(shù)據(jù)訓(xùn)練和應(yīng)用的計算。
2.現(xiàn)在處于弱人工智能、感知智能的初步階段
人工智能的階段可分為弱人工智能、強人工智能、超人工智能;也可分為計算智能、感知智能、認知智能三個階段。
計算智能是最初級的，主要是計算能力的進化，這有賴于算法的優(yōu)化和硬件(CPU 芯片)的技術(shù)進步。感知智能有賴于數(shù)據(jù)獲取技術(shù)，目前主要有語音識別和機器視覺兩種技術(shù)。
認知智能是最高級的形態(tài)，也是未來需要突破的方向。目前階段，人工智能處于弱人工智能，剛剛進入感知智能時代。
人工智能發(fā)展進程:
3.人工智能已成為各國戰(zhàn)略布局的重要一環(huán)
根據(jù)騰訊研究院發(fā)布的《中美兩國人工智能產(chǎn)業(yè)發(fā)展全面解讀》，截止到2017 年 6 月，全球人工智能企業(yè)總數(shù)達到 2542 家，美國擁有 1078 家，占據(jù) 42%；
中國其次，擁有 592 家，占據(jù) 23%。其余 872 家企業(yè)分布在瑞典、新加坡、日本、英國、澳大利亞、以色列、印度等國家。
人工智能是當(dāng)前人類所面對的最為重要的技術(shù)社會變革，是互聯(lián)網(wǎng)誕生以來的第二次技術(shù)社會形態(tài)在全球的萌芽，因此也成為各國戰(zhàn)略布局的重要一環(huán)。
2017 年 7 月，國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，明確了我國發(fā)展人工智能的戰(zhàn)略目標:到 2030 年，人工智能核心產(chǎn)業(yè)規(guī)模超過 1 萬億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過 10 萬億元。其他各國也分別從國家層面對人工智能產(chǎn)業(yè)進行戰(zhàn)略布局。
三、AI 芯片三種技術(shù)路線，ASIC 是終端應(yīng)用的趨勢
目前適合深度學(xué)習(xí)的人工智能芯片主要有 GPU、FPGA、ASIC 三種技術(shù)路線。
三類芯片代表分別有英偉達(NVIDIA)的 Tesla 系列 GPU、賽靈思(Xilinx)的 FPGA 和 Google 的 TPU。
1.GPU:最先被引入深度學(xué)習(xí)，技術(shù)成熟
圖形處理器 GPU 最初是用在個人電腦、工作站、游戲機和一些移動設(shè)備上運行繪圖運算工作的微處理器，可以快速地處理圖像上的每一個像素點。其海量數(shù)據(jù)并行運算的能力與深度學(xué)習(xí)需求不謀而合，因此，被最先引入深度學(xué)習(xí)。
GPU 不是完全代替 CPU，而是兩者分工合作。在 GPU 計算中 CPU 和 GPU之間是相連的，而且是一個異構(gòu)的計算環(huán)境。
這就意味著應(yīng)用程序當(dāng)中，順序執(zhí)行這一部分的代碼是在 CPU 里面進行執(zhí)行的，而并行的也就是計算密集這一部分是在 GPU 里面進行。
2.FPGA:具有硬件可編程特點，性能出眾壁壘高
FPGA 即場效可編程邏輯閘陣列，一個出廠后的成品 FPGA 的邏輯塊和連接可以按照設(shè)計者的需要而改變。
FPGA 是可編程的，而 GPU 由于架構(gòu)固定，硬件原生支持的指令也就固定了。
其可編程性是關(guān)鍵，因為它讓軟件與終端應(yīng)用公司能夠提供與其競爭對手不同的解決方案，并且能夠靈活地針對自己所用的算法修改電路。
FPGA 市場前景誘人，但是門檻之高在芯片行業(yè)里無出其右。
ibm、德州儀器、飛利浦、東芝、三星等 60 多家公司先后斥資數(shù)十億美元投入這個行業(yè)，但是最終成功的只有位于美國硅谷的兩家公司:Xilinx 與 Altera(被 Intel 收購)。
這兩家公司共占有近 90%的市場份額，專利達到 6000 余項之多，如此之多的技術(shù)專利也構(gòu)成了極高的技術(shù)壁壘。
賽靈思(Xilinx)表示，相較于僅使用 CPU 的服務(wù)器，使用百度 FPGA 云端服務(wù)器在賽靈思 FPGA 所驅(qū)動的服務(wù)器中，提供 10~80 倍的每瓦效能比。
目標市場方面，F(xiàn)PGA 成本太高，所以適合對價格不是很敏感的地方，比如企業(yè)應(yīng)用，軍事和工業(yè)電子等等。
3.ASIC:未來移動端人工智能硬件的方向
ASIC(Application Specific Integrated Circuit)是專用集成電路，是為專門目的而設(shè)計。
它是應(yīng)特定用戶要求和特定電子系統(tǒng)的需要而設(shè)計、制造的集成電路。ASIC 的特點是面向特定用戶的需求，ASIC 在批量生產(chǎn)時與通用集成電路相比具有體積更小、功耗更低、可靠性提高、成本降低等優(yōu)點。
FPGA 上市速度快，但性能較低。ASIC 上市速度慢，需要大量時間開發(fā)，而且一次性成本(光刻掩模制作成本)遠高于 FPGA，但是性能遠高于 FPGA且量產(chǎn)后平均成本遠低于 FPGA。
FPGA 可以完全重配置，但是 ASIC 也有一定的可配置能力，只要在設(shè)計的時候就把電路做成某些參數(shù)可調(diào)的即可。
目標市場方面，ASIC 由于低成本適合消費電子類應(yīng)用，是未來移動端人工智能硬件的發(fā)展方向。像大疆無人機的 Movidius Myriad 芯片、Tesla 汽車自動駕駛曾用的 Mobileye 芯片和 Google 的張量處理器 TPU 都是 ASIC 的代表。
四、科技巨頭加緊布局 AI 芯片，寒武紀躋身國際前列
全球科技巨頭都在加緊布局 AI 芯片，希望走在科技變革時代的前線。
NVIDIA 是 AI 芯片的市場領(lǐng)先者，占據(jù)了全球 GPU 70%的市場份額；Intel接連收購 Altera、Nervana、Movidius，全方位布局 AI 產(chǎn)品;
Google 發(fā)布兩代 TPU，從 ASIC 方向進軍 AI 芯片市場；寒武紀科技是中科院計算所孵化的一家獨角獸公司。2016 年推出了國際首個深度學(xué)習(xí)專用處理器芯片(NPU)，技術(shù)全球領(lǐng)先。
1.NVIDIA:GPU 龍頭，AI 芯片的市場領(lǐng)先者
目前全球 GPU 行業(yè)的市場份額有超過 70%被英偉達公司占據(jù)。而應(yīng)用在人工智能領(lǐng)域的可進行通用計算的 GPU 市場則基本被英偉達公司壟斷。
自 1999 年發(fā)布第一款 GPU 以來，GPU 就成為了英偉達最為核心的產(chǎn)品，占到了英偉達總營業(yè)收入的八成以上。英偉達的股價表現(xiàn)也是十分驚人，2016 年英偉達的股價上漲了 228%，過去的 5 年內(nèi)累計上漲 500%。
2.Intel:全領(lǐng)域布局人工智能產(chǎn)品
2015 年，英特爾以 167 億美元收購了 FPGA 制造商 Altera。英特爾斥巨資收購 Altera 不是來為 FPGA 技術(shù)發(fā)展做貢獻的，而是要讓 FPGA 技術(shù)為英特爾的發(fā)展做貢獻。
表現(xiàn)在技術(shù)路線圖上，就是從現(xiàn)在分立的 CPU 芯片+分立的 FPGA 加速芯片，過渡到同一封裝內(nèi)的 CPU 晶片+FPGA 晶片，到最終的集成 CPU+FPGA 芯片。
預(yù)計這幾種產(chǎn)品形式將會長期共存，因為分立器件雖然性能稍差，但靈活性更高。
3.Google:發(fā)布兩代 TPU，從 ASIC 方向進軍 AI 芯片市場
第一代 TPU 展現(xiàn)出 ASIC 在神經(jīng)網(wǎng)絡(luò)推斷方面的優(yōu)秀性能。谷歌在 2016 年的 I/O 大會上推出了自己的 AI 芯片——張量處理器 TPU(第一代)。
第二代 TPU 兼具推理+訓(xùn)練。2017 年 5 月 I/O 大會上，谷歌發(fā)布了第二代TPU—Cloud TPU，峰值性能達到 180 TFLOPS/s。第一代 TPU 只加速推理，但第二代 TPU 新增了訓(xùn)練的功能。
不僅如此，谷歌的用戶還能通過專門的網(wǎng)絡(luò)，在云端利用 TPU 構(gòu)建機器學(xué)習(xí)的超級計算機。
4.寒武紀:全球 AI 芯片領(lǐng)域第一個獨角獸初創(chuàng)公司
寒武紀科技(Cambricon)是中科院計算所孵化的一家獨角獸公司。
2016年推出的寒武紀 1A 處理器(Cambricon-1A)是世界首款商用深度學(xué)習(xí)專用處理器，其搭載了國際首個深度學(xué)習(xí)專用處理器芯片(NPU)(屬于 ASIC)，面向智能手機、安防監(jiān)控、可穿戴設(shè)備、無人機和智能駕駛等各類終端設(shè)備，并于 2017 年 8 月獲得了包括阿里在內(nèi)的 1 億美元 A 輪融資。
CPU、GPU 與 NPU 相比，會有百倍以上的性能或能耗比差距。
在若干代表性神經(jīng)網(wǎng)絡(luò)上的實驗結(jié)果表明——寒武紀的 DianNao 處理器的平均性能超過主流 CPU 核的 100 倍，但是面積和功耗僅為 1/10，效能提升可達三個數(shù)量級；DianNao 的平均性能與主流 GPGPU 相當(dāng)，但面積和功耗僅為主流GPGPU 百分之一量級。
5.其他 AI 芯片參與企業(yè)
其他國內(nèi)外參與 AI 芯片產(chǎn)業(yè)的科技公司及初創(chuàng)企業(yè)如下表。獲取本文完整報告請百度搜索“樂晴智庫”。
AI 芯片是人工智能領(lǐng)域的上游，基于 AI 芯片的下游場景應(yīng)用極為豐富，包括安防、消費電子、自動駕駛、可穿戴設(shè)備等。
