|
科技云报道. 5亿年前，在地质学上被认为是寒武纪的开端。这一时期，几乎现今所有动物类群的祖先集中出现，被古生物学家称作“寒武纪生命大爆发”。随着人工智能的发展，各类智能终端乃至整个市场，对底层基础芯片的要求也发生了根本改变，处理器性能与需求之间出现了巨大的市场缺口，人工智能的核心AI芯片迎来“大爆发”时代。包括NVIDIA、Intel等老牌半导体巨头以及Cerebras Systems、Wave Computing、寒武纪等明星AI芯片初创公司，都在竞相开发AI算法专用芯片。” 在2016-2017的时间里，先后发生了这样几件大事：NVIDIA股价再度上涨超过4倍，继续领涨美国科技股、软银宣布将以243亿英镑(约合320亿美元)收购英国芯片设计公司ARM、Intel收购视觉芯片公司Movidius、Intel宣布以153亿美元收购Mobileye、国内人工智能芯片明星公司寒武纪宣布A轮融资高达1亿美元，成为全球AI芯片领域首个独角兽。 近日，博通提出一项针对高通的1030亿美元主动收购要约，如果这项交易完成，合并后的公司将在全球半导体行业的市场份额位列第三位，仅次于英特尔和三星，并将对整个芯片行业产生重大影响。一切迹象均表明，在人工智能算法技术推动的大背景下，新一轮芯片半导体行业在资本与技术市场上的博弈刚刚开始。 瞄准深度学习神经网络芯片成AI竞争焦点领域 第三方机构晨星报告显示，2021年，人工智能芯片市场总价值将达200亿美元。TechNavio预测，到2021年，全球人工智能芯片年均复合增长率将超过54%。秉持各自的技术路径，芯片领域的巨头们纷纷入局这场硝烟尚未完全燃起的战争。可以预见，AI芯片的战场又将是一片狼烟混战。 在AI芯片这场混战中，深度学习成为焦点领域。从芯片处理结构看，整个环节分为训练（Training）算法和利用算法推理（Inference）结论两个部分。训练是人工智能的基础，构建应用的关键。 在这一环节，Intel利用Xeon Phi处理器与NVIDIA的GPU直面竞争，并通过多项收购扩大产品布局。围绕两家巨头的竞争，Google和AMD虽有心杀入战局，但仍在边缘，而更小的创业者则仍处于探索阶段。推理层则表现出了群雄大乱斗的场景，一些没有芯片研发背景的公司也纷纷加入战局，去争抢市场盘子高达200亿美元的未来。 作为深度学习的重要载体，神经网络芯片正受到全球科技巨头的高度关注。比如英特尔正在研发的自我学习神经元芯片Loihi引起业界关注。Loihi可以模拟出人类大脑的功能，集成超过13万个神经元和1.3亿个突触，用以复制神经的方式进行运算和思考，不需要以传统的方式进行训练，就能实现自我进化和决策。与通常用于训练人工智能系统的芯片相比，Loihi芯片的能效提升了1000倍。 在中国，寒武纪科技公司于11月6日发布了新一代人工智能芯片，包括：面向低功耗场景视觉应用的寒武纪1H8、拥有更广泛通用性和更高性能的寒武纪1H16，以及可用于终端人工智能产品的寒武纪1M。 三种芯片采用与“阿尔法狗”类似的深度学习技术，模拟大脑的神经元和突触，一条指令即可完成一组神经元的处理，力争在未来3年占有中国高性能智能芯片市场30%的份额，并使全世界10亿台以上的智能终端设备集成有“寒武纪”终端智能处理器。 另外两款高性能机器学习处理器芯片“MLU100”和“MLU200”初露峥嵘。这两款芯片主要服务于服务器端的智能处理需求，分别偏重于推理和训练两个用途。有别于“神经网络处理器”（NPU），寒武纪科技云端芯片产品线使用全新的命名“机器学习处理器”（MLU）。这显示出寒武纪未来的芯片产品将全面支持多样化的机器学习应用，而不仅仅是常见的深度学习。 科技巨头抢先一步 国内基础科研与产业短板亟待完善 对于人工智能这个战略制高点，国际科技巨头早已开始抢占。2010年NVIDIA就开始布局人工智能产品，2014年宣布了新一代PASCAL GPU芯片架构，这是NVIDIA的第五代GPU架构，也是首个为深度学习而设计的GPU，它支持所有主流的深度学习计算框架。 2011年，仍在谷歌就职的吴恩达将NVIDIA的GPU应用于谷歌大脑中取得惊人效果，结果表明12颗GPU可以提供相当于2000颗CPU的深度学习性能。之后各地人工智能研究人员纷纷使用GPU来加速AI算法，GPU也成为目前最主流的AI芯片。 去年，谷歌推出了其自主芯片TPU，并成功帮助升级版的“阿尔法狗”战胜中国围棋选手柯洁，它与GPU相比，用较低的精度提高性能，功耗下降到GPU的10%。 老牌芯片企业Intel也通过收购以色列公司Nervana布局人工智能芯片。2016年上半年，NVIDIA又针对神经网络训练过程推出了基于PASCAL架构的TESLA P100芯片以及相应的超级计算机DGX-1。对于TESLA P100，NVIDIA首席执行官黄仁勋称这款GPU的开发费用高达20亿美元。 人工智能的根本是智能芯片，离开芯片没有第二种实现人工智能的方法，未来10年将成为AI芯片发展的机遇期和产业主权的激烈争夺期。 从顶层设计来看，中美有近乎相仿的重视程度。美国和中国政府都把人工智能当作未来战略的主导，出台发展战略规划，从国家战略层面进行整体推进。 但在应用系统中，美国走的较远，已经开始将AI装备到军事领域。中国虽跻身全球第一梯队，但在基础算法和理论研究方面，与美国还有很大差距。可以说，中国在人工智能和芯片的应用上跟美国处于同一个水平线，但在基础方法研究方面仍然处于落后地位。 目前，包括Google、Facebook、Microsoft等在内的互联网和科技企业提供了非常良好的学术研究氛围。而对于面临营收压力的国内企业来说，则无法像微软、IBM那样进行5年、10年甚至20年长期专注和投入，这也是中国人工智能基础性科学研究欠缺的最大原因。 国内企业的优势在于利用大数据迅速构建起应用场景，特别是商业模式的创新与落地速度很快。但AI原创性的算法在国内一向非常鲜见，现在国内大部分的研究都热衷于对原创模型进行修补，缺少完整的AI理论体系与方法创新。此外，国内公司在技术人员的培养方面也远远不如像Google这样的美国公司。 从全球范围看，人工智能和AI芯片已经全面进入“寒武纪”时代。人工智能的技术突破与创业者们的蜂拥出现，给人工智能加速产业化创造了重要契机。 对中国而言，人工智能距离真正普及还有相当长的路要走，这不仅是一个领域的竞争，更是整个产业链和产业集群的竞争。 无论是芯片、算法，还是数据、应用、人才，任何短板劣势都将使人工智能进入“跛脚”的畸形发展状态。对此，国内的人工智能参与者更应该拥有一份定力与匠心，扎实做好基础研究，政府需从国家层面补齐产业链中的短板环节，资本则需要摆好心态适度投资不要吹大泡沫，只有多方合力协作，才能让我们看到更有希望的人工智能。 【科技云报道原创】 |
|
|
