当前位置:主页 > 娱乐 >

在资本大量涌入的AI芯片产业 “寒武纪”们的诞生究竟有何意义?

发布时间:2018-01-03 11:21  来源:网络整理

  在过去的几年里,一个名为“深度学习”的人工智能技术家族在科技行业掀起了一场风暴。

  从帮你对手机相册里的自拍与萌宠进行识别分类,再到大幅度提高 Alexa 们(智能助手)与无人驾驶汽车的“平均智商”,“深度学习”这个人工智能里的门类,具备了更高级的对“复杂结构”进行自动挖掘的能力。

  通俗来说,与传统计算通过固定流程解决“确定”问题不同,深度学习算法需要模拟人脑来解决那些取决于概率的“不确定问题”。

  而这个解决问题过程所需的算力,却与传统芯片所擅长的不一致。

  因此,各类终端,乃至整个智能硬件市场,对底层基础芯片的要求也发生了根本改变。简单来说,就是处理器性能与需求之间出现了巨大的市场缺口。

  而这正是为何从英伟达、英特尔等老牌半导体巨头,再到 Cerebras Systems、Wave Computing 等明星AI 芯片初创公司,都在竞相开发供 AI 算法专用的芯片。

  从某种意义上,这些芯片能够根本改变计算机的制造方式。

  而在这些恰逢其时出现的idea与创业公司中,就包括最近风头正劲的全球第一家芯片独角兽——中国创业公司“寒武纪”。

  “寒武纪”们的机会

  当下,在很大程度上,深度学习芯片市场是由英伟达主导的。

  这家芯片巨头长期以来一直以其“王牌产品”——图形处理器(GPU)而闻名业界。而 GPU 有成千上万个并行的微型计算机,每个都在“专心”地渲染像素。

  通常,为了渲染图像的阴影、光线、反射以及透明度,这些小的计算“核心”需要一起执行大量低级的数学运算。

  而就在几年前,研究人员又发现,GPU 的功能理论上非常适合运行深度学习算法,因为后者也需要成千上万地并行计算,正迫切需要一款适合的芯片来高效计算深度学习任务。

  而这一发现,让 GPU 的出现显得恰逢其时,也让英伟达成功成为人工智能革命的“核心发起人”之一。

  不过,虽然这些 GPU 在游戏和其他图像密集型应用中被广泛使用,但是从英伟达近年来的财报可以看出,数据中心的业绩虽然增幅很大,但从GPU在人工智能领域的整体情况来看,并不是非常理想。

  特别是2018年第一财季,这项业务同比增长了186%,占总营收的20%。

  而在智能终端芯片市场,英伟达并不是明显的赢家。

  换句话说,终端市场中的各种垂直场景,包括手机、智能家居、安防、自动驾驶等领域,都存在 AI 芯片创业公司切入的大量机会。

  (请注意,游戏领域并不算是GPU在人工智能领域的应用)

  而另一个让创业公司“有利可图”的理由,在于通用芯片与专业芯片的差异性。同花顺(300033)财经对这个“差异性”有一个非常形象的比喻:

  GPU 是一种通用型芯片,就像是你买了一个格局都固定了的房子,然后改变内部的软件设施来让这个房子达到我们需要的功能,优点是对于用户代价小,但肯定没法达到性能最大化。换句话说,就是计算力有限,性能不够。

  而专业性的 ASIC 芯片,譬如嵌入华为麒麟 970 芯片的寒武纪 1A 处理器,就像是完全一块砖一块砖按自己需求重新搭建一个房子,这种肯定在性能上最贴近我们的需求,但是一次性投入太大,如果不是某一确定需求,或者能够有足够大的市场规模,肯定要冒风险。

  从目前来看,虽然 GPU 的性能已经大大高于传统的 CPU,但是对于功耗较小的终端设备(譬如手机)来说,GPU 的计算力可能仍然不能满足一些需要高效运算的 AI 应用。

  因此,一种目前许多终端公司与研究机构在采用的解决方法是,通过硬件加速,采用专用协处理器的异构计算方式来提升处理性能。通俗点来说,就是通用与定制化芯片可以“共存”在一个终端里。

  以华为 Mate10 为例,其麒麟 970 芯片的 HiAI 移动计算架构就是由 CPU、GPU、ISP/DSP 和 NPU(寒武纪 1A 处理器)四部分组成。

  Mate10 上的一款微软翻译 app,就是基于 NPU 的强大运算性能,将翻译速度提升了 300%,还能实现离线可用的全神经网络机器翻译。





上一篇:《微型计算机》:Hi,我25岁了 - 追溯因特网的起源
下一篇:期待中国的“柠檬法”更完善更有用