隨著底層芯片技術(shù)的進(jìn)步，人工智能算法也將獲得更好的支持和更快的發(fā)展。而在這一過程中，人工智能本身也很有可能被用于研發(fā)新的芯片技術(shù)，形成算法和芯片相互促進(jìn)的良性循環(huán)局面。

通過《AI芯片技術(shù)白皮書》，可以清晰地看到人工智能芯片是人工智能產(chǎn)業(yè)和半導(dǎo)體產(chǎn)業(yè)交叉融合的新節(jié)點(diǎn)，涉及多個(gè)學(xué)科、多個(gè)領(lǐng)域的理論和技術(shù)基礎(chǔ)，突顯對(duì)基礎(chǔ)扎實(shí)、創(chuàng)新能力強(qiáng)的人才的需求。

科技巨頭的AI芯片動(dòng)作頻出

從最近幾大科技巨頭在AI芯片領(lǐng)域的動(dòng)作頻頻就不難看出。比如亞馬遜開始設(shè)計(jì)制造AI芯片，從而為Alexa語音助手的質(zhì)量提升以及Echo智能音響設(shè)備提供更強(qiáng)大的技術(shù)能力，而蘋果、三星、華為在智能手機(jī)處理器上集成深度學(xué)習(xí)引擎方面也展開了一場(chǎng)較量。

其背后的推動(dòng)力來自于深度學(xué)習(xí)對(duì)超強(qiáng)算力的需求。NVIDIA顯然是這波浪潮中最大的受益者，其股價(jià)從2016年的32．25美元上漲至2018年的245．8美元，兩年間市值飆升近8倍。被認(rèn)為是NVIDIA最大競(jìng)爭(zhēng)對(duì)手的谷歌宣布了對(duì)第二代TPU的全面開放，而且價(jià)格誘人，每云TPU每小時(shí)6．5美元。可以說是又向NVIDIA開了一炮。

云端＋邊緣結(jié)合是AI芯片發(fā)展現(xiàn)狀

在應(yīng)用場(chǎng)景上，AI芯片的應(yīng)用主要分為云端和終端，以深度學(xué)習(xí)的算法來說，云端人工智能硬件負(fù)責(zé)“訓(xùn)練＋推斷”，終端人工智能硬件負(fù)責(zé)“推斷”，因而終端的計(jì)算量更小，相對(duì)沒有傳輸問題。

總的來說，云側(cè)AI處理主要強(qiáng)調(diào)精度、處理能力、內(nèi)存容量和帶寬，同時(shí)追求低延時(shí)和低功耗；邊緣設(shè)備中的AI處理則主要關(guān)注功耗、響應(yīng)時(shí)間、體積、成本和隱私安全等問題。目前云和邊緣設(shè)備在各種AI應(yīng)用中往往是配合工作。最普遍的方式是在云端訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后在云端或者邊緣設(shè)備進(jìn)行推斷。

①云端AI計(jì)算：目前各大科技巨頭紛紛在自有云平臺(tái)基礎(chǔ)上搭載人工智能系統(tǒng)，主要有IBM的waston、亞馬遜的AWS、以及國內(nèi)的阿里云、百度云平臺(tái)等。其中英偉達(dá)的GPU采用更為廣泛，賽靈思、英特爾、百度等廠商也在積極采用FPGA在云端進(jìn)行加速，一些初創(chuàng)公司，如深鑒科技等也在開發(fā)專門支持FPGA的AI開發(fā)工具。另外，AI領(lǐng)域?qū)Ｓ眉軜?gòu)芯片ASIC則因其更好的性能和功耗，成為云端領(lǐng)域新的攪局者，如谷歌的TPU。

②邊緣AI計(jì)算：智能手機(jī)是目前應(yīng)用最為廣泛的邊緣計(jì)算設(shè)備，包括蘋果、華為、高通、聯(lián)發(fā)科和三星在內(nèi)的手機(jī)芯片廠商紛紛推出或者正在研發(fā)專門適應(yīng)AI應(yīng)用的芯片產(chǎn)品。自動(dòng)駕駛是未來邊緣AI計(jì)算的最重要應(yīng)用之一，MobileEyeSOC和NVIDIADrivePX系列提供神經(jīng)網(wǎng)絡(luò)的處理能力可以支持半自動(dòng)駕駛和完全自動(dòng)駕駛。

新計(jì)算范式讓AI芯片更上一層樓

人工智能產(chǎn)業(yè)得以快速發(fā)展，都離不開芯片。隨著大數(shù)據(jù)的積聚、理論算法的革新、計(jì)算能力的提升及網(wǎng)絡(luò)設(shè)施的發(fā)展，使得持續(xù)積累了半個(gè)多世紀(jì)的人工智能產(chǎn)業(yè)，又一次迎來革命性的進(jìn)步，人工智能的研究和應(yīng)用進(jìn)入全新的發(fā)展階段。

AI芯片的計(jì)算既主要特點(diǎn)：

①處理內(nèi)容往往是非結(jié)構(gòu)化數(shù)據(jù)，如視頻、圖像及語音等，需要通過樣本訓(xùn)練、擬合基環(huán)境交互等方式，利用大量數(shù)據(jù)來訓(xùn)練模型，再用訓(xùn)練好的模型處理數(shù)據(jù)；

②處理過程需要很大的計(jì)算量，基本的計(jì)算主要是線性代數(shù)運(yùn)算，大規(guī)模并行計(jì)算硬件更為適合；

③處理過程參數(shù)量大，需要巨大的存儲(chǔ)容量，高帶寬、低延時(shí)的訪存能力，及計(jì)算單元和存儲(chǔ)器件間豐富且靈活的連接。