人工智能芯片行業(yè)技術(shù)環(huán)境分析 人工智能芯片的競(jìng)爭(zhēng)目前分為三個(gè)主要賽道

• 李芬珍子 2023年9月7日 來(lái)源：中研網(wǎng) 1494 99
• 繁體

人工智能芯片行業(yè)技術(shù)環(huán)境分析

一、人工智能芯片技術(shù)特點(diǎn)比較

隨著大數(shù)據(jù)和深度學(xué)習(xí)得到越來(lái)越多應(yīng)用，對(duì)于底層硬件和芯片也提出了新的要求。與傳統(tǒng)的處理器強(qiáng)調(diào)"處理能力"不同，大數(shù)據(jù)和深度學(xué)習(xí)應(yīng)用強(qiáng)調(diào)的往往是"算力"以及"能效比"。由于大數(shù)據(jù)和深度學(xué)習(xí)應(yīng)用算法中的特征提取和處理使用的都往往是實(shí)打?qū)嵉挠?jì)算，因此需要高算力的芯片以期在盡可能短的時(shí)間里完成計(jì)算。另一方面，能效比也是重要指標(biāo)。能效比指的是完成計(jì)算所需要的能量，能效比越好則完成相同計(jì)算消耗的能量越小。

對(duì)于終端芯片，越來(lái)越多的數(shù)據(jù)由于數(shù)據(jù)隱私、網(wǎng)絡(luò)傳輸帶寬和處理延遲的問(wèn)題無(wú)法傳到云端數(shù)據(jù)中心完成計(jì)算，這也就需要終端芯片能在終端完成計(jì)算;同時(shí)終端設(shè)備的電池容量往往有限，因此終端芯片在完成計(jì)算的同時(shí)不能消耗太大能量，也就是需要很好的能效比。對(duì)于云端數(shù)據(jù)中心的芯片，同樣也需要很好的能效比，因?yàn)樯岢杀臼菙?shù)據(jù)中心的重要開(kāi)銷，因此需要芯片散熱不能太大。在大數(shù)據(jù)和深度學(xué)習(xí)應(yīng)用中，數(shù)據(jù)間往往都是獨(dú)立的，因此可以并行計(jì)算。傳統(tǒng)的CPU并行計(jì)算能力有限，因此難以實(shí)現(xiàn)算力的需求。GPU雖然有很高的算力(10TOPS數(shù)量級(jí))而且在數(shù)據(jù)中心已經(jīng)得到了應(yīng)用，但是其功耗也很大(幾百瓦)，而且其架構(gòu)決定了它無(wú)法做到終端需要較低功耗(如100mW以下)的場(chǎng)景。同時(shí)，即使在數(shù)據(jù)中心領(lǐng)域，因?yàn)镚PU設(shè)計(jì)的初衷是為了圖像渲染而并非大數(shù)據(jù)運(yùn)算，因此也存在很大的改善空間。因此，許多在AI芯片領(lǐng)域來(lái)自學(xué)術(shù)界和來(lái)自工業(yè)界的項(xiàng)目，試圖挑戰(zhàn)CPU和GPU。這些項(xiàng)目大體可以分為兩類，一類是基于傳統(tǒng)的數(shù)字處理器模型，但是在處理器架構(gòu)上加以改良，以提高算力以及能效比;第二類則是另辟蹊徑，使用了與傳統(tǒng)處理器完全不一樣的方法來(lái)執(zhí)行計(jì)算，從而在一些領(lǐng)域中獲得遠(yuǎn)高于傳統(tǒng)處理器的性能。在第二類技術(shù)中會(huì)有一些能經(jīng)歷時(shí)間的考驗(yàn)，最終成為主流技術(shù)。

二、人工智能芯片技術(shù)發(fā)展趨勢(shì)分析

人工智能芯片的競(jìng)爭(zhēng)目前分為三個(gè)主要賽道：

第一個(gè)是基于GPU、FPGA等通用芯片的半定制方案。比如，英偉達(dá)針對(duì)各類智能計(jì)算設(shè)備開(kāi)發(fā)對(duì)應(yīng)的GPU，以及打造NVIDIACUDA平臺(tái)大大提升其編程效率、開(kāi)放性和豐富性，建立了包含CNN、DNN、深度感知網(wǎng)絡(luò)、RNN、LSTM以及強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)等算法的平臺(tái)，使得AI可以滲透到各種類型的智能機(jī)器。美國(guó)沿襲在傳統(tǒng)計(jì)算芯片上的強(qiáng)大優(yōu)勢(shì)，包括在CPU，F(xiàn)PGA，GPU，DSP領(lǐng)域包攬全球第一的技術(shù)能力和行業(yè)地位，自然占據(jù)了這個(gè)賽道的霸主地位，據(jù)稱在醫(yī)療、生命科學(xué)、能源、金融服務(wù)、汽車、制造業(yè)以及娛樂(lè)業(yè)等多個(gè)領(lǐng)域運(yùn)用GPU或者FPGA開(kāi)展深度學(xué)習(xí)工作的企業(yè)有近4000余家，傳統(tǒng)優(yōu)勢(shì)的滲透力可見(jiàn)一斑。也可以從側(cè)面看出，在這條賽道上，其實(shí)中國(guó)的企業(yè)鮮少再有機(jī)會(huì)。

第二個(gè)賽道是針對(duì)深度學(xué)習(xí)算法的專用芯片。GPU、FPGA等通用芯片雖然適用于大規(guī)模并行計(jì)算，但是也天然存在性能、功耗等方面的瓶頸，面對(duì)不斷激增的數(shù)據(jù)量和持續(xù)擴(kuò)大的AI應(yīng)用規(guī)模，通用芯片自然有其局限性，因此專用芯片必然是大勢(shì)所趨。中國(guó)科學(xué)院計(jì)算所研究員、寒武紀(jì)深度學(xué)習(xí)處理器芯片創(chuàng)始人陳云霽博士在《中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊》上撰文指出：通過(guò)設(shè)計(jì)專門的指令集、微結(jié)構(gòu)、人工神經(jīng)元電路、存儲(chǔ)層次，有可能在3-5年內(nèi)將深度學(xué)習(xí)模型的智能處理效率提升萬(wàn)倍。這也使得中美人工智能芯片創(chuàng)業(yè)的大部分企業(yè)集中在這個(gè)賽道進(jìn)行競(jìng)爭(zhēng)。目前這個(gè)賽道聚集了當(dāng)下全球創(chuàng)新最活躍的智力資源，涌現(xiàn)出多種方法來(lái)定制芯片設(shè)計(jì)和架構(gòu)，去解決不同AI應(yīng)用場(chǎng)景中人工智能芯片的諸多“痛點(diǎn)”問(wèn)題，比如影響處理器性能提高的存儲(chǔ)帶寬瓶頸，計(jì)算非結(jié)構(gòu)化信息時(shí)性能疲軟，再比如在嵌入式設(shè)備上實(shí)現(xiàn)AI應(yīng)用，除了計(jì)算性能的要求之外，如何平衡功耗和成本的問(wèn)題等等。在這條賽道上，既有谷歌、Intel、英偉達(dá)等全球人工智能和芯片領(lǐng)域的頂尖巨頭大手筆的投入，也有無(wú)數(shù)的中小創(chuàng)業(yè)企業(yè)在全力以赴，期望跳過(guò)這些傳統(tǒng)巨頭在計(jì)算架構(gòu)上的堅(jiān)固壁壘，去創(chuàng)造人工智能時(shí)代的Intel或者ARM。這其中不乏大量的來(lái)自中國(guó)的人工智能芯片初創(chuàng)企業(yè)，在AI領(lǐng)域的投資上，中國(guó)已經(jīng)超越美國(guó)成為世界第一，其中大筆資金投向了AI專用芯片領(lǐng)域，這也充分證明了這個(gè)賽道，有對(duì)中國(guó)計(jì)算芯片非比尋常的意義。

第三個(gè)賽道是類腦計(jì)算芯片，這個(gè)領(lǐng)域不再僅僅局限于加速深度學(xué)習(xí)算法，也不僅僅局限于在特定場(chǎng)景下實(shí)現(xiàn)人工智能，而是在芯片基本結(jié)構(gòu)甚至器件層面上希望能夠開(kāi)發(fā)出新的非馮諾依曼計(jì)算機(jī)模型和體系結(jié)構(gòu)，去解決通用智能計(jì)算的問(wèn)題。類腦的研究距離可以大規(guī)模廣泛使用的成熟商用技術(shù)還有一定差距，甚至在產(chǎn)業(yè)化的過(guò)程中還面臨不小的風(fēng)險(xiǎn)，但是長(zhǎng)期來(lái)看這個(gè)賽道是最有可能會(huì)帶來(lái)計(jì)算體系革命的選擇。在這個(gè)領(lǐng)域其實(shí)更多是基礎(chǔ)研究能力的比拼，中國(guó)和美國(guó)的差距其實(shí)并不大。人工智能芯片將決定新的計(jì)算時(shí)代的基礎(chǔ)架構(gòu)和未來(lái)生態(tài)，因此，谷歌、微軟、IBM、Facebook等美國(guó)巨頭都投巨資加速人工智能芯片的研發(fā)，旨在搶占新計(jì)算時(shí)代的戰(zhàn)略制高點(diǎn)，掌控人工智能時(shí)代主導(dǎo)權(quán)。而國(guó)內(nèi)人工智能芯片則呈現(xiàn)出創(chuàng)新活躍，百花齊放的格局。

這些賽道都是AI芯片技術(shù)的研究方向，也是發(fā)展趨勢(shì)。想要在這場(chǎng)競(jìng)爭(zhēng)中拔得頭籌，必定要在這三個(gè)方面取得突破性進(jìn)展。

三、技術(shù)環(huán)境對(duì)行業(yè)的影響

隨著以人工智能、物聯(lián)網(wǎng)、5G等為核心的新一代信息技術(shù)的高速發(fā)展，涌現(xiàn)出越來(lái)越多新的應(yīng)用場(chǎng)景和需求。未來(lái)物聯(lián)網(wǎng)領(lǐng)域?qū)⑿枰w積更小、功耗更低、能效比更高的人工智能芯片。常見(jiàn)的邊緣端芯片如手機(jī)中的人工智能芯片，其功耗一般在幾百毫瓦至幾瓦，云端訓(xùn)練芯片的工作功耗則更高，通常要達(dá)到數(shù)百瓦，而超低功耗人工智能芯片的工作功耗一般是幾十毫瓦甚至更低。同時(shí)，由于芯片的計(jì)算模塊在大多數(shù)時(shí)間里均處于休眠狀態(tài)，只有在發(fā)生相關(guān)事件時(shí)才會(huì)在事件驅(qū)動(dòng)技術(shù)的支持下被激活為工作狀態(tài)，這樣就進(jìn)一步降低了平均功耗。如在以智能手表為代表的智能可穿戴設(shè)備領(lǐng)域，設(shè)備的電池容量因尺寸等原因受到極大限制，而此類設(shè)備需要具備心率檢測(cè)、手勢(shì)識(shí)別、語(yǔ)音識(shí)別等智能生物信號(hào)處理功能，因此需要集成體積小且能效比超高的人工智能加速芯片，降低對(duì)電池的消耗;在智能家居等領(lǐng)域，具備人臉識(shí)別、指紋識(shí)別等功能的智能門鎖須由電池供電，而且不能經(jīng)常更換電池，否則會(huì)降低用戶體驗(yàn)，這就對(duì)門鎖中執(zhí)行人臉識(shí)別等功能的智能模塊提出了極高的能效比要求。除消費(fèi)電子之外，制造業(yè)等工業(yè)應(yīng)用場(chǎng)景中也需要使用超低功耗人工智能芯片，如安裝在機(jī)械臂、管道等重要設(shè)備和環(huán)境中的智能傳感器須由電池供電，使用超低功耗人工智能芯片則可以有效減少電池消耗，大幅降低此類設(shè)備的維護(hù)成本。

《2022-2027年中國(guó)人工智能芯片行業(yè)發(fā)展分析及投資風(fēng)險(xiǎn)預(yù)測(cè)報(bào)告》由中研普華人工智能芯片行業(yè)分析專家領(lǐng)銜撰寫(xiě)，主要分析了人工智能芯片行業(yè)的市場(chǎng)規(guī)模、發(fā)展現(xiàn)狀與投資前景，同時(shí)對(duì)人工智能芯片行業(yè)的未來(lái)發(fā)展做出科學(xué)的趨勢(shì)預(yù)測(cè)和專業(yè)的人工智能芯片行業(yè)數(shù)據(jù)分析，幫助客戶評(píng)估人工智能芯片行業(yè)投資價(jià)值。

• 相關(guān)深度報(bào)告REPORTS

  

  2022-2027年中國(guó)人工智能芯片行業(yè)發(fā)展分析及投資風(fēng)險(xiǎn)預(yù)測(cè)報(bào)告

  人工智能芯片也被稱為AI加速器或計(jì)算卡，即專門用于處理人工智能應(yīng)用中的大量計(jì)算任務(wù)的模塊（其他非計(jì)算任務(wù)仍由CPU負(fù)責(zé)）。業(yè)界關(guān)于AI芯片的定義仍然缺乏一套嚴(yán)格和公認(rèn)的標(biāo)準(zhǔn)。比較寬泛的看A...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡