人工智能產(chǎn)業(yè)規(guī)模高速增長(zhǎng)，全球市場(chǎng)調(diào)研機(jī)構(gòu)IHS Markit發(fā)布數(shù)據(jù)顯示，到2025年AI應(yīng)用市場(chǎng)規(guī)模將從2019年的428億美元激增到1289億美元。
回顧2019年，AI機(jī)器人群聊、管控道路橋梁積水、寫作、智能客服……人工智能做了許多原本人類才會(huì)做的事情。數(shù)不盡的紛繁應(yīng)用背后離不開 AI 芯片的基礎(chǔ)支撐。
日前，AI芯片新老牌廠商“混戰(zhàn)”國(guó)際消費(fèi)類電子產(chǎn)品展覽會(huì)，全面覆蓋當(dāng)前人工智能六大核心落地場(chǎng)景，包括云端訓(xùn)練、云端推理、智能手機(jī)、AIoT視覺推理、AIoT語音推理、自動(dòng)駕駛等，國(guó)內(nèi)AI芯片進(jìn)入落地階段。
根據(jù)中國(guó)人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟(以下簡(jiǎn)稱聯(lián)盟)提供的數(shù)據(jù)，2019年以來國(guó)內(nèi)外芯片廠商共發(fā)布AI芯片近30款。
AI芯片怎樣支撐多姿多彩的人工智能應(yīng)用落地？評(píng)測(cè)標(biāo)準(zhǔn)進(jìn)展如何？今年的亮點(diǎn)、看點(diǎn)又在哪？科技日?qǐng)?bào)記者采訪了相關(guān)專家。
AI芯片：驅(qū)動(dòng)智能產(chǎn)品的大腦
回顧2019年，AI機(jī)器人群聊、管控道路橋梁積水、寫作、智能客服……人工智能做了許多原本人類才會(huì)做的事情。數(shù)不盡的紛繁應(yīng)用背后離不開AI芯片的基礎(chǔ)支撐，它是如何驅(qū)動(dòng)AI“作業(yè)”的呢？
目前消費(fèi)類智能產(chǎn)品大量應(yīng)用人工智能、大數(shù)據(jù)等技術(shù)，芯片作為硬件載體，承擔(dān)了“讓智能產(chǎn)品發(fā)揮作用”的功能。鯤云科技創(chuàng)始人兼CEO牛昕宇介紹，人工智能行業(yè)有三個(gè)核心驅(qū)動(dòng)力：算法、算力和數(shù)據(jù)。人工智能芯片作為人工智能應(yīng)用的底層硬件，為其提供算力支撐�！巴ㄟ^技術(shù)創(chuàng)新，不斷提升人工智能計(jì)算的性能、降低其成本和功耗，從而支持越來越復(fù)雜的人工智能應(yīng)用�！�
如果把運(yùn)行各種人工智能技術(shù)集合比作一個(gè)人的話，人工智能芯片就是它的大腦實(shí)體，而各種聊天、視頻制作、自動(dòng)駕駛應(yīng)用就是它根據(jù)自己所能接觸到的數(shù)據(jù)，學(xué)習(xí)到的經(jīng)驗(yàn)知識(shí)進(jìn)行的操作。一方面，隨著數(shù)據(jù)經(jīng)驗(yàn)的積累，它們運(yùn)行的人工智能應(yīng)用會(huì)越來越精確，另一方面，它的學(xué)習(xí)受限于大腦的容量(芯片計(jì)算能力)、培養(yǎng)成本(芯片成本)以及大腦運(yùn)算消耗的熱量(芯片功耗)。
牛昕宇解釋道：“人工智能芯片研發(fā)要做的，就是提供這樣一個(gè)越來越智能的大腦，從而能夠?qū)W習(xí)各種各樣的技能(人工智能應(yīng)用)，最終應(yīng)用到各類智能終端設(shè)備中，在自動(dòng)駕駛、智慧城市、工業(yè)視覺、智慧安防等領(lǐng)域發(fā)揮作用。”
起步階段：加速芯片算力的迭代優(yōu)化
AI芯片的發(fā)展，離不開人工智能技術(shù)的發(fā)展。人工智能從1956年誕生至今，共經(jīng)歷過三次大的浪潮。進(jìn)入21世紀(jì)，隨著計(jì)算機(jī)性能的提升和海量數(shù)據(jù)的產(chǎn)生，機(jī)器學(xué)習(xí)和CNN網(wǎng)絡(luò)(卷積神經(jīng)網(wǎng)絡(luò))獲得突破，算法、算力和數(shù)據(jù)滿足了人工智能的商業(yè)化落地需求，人工智能迎來了高速發(fā)展的階段。
“特別是2017年起，人工智能的商業(yè)化落地不斷加速�！� 牛昕宇認(rèn)為，從芯片的起步、發(fā)展、成熟的三個(gè)階段來看，人工智能芯片仍然處于起步階段。
人工智能芯片主要包含三個(gè)發(fā)展脈絡(luò)，一是由于前期人工智能落地的旺盛需求，英偉達(dá)的圖像處理器GPU因?yàn)榭梢灾С諧NN等算法網(wǎng)絡(luò)，滿足基本的人工智能落地需求，在這個(gè)時(shí)期獲得了大范圍應(yīng)用，其也通過芯片架構(gòu)不斷迭代，逐步轉(zhuǎn)型成為人工智能芯片供應(yīng)商。二是因?yàn)樗惴ǖ牟粩嗟�，�?duì)芯片和算力提出了更高的要求，這時(shí)候國(guó)內(nèi)外的初創(chuàng)企業(yè)和華為等采用與英偉達(dá)類似的指令集技術(shù)路線，通過架構(gòu)創(chuàng)新，推出了一批新的專用人工智能芯片。三是影響芯片性能的制程工藝發(fā)展日趨成熟，摩爾定律放緩對(duì)指令集技術(shù)路線的發(fā)展提出了挑戰(zhàn)，目前也有初創(chuàng)企業(yè)采用全新的數(shù)據(jù)流技術(shù)路線，推出新的專用人工智能芯片。
當(dāng)前國(guó)內(nèi)主要是后兩種人工智能芯片，各家企業(yè)都處于推出產(chǎn)品、進(jìn)行市場(chǎng)化落地的階段。例如，鯤云科技就在去年發(fā)布了通用AI底層CAISA芯片架構(gòu)，可以實(shí)現(xiàn)高達(dá)98%的芯片利用率，在智慧城市、工業(yè)檢測(cè)、電力安防等領(lǐng)域?qū)崿F(xiàn)了規(guī)模落地。
牛昕宇坦言，芯片行業(yè)是一個(gè)需要不斷迭代發(fā)展的行業(yè)。深度學(xué)習(xí)算法日新月異，對(duì)算力也提出了更高的要求，滿足人工智能快速發(fā)展的需求，仍然需要芯片企業(yè)對(duì)于市場(chǎng)的快速反饋，完成產(chǎn)品的快速迭代和優(yōu)化。
2020年看點(diǎn)：“落地”被反復(fù)強(qiáng)調(diào)
人工智能產(chǎn)業(yè)規(guī)模高速增長(zhǎng)，據(jù)全球市場(chǎng)調(diào)研機(jī)構(gòu)IHS Markit發(fā)布的AI普及度調(diào)查預(yù)測(cè)，到2025年AI應(yīng)用市場(chǎng)規(guī)模將從2019年的428億美元激增到1289億美元。
從2018年年底開始，人工智能芯片的“落地”被反復(fù)強(qiáng)調(diào)。“不論是短期還是長(zhǎng)期目標(biāo)都是落地。”牛昕宇說。由此看來，人工智能芯片2020年的主要看點(diǎn)仍然在于新產(chǎn)品迭代和落地。加速人工智能應(yīng)用落地，只有以市場(chǎng)需求為驅(qū)動(dòng)的芯片才能持續(xù)創(chuàng)造價(jià)值。
當(dāng)然，人工智能應(yīng)用永遠(yuǎn)需要性能更高、價(jià)格更低、功耗更低的芯片，如何能在這之上不斷滿足市場(chǎng)需求，考驗(yàn)著每一家人工智能芯片企業(yè)的核心技術(shù)以及對(duì)市場(chǎng)所需產(chǎn)品的洞察。
“芯片和計(jì)算架構(gòu)在人工智能的發(fā)展中扮演著重要角色�！甭�(lián)盟計(jì)算架構(gòu)與芯片組聯(lián)席秘書長(zhǎng)張蔚敏說。2019年起，很多AI芯片產(chǎn)品都在底層架構(gòu)設(shè)計(jì)上注重架構(gòu)創(chuàng)新，2020年這種趨勢(shì)越發(fā)顯現(xiàn)。核心在于市場(chǎng)對(duì)芯片所能提供的更高實(shí)際算力的追求，將在真實(shí)使用場(chǎng)景中得到驗(yàn)證。
在牛昕宇看來，安防是人工智能落地相對(duì)比較充分的領(lǐng)域�！敖衲晡覀儗⒖吹礁嗉�(xì)分領(lǐng)域的落地場(chǎng)景，比如占國(guó)民生產(chǎn)總值近30%的制造業(yè)。包括鯤云科技在內(nèi)，許多企業(yè)也在為智能制造領(lǐng)域的工業(yè)視覺檢測(cè)提供基于深度學(xué)習(xí)的一體化算力解決方案。”
三大難題：破解AI芯片落地的關(guān)鍵
落地，既是今年AI芯片的看點(diǎn)，也是難點(diǎn)�！爱�(dāng)前AI的行業(yè)應(yīng)用遲遲沒有大規(guī)模爆發(fā)，AI芯片創(chuàng)業(yè)公司依舊面臨產(chǎn)品難以落地、研發(fā)和應(yīng)用還沒有很有效地銜接起來等問題�！睆埼得粽J(rèn)為，芯片專用化趨勢(shì)越來越明顯，而應(yīng)用落地則成為迫切需求。
從研發(fā)角度來看，牛昕宇說，當(dāng)前人工智能芯片主要面臨三方面問題，即芯片設(shè)計(jì)的底層技術(shù)路線同質(zhì)化較高，軟件開發(fā)支持依然是短板，以及芯片性能測(cè)試處于起步階段、距離形成權(quán)威統(tǒng)一的評(píng)測(cè)標(biāo)準(zhǔn)還需要一定的時(shí)間。
顯然，技術(shù)路線同質(zhì)化容易導(dǎo)致產(chǎn)品同質(zhì)化，降低了創(chuàng)造獨(dú)特價(jià)值的可能性。作為底層硬件芯片，不一定每個(gè)指標(biāo)都需要最強(qiáng)，但是要找到對(duì)于市場(chǎng)需求獨(dú)一無二的價(jià)值，解決核心問題。這就要在技術(shù)路線方面進(jìn)行創(chuàng)新，掌握自己的核心技術(shù)，從而在芯片性能和技術(shù)支持上掌握更多主動(dòng)性。
而芯片的使用和對(duì)算法的支持離不開軟件工具。目前有一些人工智能芯片仍然缺乏可用的軟件開發(fā)工具，或者軟件編譯工具設(shè)計(jì)復(fù)雜，用戶的開發(fā)和使用門檻過高，這些都需要在落地過程中不斷完善和迭代。誠(chéng)如牛昕宇所說，如果不能解決這個(gè)問題，AI芯片的大規(guī)模商業(yè)落地也會(huì)遇到阻礙。
至于AI芯片評(píng)測(cè)標(biāo)準(zhǔn)的制定進(jìn)展，牛昕宇坦言，“目前這類標(biāo)準(zhǔn)還處于項(xiàng)目推廣的早期，各家采用的測(cè)試網(wǎng)絡(luò)和測(cè)試標(biāo)準(zhǔn)還缺乏統(tǒng)一性，可能對(duì)客戶的選型造成一定困難�！�
從2019年起，國(guó)內(nèi)外針對(duì)AI芯片的測(cè)評(píng)方案陸續(xù)出爐，比如由百度、谷歌、斯坦福大學(xué)、哈佛大學(xué)等聯(lián)合發(fā)布的用于測(cè)量和提高機(jī)器學(xué)習(xí)軟硬件性能的MLPerf國(guó)際基準(zhǔn)、由中國(guó)人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟和國(guó)內(nèi)人工智能企業(yè)合作推出的AIIA DNN benchmark項(xiàng)目。牛昕宇帶領(lǐng)下的鯤云科技也在持續(xù)積極推進(jìn)人工智能芯片評(píng)測(cè)的標(biāo)準(zhǔn)化。“我們同中國(guó)信通院和聯(lián)盟密切合作，推動(dòng)AIIA DNN benchmark項(xiàng)目的標(biāo)準(zhǔn)迭代，參與國(guó)家標(biāo)準(zhǔn)的制定”。
