登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《人工智能芯片之争：抢夺智能时代的入场券》

  • 来源专题：声学研究所所级服务
  • 发布时间：2016-08-25

  • 作者： 赵广立 来源：中国科学报 发布时间：2016/8/23 9:23:48 选择字号：小 中大 . . 人工智能芯片之争：抢夺智能时代的入场券. . Xeon Phi芯片 图片来源：百度图片 ■本报记者 赵广立 当地时间8月17日，英特尔数据中心集团执行副总裁戴安·布莱恩特在开发者大会（IDF）上宣布，将在2017年推出专为机器深度学习设计的芯片——Xeon Phi，代号Knights Mill。在此之前，英特尔刚刚以4亿美元收购了一家专注深度学习开发平台研究的初创公司Nervana Systems。 业内人士指出，随着英特尔人工智能（AI）战略的快速推进，人工智能芯片“群雄逐鹿”的格局正在形成。 “无论传统芯片巨头如英特尔、英伟达、高通，还是互联网巨头如谷歌、FaceBook，以及类似于地平线、寒武纪等这样的新锐势力，大家竞争的焦点虽然是针对于人工智能应用的芯片上，但其实都在布局自己在未来智能时代的一席之地。”地平线机器人技术创始人兼CEO余凯在接受《中国科学报》记者...

81浏览量
0点赞
收藏
原文链接
相关报告

  • 《科技巨头抢占AI市场，智能芯片给生活带来怎样变化》
    • 来源专题：中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者：冯瑞华
    • 发布时间：2017-12-25
    • 科技行业的巨头们看似已经完全接受了人工智能革命。苹果、高通和华为已经制造了一种移动芯片，而这些芯片的设计目的是提供机器学习一个更好的平台，而不同公司设计这种芯片都采用了略微不同的方式。华为在今年的IFA上发布了Kirin 970，他们称其为第一款带有专用神经单元处理器（NPU）的芯片组。然后，苹果发布了A11仿生智能芯片，该芯片为iPhone8、8Plus和x提供引擎动力。A11仿生芯片的特点是，它的神经引擎处理器是专门为机器学习而设计的。 上周，高通发布了骁龙845，该芯片能够将人工智能任务发送至最合适处理器的核心系统。这三家公司的设计方法并没有太大的区别——最终归结为每种芯片向开发者提供的访问权限，以及每一种设置所消耗的电量。 在我们讨论这个问题之前，我们先来弄清楚一个人工智能芯片跟现有的cpu有怎样的不同。在业界，你会经常听到叫“异构计算”的有关人工智能的术语。它指的是使用多种处理器的系统，并且每一种处理器都有专门的功能，以获得更高的性能及节省能源。这个术语并不新鲜，而且许多现有的芯片组都使用了它——例如这三款新产品在不同程度上采用了这个概念。 过去三年来，智能手机的cpu使用了ARM的big.LITTLE架构，它能够将相对较慢的节能核心与速度更快、能耗更低的核心结合起来。我们的主要目标是让这款芯片尽可能少占用电能，以获得更好的电池续航时间。首批采用这种架构的手机包括三星Galaxy S4，它只入了其公司自主生产的Exynos5芯片，以及华为的Mate8和荣誉6。 今年的“人工智能芯片”让这一概念更进一步，它通过添加一个新的专用组件来执行机器学习任务，或者可以使用其他低功耗内核来执行机器学习任务。例如，骁龙845可以利用它的数字信号处理器（DSP）来处理需要大量重复计算的长时间运行的任务，比如在一段长对话里通过分析找到一个用户需要的热词。高通的产品管理总监加里布洛特曼告诉Engadget，在另一方面，像图像识别这样的需求可以通过GPU更好地管理，布罗特曼专门负责为骁龙智能平台开发人工智能和机器学习技术。 与此同时，苹果的A11仿生学应用在其GPU上添加了一个神经引擎，以加速人脸识别、动话表情反馈和一些第三方应用的使用。这意味着，当你在iPhoneX上启动这些进程时，A11会打开神经引擎进行计算来验证用户的身份，或者把你的面部表情倒入到“会说话的便便”这款应用中。 在Kirin 970芯片中，NPU会处理一些任务，比如扫描和利用微软翻译来翻译图片里的文字。这是迄今为止唯一针对这款芯片进行优化的第三方应用。华为表示，其“HiAI”异构计算结构将其芯片组的大部分组件的性能最大化，因此它可能会将人工智能任务分配给更多，而不仅仅是NPU。 抛开这些差异不说，这种新的架构意味着过去只能在云端处理机器学习计算，现在可以在设备本体上更高效地运行。通过使用非CPU的部分来运行人工智能任务，用户的手机可以在同一时间处理更多的事情，这样你在等待应用为你翻译或例如寻找宠物狗的图片时就不会遇到延迟的烦恼。 此外，在手机上运行这些程序不用将用户的使用数据发送到云端，这对用户隐私也有了更强的保护，因为这样可以减少黑客获取数据的机会。 这些人工智能芯片的另一大优势是节约能源。因为有些工作是重复的，我们手机电池消耗量需要针对这些重复的进程进行更合理地分配。GPU往往会吸收更多的能量，所以如果取而代之的是更节能的DSP，并且它可以实现与GPU类似的效果，那么最好是选择后者。 需要明确的是，在决定执行某些任务时，芯片本身并不决定使用哪个核心系统作为驱动。“在今天，开发者们和oem厂商都想要运行人工智能芯片，”Brotman说。程序员可以使用像Google的TensorFlow这样的支持数据库（或者更确切地说是它的Lite移动版本）来选择运行他们的模型的核心。高通、华为和苹果都采用了TensorFlow Lite和Facebook的Caffe2等最受欢迎的选项作为他们设计的支持程序。高通也支持新的开放神经网络交换（ONNX）系统，而苹果则通过其核心的ML框架为更多机器学习模式添加了兼容性。 到目前为止，这些芯片都没有在现实世界中带来明显的影响。芯片制造商们将会吹捧他们自己的测试结果和基准，但这些测试结果直到人工智能程序成为我们日常生活中重要的一部分之前都毫无意义。因为我们正处于让设备进行机器学习的发展早期阶段，并且使用新硬件的开发者少之又少。 不过现在很明显的是，竞争已经开始了，竞争者们着重研究如何让机器学习相关的任务在用户设备上运行地更快、更省电。我们只需要等待一段时间，就能看到从传统芯片到人工智能芯片的转变带给我们生活上的帮助。
    45浏览量
    0点赞
    收藏
    原文链接

  • 《中国人工智能芯片市场分析和展望》
    • 来源专题：北京市经济和信息化委员会监测服务平台
    • 编译者：zhangmin
    • 发布时间：2018-04-25
    •   技术的进步是历次工业革命的驱动力，而人类社会正在人工智能技术的进步下进入智能化社会，即所谓的“第三次工业革命”。而作为人工智能核心技术之一的人工智能芯片，其发展状况如何，未来的走向又是如何，这是本文希望共同探讨的话题。   人工智能发展的历史和驱动因素   Donella H. Meadows在她的《系统之美》一书中指出，“面对问题，善于系统思考的人要做的第一件事就是寻找数据，了解系统的历史及其行为随时间变化的趋势图。”因此，对于当前火热的人工智能的发展，也很有必要先回顾下其今世前身以及背后的驱动因素。笔者总结了以下人工智能的发展历史及其未来的发展趋势。   纵观人工智能的发展历史，以下因素在人工智能的“三次两落”中起到了关键的作用：   算法(A-Algorithm)：当前这一波人工智能的崛起，很大的一个原因就是深度学习算法的崛起，尤其是在图像和语音等方面的出色表现。算法是人工智能发展的引擎。大数据(B-Big Data)：当前这一波的人工智能，更多运用了统计分析的方法，因此，谁拥有了数据，谁就有可能站在这波人工智能的前沿。数据将成为未来企业的核心资产和生产资料之一，它是人工智能发展的新能源。计算能力(C-Computing Power)：基于大数据统计分析的算法和基于并行计算的深度学习需要强大的计算能力，而摩尔定律的数十年发展让计算能力有了长足的进步，有效支撑了这波人工智能的发展。应用场景（S-Scenarios）：人工智能的长期发展必须能反哺给行业并带来实际的经济价值，而随着物联网的发展以及物理世界的数字化浪潮，为人工智能的应用提供了许多实际可行的应用场景，这将进一步加速人工智能的发展。   因此， ABCs因素的组合正推动这波人工智能的第三次崛起，并相信会让这一波持续的时间更长，带来的社会和经济影响也将更为深远，“人工智能最终会像电力一样渗透到社会的各行各业”。   中国人工智能的市场分析   我们可以将以上的ABCs模型映射到中国人工智能市场的分析上去。在经历了互联网和移动互联网的追赶之后，中国正成为一个重要的数据大国，预计到2020年中国将拥有全球数据量的20%-25%。而推动这一波人工智能发展的最重要的因素之一就是数据。另外，中国政府正通过《中国制造2025》、数字中国等政策推动中国产业的信息化智能化升级转型，这为人工智能的发展提供了很多实际的应用场景。因此在这一波人工智能的大潮中，中国正站在一个非常有利的地位。   创新的重要来源之一就是对市场的精准分段。而中国的人工智能市场，可以大致分成数据中心/云端训练和推理、边缘(雾)计算推理(和训练)以及设备端的推理等三个大类四个小类。数据中心/云端训练和推理的市场机会已被业界广泛接受，并随着人工智能的实际应用而进一步迎来爆发式增长。由于在云端，尤其是训练部分需要更大的灵活度来迎合不可预期的应用和数据增长，预计英特尔CPU+AI加速卡的计算平台将进一步发展，其中推理部分的计算平台，尤其是在应用场景比较明确的情况下，将CPU和低功耗AI加速芯片的多芯片合封的MCP(Multiple-chip Package)将是未来的一个选择。在设备端侧推理部分，由于要求较好的功耗控制、尺寸大小以及性价比，预计集成AI加速IP的SoC将最终是一个趋势。在市场层面，一些大的领导企业如苹果、华为等正研发类似方案应用到他们最新的智能手机产品上。由于市场趋势相对明确但应用模式仍需要时间去创新和推广，该市场段仍处于成长阶段。 对于边缘(雾)计算，随着物联网的发展，尤其是实时性要求高的应用场景，如自动驾驶、智能制造等，该市场正成长为一个正在兴起的新市场机会，但还处于市场的起始阶段。该市场段具有相对复杂的应用场景，其相应的人工智能计算平台也将呈现多样化方案。   中国人工智能芯片的发展和趋势   在政府和市场资本的双重推动下，中国的人工智能芯片行业正引来一个高潮，而其中的参与者，主要来源于以下几个方面：   新型创业型公司：该类公司的领军人物一般具有较强的人工智能背景，在商业意识和技术研发方面有较好的平衡，如地平线(Horizon)、上海熠知(ThinkForce)、探境科技(IntEngine)等。目前，这批参与者的数量正在快速成长。大型的市场领导者/互联网公司：以TAB(Tencent、Alibaba、Baidu)+华为等为主导。由于拥有自己的数据集、算法和应用场景，他们计划开发更适合的人工智能芯片来优化他们的算法和业务。由于具有雄厚的财力、研发能力和数据/应用场景，预计该类参与者将成为中国甚至全球人工智能芯片市场的重要力量。老牌的芯片公司：这类公司以华为海思、瑞芯微等为代表。他们具有非常好的SoC设计经验和客户，正研发集成了人工智能加速IP的SoC芯片。高校/研究院背景的创业型公司：由于高校在过去的数十年一直坚持人工智能的芯片设计的基础研究，积累了相当的技术，当前正和产业资本相结合推动其技术的产业转化，如寒武纪(Cambricon)、深鉴科技(DeepHi)、清华大学微电子所等。   结合本文提出的市场模型，根据相关公开资料，在此对中国本土人工智能的芯片做了分析。从图中可以看出，中国当前本土芯片公司的产品分布了人工智能的整个市场段。在数据中心/云端训练和推理芯片部分，以Baidu、Alibaba、华为、Cambricon、BitMain和ThinkForce等为代表，但除了Bitmain的推理芯片，其他的芯片都还在研发中。考虑到TAB+华为强大的研发能力和全球化的资源配置，相信他们最终将会在数据中心/云端推理芯片方面获取一定的地位。而在设备端的推理芯片部分，创业芯片公司较为集中，其性能和功耗都和海外同类产品可以匹配，但预期该市场段未来竞争将较为激烈，并最终处于领先地位。   总结和建议   当前的人工智能正处于产业化的早期阶段，所有的国家都站在了同一条起跑线上。而中国政府从上至下给予了人工智能高度的关注，完成了一系列政策层面的顶层设计。而拥有大量的数据并对数据主权的管理以及应用场景的本土化，也必将进一步助力中国本地芯片公司的崛起。而作为扎根中国的外资企业们，也应积极投身中国的人工智能发展大潮之中，在技术、市场和人才等方面和本土公司开展共赢合作，共同助力中国人工智能产业的发展和壮大。  
    55浏览量
    0点赞
    收藏
    原文链接