人工智能引爆新一輪芯片競賽

• 2018年7月12日 ZhangHongYuan來源：網(wǎng)易智能 936 58
• 繁體

• 

  2018-2024年電腦芯片市場發(fā)展前景分析及供需格局研究預(yù)測報告

  隨著電腦芯片行業(yè)競爭的不斷加劇，大型企業(yè)間并購整合與資本運(yùn)作日趨頻繁，國內(nèi)外優(yōu)秀的電腦芯片企業(yè)愈來愈重視對行業(yè)市場的分析研究，特別是對當(dāng)前市場環(huán)境和客戶需求趨勢變化的深入研究，以期...

為什么在多年的芯片制造停滯之后，硬件突然出現(xiàn)了爆炸式的增長?

目前在AI芯片市場上還沒有x86，人們看到了淘金熱，這是毫無疑問的。

多年來，半導(dǎo)體行業(yè)似乎已經(jīng)達(dá)到了一種穩(wěn)定的平衡：英特爾在服務(wù)器領(lǐng)域幾乎擊敗了所有的RISC處理器，同時AMD也逐漸陷入低迷，使得英特爾的x86成為了主導(dǎo)者。而在GPU領(lǐng)域起步較晚的英偉達(dá)，在上世紀(jì)90年代就已經(jīng)淘汰了大多數(shù)競爭對手。而突然之間，就只剩ATI(現(xiàn)已被AMD收購)仍然在市場上存在。它只占英偉達(dá)之前市場份額的一半。

在較新的移動領(lǐng)域，似乎也是類似的壟斷故事：ARM統(tǒng)治著市場，英特爾曾用Atom處理器嘗試與之競爭，但在遭遇多次失敗后，在2015年最終選擇了放棄。就這樣，一切都與以往不同了，AMD重新成為了x86的競爭對手;針對大數(shù)據(jù)等專門任務(wù)的現(xiàn)場可編程門陣列(FPGA)的出現(xiàn)創(chuàng)造了一個新的利基市場。但實(shí)際上，隨著人工智能(AI)和機(jī)器學(xué)習(xí)(ML)的出現(xiàn)，芯片世界的巨大轉(zhuǎn)變也隨之而來。隨著這些新興技術(shù)的出現(xiàn)，大量的新處理器已經(jīng)到來。并且，它們都來自于不太可能的來源。

英特爾在2016年收購了初創(chuàng)公司Nervana Systems，進(jìn)入了AI芯片市場，隨后它又收購了另一家公司Movidius，目的是開發(fā)圖像處理AI;

微軟正在為其HoloLens VR/AR頭戴設(shè)備開發(fā)人工智能芯片，而且有可能在其它設(shè)備中使用;

谷歌針對神經(jīng)網(wǎng)絡(luò)開發(fā)了一種特殊的人工智能芯片——“張量處理單元(TPU)”，該處理器可用于谷歌云平臺上的人工智能應(yīng)用;

亞馬遜正在為其Alexa家庭助理開發(fā)人工智能芯片;

蘋果正在研發(fā)一款名為“神經(jīng)引擎(Neural Engine)”的人工智能處理器，該處理器將為Siri和FaceID提供動力;

ARM公司最近推出了兩款新處理器——ARM機(jī)器學(xué)習(xí)(ML)處理器和ARM物體檢測(OD)處理器，這兩者都專注于圖像識別;

IBM正在開發(fā)專門的人工智能處理器，該公司還從英偉達(dá)那里獲得了NVLink的授權(quán)，用于專門針對人工智能和機(jī)器學(xué)習(xí)的高速數(shù)據(jù)傳輸;

即使是特斯拉這樣的非傳統(tǒng)科技公司也想要進(jìn)入這個領(lǐng)域，其首席執(zhí)行官埃隆馬斯克(Elon Musk)去年承認(rèn)，前AMD和蘋果芯片工程師Jim Keller將在特斯拉負(fù)責(zé)硬件制造，這些還沒有將初創(chuàng)公司計算在內(nèi)?！都~約時報》指出，據(jù)不完全統(tǒng)計，專注于人工智能的芯片創(chuàng)業(yè)公司(不是單純的軟件公司或芯片公司)已經(jīng)達(dá)到了45家，并且仍在繼續(xù)增長。

為什么在多年的芯片制造停滯之后，硬件突然出現(xiàn)了爆炸式的增長?畢竟，人們已經(jīng)達(dá)成共識，英偉達(dá)的GPU對人工智能來講非常優(yōu)秀，而且已經(jīng)被廣泛使用，為什么我們現(xiàn)在需要更多的芯片，并且是更多不同的芯片?

答案有些復(fù)雜，就像人工智能本身一樣。

投資導(dǎo)向和技術(shù)發(fā)展的影響

Intersect360 Research公司CEO Addison Snell說，盡管x86目前仍是計算領(lǐng)域的主流芯片架構(gòu)，但對于像人工智能這樣高度專業(yè)化的任務(wù)來說，它太普通了，該公司的主要業(yè)務(wù)是HPC(高性能計算)和人工智能?！叭藗兿Ｍ鸄I成為一個通用的服務(wù)器平臺，因此，它必須在所有事情上都做得很好”他說，“在其他芯片的基礎(chǔ)上，各個公司正在開發(fā)專門針對某一應(yīng)用的產(chǎn)品，而操作系統(tǒng)和基礎(chǔ)設(shè)施的任務(wù)仍然留給x86來做?！?/p>

處理人工智能實(shí)際任務(wù)的過程與標(biāo)準(zhǔn)計算或GPU處理是非常不同的，因此需要專門針對人工智能的芯片，x86 CPU可以完成人工智能任務(wù)，而實(shí)際只需要3個步驟的任務(wù)，它在執(zhí)行時需要經(jīng)過12個步驟，在某些情況下，GPU也可能把任務(wù)變得過于繁雜。

一般而言，科學(xué)計算是以確定性的方式完成的，比如你想知道2加3等于5，并計算到所有小數(shù)部分——x86和GPU可以做得很好。但是人工智能的本質(zhì)是，通過長期的觀察得出2.5加3.5等于6，而不需要真正去計算，如今人工智能的關(guān)鍵是從數(shù)據(jù)中發(fā)現(xiàn)的模式，而不是確定性的計算。

從更簡單的角度來說，人工智能和機(jī)器學(xué)習(xí)的定義是，它們利用過去的經(jīng)驗并加以改進(jìn)。比如，著名的AlphaGo就通過模擬大量的圍棋比賽改進(jìn)技術(shù)。另一個我們熟悉的例子就是Facebook的面部識別AI，經(jīng)過多年的訓(xùn)練，它可以精確地標(biāo)記你的照片(Facebook最近幾年進(jìn)行了三次重大的面部識別收購：2012年收購Face.com、2016年收購Masquerade，2016收購Faciometrics)。

一旦用人工智能開展學(xué)習(xí)，就不需要重新學(xué)習(xí)了。這是機(jī)器學(xué)習(xí)的標(biāo)志(人工智能更大定義的一個子集)。從本質(zhì)上講，機(jī)器學(xué)習(xí)(ML)是一種使用算法來解析數(shù)據(jù)、從中學(xué)習(xí)、然后根據(jù)這些數(shù)據(jù)做出判斷或預(yù)測的實(shí)踐。這是一種模式識別的機(jī)制——機(jī)器學(xué)習(xí)軟件記住2加3等于5，所以整個人工智能系統(tǒng)可以使用這些信息。

再比如說，自動駕駛汽車的AI，并不是通過確定的事物來判斷周圍物體的活動路徑，它通過以往的經(jīng)驗，表示曾經(jīng)有一輛車，按照這樣的方式行駛。因此，系統(tǒng)能夠預(yù)測到特定類型的動態(tài)。

延伸閱讀

推薦閱讀

猜您喜歡