人工智能專(zhuān)用芯片是大勢所趨，而IP授權是當前實(shí)現商業(yè)化的最佳選擇

人工智能芯片也有通用、專(zhuān)用之分，在商業(yè)化道路上也有著(zhù)不同的選擇。

8月中旬，人工智能芯片初創(chuàng )公司寒武紀獲得1億美元的A輪融資，至此成為該領(lǐng)域的第一個(gè)“獨角獸”，緊接著(zhù)，9月初，華為在IFA 2017上正式發(fā)布了全球首款面向手機的人工智能芯片“麒麟970”。

就在這前后不到一個(gè)月的時(shí)間里，“人工智能芯片”成為了人人爭相熱議的一個(gè)產(chǎn)品、一個(gè)產(chǎn)業(yè)。

人工智能芯片熱度漸升，多家公司早已著(zhù)手布局

前段時(shí)間，因為被看做是當前智能家居的入口之一，“智能音箱”一下子受到了人們的極大關(guān)注，而隨著(zhù)小愛(ài)同學(xué)、天貓精靈等產(chǎn)品的相繼推出，更是將這股熱潮推上了頂端。

就在這股浪潮漸漸平穩的時(shí)候，“人工智能芯片”緊跟而上，引起了人工智能領(lǐng)域的又一波新的浪潮。事實(shí)上，在這第三次的人工智能浪潮中，作為讓人工智能技術(shù)更快、更好運行的基礎硬件設施，人工智能芯片必然是未來(lái)智能化時(shí)代的一種趨勢。也因此，雖然人工智能芯片相比于其他人工智能技術(shù)和應用顯得低調得多，但它的布局依舊是眾多廠(chǎng)商眼中不能錯過(guò)的“機遇”：

買(mǎi)買(mǎi)買(mǎi)的英特爾——至今，為了不再錯過(guò)人工智能芯片，英特爾陸陸續續收購了Altera、Yogitech、Nervana、Movidius、Mobileye等多家公司，拿下了他們的FPGA等多種技術(shù)。

GPU在手，誰(shuí)與爭鋒的英偉達——憑借著(zhù)GPU在人工智能應用中的先天性?xún)?yōu)勢，英偉達已經(jīng)走在了人工智能芯片的前列。不過(guò)，就在最近，黃仁勛也發(fā)布了一款針對深度學(xué)習而打造的芯片Tesla V100。

緊盯FPGA的微軟——微軟把重心放在FPGA人工智能芯片上，已經(jīng)被用在Bing搜索的支持上。另外，其也推出了基于FPGA的視覺(jué)芯片A-eye，讓攝像頭具有視覺(jué)理解能力，可應用在機器人、汽車(chē)和無(wú)人機等多種智能產(chǎn)品。

與此同時(shí)，國內的廠(chǎng)商也是蠢蠢欲動(dòng)。

首個(gè)獨角獸“寒武紀”——因為高達1億美元的A輪融資，寒武紀成為了人工智能芯片領(lǐng)域的首個(gè)獨角獸，通過(guò)的IP授權的形式，其技術(shù)已經(jīng)在華為人工智能芯片麒麟970上面得到了商業(yè)化；

主打“嵌入式”的地平線(xiàn)機器人—— 地平線(xiàn)機器人致力于打造基于深度神經(jīng)網(wǎng)絡(luò )的人工智能“大腦”平臺，包括軟硬件。在硬件上，其此前曾表示旗下的人工智能芯片“盤(pán)古”已經(jīng)成功流片將商用；

……

從上面多家企業(yè)的布局和產(chǎn)品來(lái)看， 我們能夠清晰地認知到，雖然“人工智能芯片”相比于語(yǔ)音識別等技術(shù)并沒(méi)有得到大眾更多的關(guān)注，但是作為人工智能的基礎硬件設施，其已經(jīng)成為諸多公司搶奪市場(chǎng)、占據風(fēng)口的一大戰略制勝點(diǎn)。

人工智能加速，人工智能專(zhuān)用芯片是未來(lái)趨勢

深度學(xué)習算法是實(shí)現人工智能技術(shù)和應用的核心，其在運行過(guò)程中需要對海量的數據進(jìn)行運算處理——用已有的樣本數據去訓練人工神經(jīng)網(wǎng)絡(luò )、用訓練好的人工神經(jīng)網(wǎng)絡(luò )去運算其他數據。對于傳統計算架構而言，這將是一個(gè)極大的挑戰。

面對深度學(xué)習算法這一計算新需求，GPU（圖形處理器）、FPGA（可編程門(mén)陣列）、ASIC（專(zhuān)用集成電路）等成為了人工智能芯片領(lǐng)域的“被追捧者”。比如GPU，相比于CPU，其具有高并行結構，擁有更多的ALU（Arithmetic Logic Unit，邏輯運算單元）用于數據處理，適合對密集型數據進(jìn)行并行處理。

值得我們注意的事，不管是讓英偉達一舉聞名的GPU，抑或是當前與GPU不分伯仲的FPGA，在屬性上，它們都只能算是人工智能通用芯片。相比于一開(kāi)始就是“私人訂制”的ASIC，在深度學(xué)習算法的運行上，GPU和FPGA或多或少都有著(zhù)一些局限：

GPU局限：GPU能夠游刃有余的訓練人工神經(jīng)網(wǎng)絡(luò )，但在輸出應用時(shí)，它一次只能處理一張圖像；相比于FPGA的靈活，GPU硬件結構固定，不具備可調整性；在實(shí)現相同性能的功耗上，GPU遠大于FPGA以及ASIC。

FPGA局限：為了實(shí)現可重構特性，FPGA內部有大量極細粒度的基本單元，但是每個(gè)單元的計算能力都遠遠低于GPU中的ALU模塊；在深度學(xué)習算法的運行速度和功耗上，FPGA表現的都不如ASIC；FPGA價(jià)格較為昂貴，在某些情況下甚至會(huì )高于A(yíng)SIC。

不可否認，對于當前人工智能的發(fā)展，GPU和FPGA都做出了不小的貢獻，但是從未來(lái)發(fā)展趨勢來(lái)看，人工智能專(zhuān)用芯片才是未來(lái)的核心。

從上面的一些比較我們可以看出，在功耗和速度上，GPU、FPGA與ASIC之間還是有著(zhù)一定差距的。

針對人工智能芯片的通用與專(zhuān)用的區別，地平線(xiàn)機器人芯片專(zhuān)家馬鳳翔稱(chēng)，相比于通用芯片，專(zhuān)用芯片是為特定場(chǎng)景而定制的，具備低功耗、低成本、高性能的優(yōu)勢。再通俗一點(diǎn)講，就如寒武紀創(chuàng )始人之一的陳云霽所舉出的例子，普通的處理器就好比“瑞士軍刀”，雖然通用，但不專(zhuān)業(yè)，造成浪費，但是做菜的時(shí)候，還是菜刀得心應手，而專(zhuān)業(yè)的深度學(xué)習處理器就是這把更高效、更快捷的“菜刀”。

與此同時(shí)，不僅僅是性能的要求，隨著(zhù)人工智能技術(shù)的發(fā)展，其應用范圍也將進(jìn)一步擴大。未來(lái)，自動(dòng)駕駛、機器人、智能家居等等終將充斥我們的生活，這其中所隱藏的將是一個(gè)無(wú)可估量的市場(chǎng)需求。屆時(shí)，不管是所需要處理的數據，抑或是運算速度，與現在相比都將不是一個(gè)量級，若想做的更好，就只能向人工智能專(zhuān)用芯片靠攏。

人工智能專(zhuān)用芯片商業(yè)化，IP授權是當前的最佳出路

隨著(zhù)寒武紀成為AI芯片領(lǐng)域首個(gè)“獨角獸”、華為麒麟970的推出，以及后面蘋(píng)果、三星等多家重量級廠(chǎng)商相繼宣布AI芯片的規劃，“如何實(shí)現技術(shù)、產(chǎn)品的商業(yè)化落地”就成為了接下來(lái)需要廠(chǎng)商們亟待解決的問(wèn)題。

目前，運用ASIC架構的人工智能專(zhuān)用芯片中，最典型、最具代表性的當屬寒武紀旗下的產(chǎn)品和谷歌的TPU了，不同的是，前者服務(wù)的對象是廣大客戶(hù)，而后者則是服務(wù)于自己的人工智能系統Tensor-flow。

談及商業(yè)化，雖然中星微、寒武紀的產(chǎn)品此前都有所流片，但是從當前的整體來(lái)看的話(huà)，相比于流片，IP授權或許更適合人工智能專(zhuān)用芯片，尤其是對于創(chuàng )企而言。至于原因，可以總結為兩點(diǎn)：

第一，與其急著(zhù)流片實(shí)現商業(yè)化，不如緩下腳步達到芯片生態(tài)圈

的確，對于企業(yè)來(lái)說(shuō)，流片是一種能夠快速實(shí)現商業(yè)化的方法，并且收獲的利潤也是可觀(guān)的。但是，這樣一來(lái)難免顯得有些激進(jìn)，一不小心或許就會(huì )造成失誤。相比之下，通過(guò)IP授權來(lái)慢慢拉攏客戶(hù)構建生態(tài)圈、“蠶食”人工智能芯片市場(chǎng)顯得更為從容有序。

說(shuō)到IP授權，我們第一個(gè)想到的就是ARM，作為后起之秀的它通過(guò)IP授權的策略打敗了當時(shí)的業(yè)內老大Intel。ARM大中華區總裁吳雄昂曾一句話(huà)總結成功——建立了一個(gè)有強大活性和創(chuàng )新力的生態(tài)圈，為生態(tài)圈的合作伙伴提供了一種共贏(yíng)模式，參與其中的企業(yè)有很高的成功率和利潤空間。另外，ARM生態(tài)圈的成員并不受限于A(yíng)RM平臺，在此基礎上可以有無(wú)限的創(chuàng )新空間。

當前，深度學(xué)習算法可能還沒(méi)有那么的成熟，而人工智能的極大需求又對芯片的性能和功耗提出了新要求。與此同時(shí)，ASIC還有一個(gè)bug——架構固定不具備靈活性，這是其略遜于FPGA的一處。不過(guò)，通過(guò)IP授權，這將允許客戶(hù)在指令集基礎上根據需求創(chuàng )建出自己的內核架構，并可添加各種片內外設比如通信接口等等，從而生產(chǎn)出自己的“處理器芯片”，就像此次的華為麒麟970。

目前來(lái)講，人工智能還處在一個(gè)初級階段，相比于“思維定式”，更為靈活的架構或許將會(huì )更受歡迎。如此一來(lái)，圍繞人工智能專(zhuān)用芯片將會(huì )逐步形成一個(gè)生態(tài)圈，這對于芯片企業(yè)以后的規劃而言將是重要的一步棋。

第二，人工智能專(zhuān)用芯片流片具備風(fēng)險

前面也提過(guò)，相比于人工智能通用芯片，人工智能專(zhuān)用芯片具備低成本低功耗的優(yōu)勢，但是有一個(gè)前提，那就是實(shí)現高出貨量。

比如ASIC和FPGA，比起一次性成本，前者的成本是遠遠高于后者的，不過(guò)，在同樣實(shí)現高量產(chǎn)的前提下，后者的成本將轉變?yōu)榍罢叩?0倍，甚至是100倍。因此，如果不能實(shí)現量產(chǎn)的話(huà)，這對于人工智能專(zhuān)用芯片將是一件極為不利的事。

當然，在性能和功耗上，人工智能專(zhuān)用芯片遙遙領(lǐng)先，但也不能忽視其一旦流片，功能就不能更改的事實(shí)，這也是造成人工智能專(zhuān)用芯片上市慢的一個(gè)原因所在。

結語(yǔ)

在多起事件的聯(lián)動(dòng)下，人工智能專(zhuān)用芯片已經(jīng)成為了一個(gè)“大藍海”，引得國內外科技巨頭、AI創(chuàng )企紛紛跳入其中，意圖攀上中間那座小島的制高點(diǎn)。

最后，攀上那座小島的只會(huì )是人工智能專(zhuān)用芯片，至于最后是誰(shuí)，又是怎么攀上的，我們目前只能持以觀(guān)望的態(tài)度。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！