人工智能 AI 芯片介紹及中國人工智能 AI 芯片公司近況

技術編輯：宗恩丨發自 SiFou NewOffice
SegmentFault 思否報道丨公衆號：SegmentFault

---

隨着人工智能技術的發展，數據、算力和算法三大牽動人工智能進步的關鍵因素越發凸顯。而這三大要素中算力和算法都離不開芯片。傳統的 CPU 早已遠遠不能知足 AI 技術的發展須要，GPU 又由於能耗太高等問題飽受詬病，FPGA 和 ASIC 等芯片的相繼推出必定程度上緩解了算力不足的問題，但 AI 芯片領域還有很是大的進步空間。

AI 芯片是什麼？

AI 芯片最簡單的定義就是從事人工智能算法計算的芯片，目前這些人工智能算法通常是深度學習算法，或者是一些機器視覺和機器學習算法。

它也被稱爲 AI 加速器或計算卡，即專門用於處理人工智能應用中的大量計算任務的模塊。目前 AI 芯片主要分爲 GPU、FPGA和ASIC。

AI芯片的發展歷程

加州理工學院 Carver Mead 最先開始了 AI 芯片的研究，在 20世紀 80年代開始研究神經擬態系統(neuromorphic electronic systems)，利用模擬電路模仿生物神經系統結構。

2007 年之前 AI技術發展對芯片尚未特別強烈的需求，通用的 CPU 芯片便可提供足夠的計算能力。2007 年 ，英偉達開發出統一計算架 CUDA，研究人員透過 CUDA 能夠輕鬆使用 C 語言開發 GPU ，使得 GPU 具備方便的編程環境能夠直接編寫程序。

2008 年，英偉達推出 Tegra 芯片 ，做爲最先的可用於人工智能領域的 GPU ，現在已成爲英偉達最重要的 AI 芯片之一 ，主要用於智能駕駛領域。

以後因爲視頻、遊戲、圖片設計製做等產業的快速發展，GPU 芯片取得迅速的發展。由於 GPU 有更多的邏輯運算單元用於處理數據，屬於高並行結構，在處理圖形數據和複雜算法方面比 CPU 更有優點，又由於 AI 深度學習的模型參數多、數據規模大、計算量大，此後一段時間內 GPU 代替了 CPU，成爲當時 AI 芯片的主流。

進入 2010 年後，雲計算普遍推廣，人工智能的研究人員能夠經過雲計算藉助大量 CPU 和 GPU 進行混合運算，事實上今天人工智能主要的計算平臺仍是雲計算。

但人工智能業界對於計算能力的要求不斷快速地提高，所以進入 2015 年後，業界開始研發針對人工智能的專用芯片，經過更好的硬件和芯片架構，在計算效率上進一步帶來 10 倍的提高。

2016 年 ，Google 發表 TensorFlow 框架設計的 TPU 芯片 ，而同年 ，採用 TPU 架構的 AlphaGo 出現 ，並擊敗人類世界冠軍棋士李世石。

2017 年 ，華爲麒麟 970 成爲首個手機 AI 芯片。

AI芯片的分類

AI 芯片發展方向分類：

• 一個方向是繼續延續經典的馮 · 諾依曼計算架構 ，以加速計算能力爲發展目標，主要分爲並行加速計算的 GPU、半定製化的 FPGA、全定製化的 ASIC。
• 另外一個方向就是顛覆傳統的馮 · 諾依曼計算架構 ，採用基於類腦神經結構的神經擬態芯片來解決算力問題。

AI芯片從技術架構分類：

• 通用性芯片（GPU）：GPU（Graphics Processing Unit）是專門用來處理圖形圖像相關的處理器，與 CPU 相比 GPU 處理的數據類型單一，由於運算與 AI 類似以及容易組成大的集羣，因此進行 AI 運算時在性能、功耗等不少方面遠遠優於 CPU，常常被拿來處理AI運算。
• 半定製化芯片（FPGA）：FPGA（Field Programmable Gate Array）是一直可編程的半定製芯片，其與 GPU 同樣具備並行處理優點，而且也能夠設計成具備多內核的形態，固然其最大的優點仍是在於其可編程的特性。這也意味着用戶能夠根據須要的邏輯功能對電路進行快速燒錄。即便是出廠後的成品FPGA的邏輯塊和鏈接，用戶無需改變硬件，就可經過升級軟件來配置這些芯片來實現自定義硬件功能。
• 全定製化芯片（ASIC）：ASIC（Application-Specific Ingrated Circuit）芯片的計算能力和計算效率都直接根據特定的算法的須要進行定製的，因此其能夠實現體積小、功耗低、高可靠性、保密性強、計算性能高、計算效率高等優點。因此，在其所針對的特定的應用領域，ASIC 芯片的能效表現要遠超 CPU、GPU 等通用型芯片以及半定製的FPGA。
• 類腦芯片：架構是一款模擬人腦的新型芯片編程架構，這一系統能夠模擬人腦功能進行感知、行爲和思考，簡單來說，就是複製人類大腦。

AI 芯片部署位置分類：

• 雲端，即數據中心，在深度學習的訓練階段須要極大的數據量和大運算量，單一處理器沒法獨立完成，所以訓練環節只能在雲端實現。
• 終端，即手機、安防攝像頭、汽車、智能家居設備、各類 IoT 設備等執行邊緣計算的智能設備。終端的數量龐大，並且需求差別較大。

AI 芯片以設計理念進行分類

• 第一類是「AI 加速芯片」，它是肯定性地加速某類特定的算法或任務，從而達到目標應用領域對速度、功耗、內存佔用和部署成本等方面的要求。目前，AI 加速芯片的研發有兩種主要的方式：一種是利用已有的 GPU、衆核處理器、DSP、FPGA 芯片來作軟硬件優化；另外一種是設計專用的芯片，也就是 ASIC。
• 第二類是「智能芯片」，它讓芯片像人同樣能使用不一樣的AI算法進行學習和推導，處理包含感知、理解、分析、決策和行動的一系列任務，而且具備適應場景變化的能力。目前，面向綜合、自適應能力的智能芯片研究有兩類設計方法，一種是基於類腦計算的「神經擬態芯片」；另外一種是基於可重構計算的「軟件定義芯片」。

AI 芯片承擔職能分類：

• 訓練（training）環境一般須要經過大量的數據輸入，訓練出一個複雜的深度神經網絡模型。訓練過程因爲涉及海量的訓練數據和複雜的深度神經網絡結構，須要的計算規模很是龐大，一般須要 GPU 集羣訓練幾天甚至數週的時間，在訓練環節 GPU 目前暫時扮演着難以輕易替代的角色。
• 推斷（inference）環節指利用訓練好的模型，使用新的數據去「推斷」出各類結論，如視頻監控設備經過後臺的深度神經網絡模型，判斷一張抓拍到的人臉是否屬於黑名單。雖然推斷環節的計算量相比訓練環節少，但仍然涉及大量的矩陣運算。在推斷環節，除了使用 CPU 或 GPU 進行運算外， FPGA 以及 ASIC 均能發揮重大做用。

AI芯片的優點？

相對於通用芯片，AI 算法在 AI 芯片上運行的速度更快，效率更高、功耗更低，而且可以爲圖像識別、視覺識別、語音識別、自動駕駛等不一樣的 AI 算法提供更高性價比的算力支持。

GPU 比 CPU 有更多的邏輯運算單元（ALU）（圖片來自網絡，版權屬於做者）

然而 GPU 畢竟只是圖形處理器，不是專門用於 AI 深度學習的芯片，天然存在不足，好比在執行 AI 應用時，其並行結構的性能沒法充分發揮，致使能耗高。

與此同時，AI 技術的應用日益增加，在教育、醫療、無人駕駛等領域都能看到 AI 的身影。然而 GPU 芯片太高的能耗沒法知足產業的需求，所以取而代之的是 FPGA 芯片，和 ASIC 芯片。

如何瞭解一個AI芯片

那麼當咱們面對一個全新的 AI 芯片時，能夠從如下幾個方面去了解：

一、應用領域。這個 AI 芯片是屬於雲端仍是終端。

二、架構。它是一個 SoC，仍是一個專門的 NPU，不一樣組合意味着芯片自己的複雜度不一樣以及產品定位不一樣。

三、運行效率。AI 芯片必然是要運行 AI 算法，效率可以達到多少，不一樣深度模型的結構對算力的要求也不同，對芯片自己的設計也是不同的。

四、價格和功耗。芯片也是一種商品，必然涉及到價格問題。而功耗跟你的應用場景有關，你是用在智能設備仍是用在手機，或者用在雲端，這些功耗要求徹底不同。

AI芯片的發展與將來

根據 Gartner 的預測數據 ，將來 5 年內全球人工智能芯片市場規模將呈飆升趨勢 ，自 2018 年的 42.7 億美圓 ，升高至 343 億美圓 ，增加已超過 7 倍，可見 AI 芯片市場有較大增加空間。

對於中國 AI 芯片市場 ，根據中國信通院的數據報告 ，中國的人工智能市場規模在 2018 年超過 300 億人民幣 ，而 2019 年後將超過 500 億人民幣。

市場年度增加率 ，將從 2017 年的 52.8%上升至 2018 年的 56.3% ，隨後逐年降低 ，在 2020 年降至 42.0%。其 中 ，2017 年芯片銷售額占人工智能市場規模的 22% ，約 47.7 億人民幣。

針對國產 AI 芯片的發展，中國工程院院士倪光南表示：「芯片設計門檻極高，只有極少數企業可以承受中高端芯片研發成本，這也制約了芯片領域創新。我國能夠借鑑開源軟件成功經驗，下降創新門檻，提升企業自主能力，發展國產開源芯片。」

中國的人工智能芯片正在崛起

來自 2019 年 8 月 19 日美國發布的報告《Who Is Winning the AI Race: China, the EU or the United States?》中顯示：

儘管中國在超級計算機方面與美國競爭，但它已經開始顯示出它有可能快速縮短與美國在半導體領域的差距，至少在人工智能芯片方面是這樣的。 在過去兩年中，幾家中國 AI 芯片初創企業已得到至少 1 億美圓的資金。一些專家認爲，與在整個半導體市場上相比，中國在人工智能芯片市場上的競爭優點更大。

例如，爲機器人開發人工智能芯片的 Horizo​​n Robotics 在 2018年 的 B 輪融資中得到了 6 億美圓的投資，該輪融資由世界領先的韓國半導體公司 SK Hynix 牽頭。

一樣，最初開發用於比特幣採礦的芯片的比特大陸，已經開發了一種人工智能芯片，並在 2017 年至 2018 年期間得到了近 7.65 億美圓的資金。最後，Cambricon Technologies，在 2016 年開發了世界上第一臺用於手機的商業深度學習處理器，在 2018 年得到了由中國政府支持的國家開發投資公司提供的 100 萬美圓。

此外，包括百度，騰訊，阿里巴巴和華爲在內的幾家中國領先的技術公司正在開發 AI 優化的集成電路，美國的大型技術公司也正在這樣作。華爲-特別是在設計方面表現出了非凡的實力-蘋果公司是第一家制造使用 7 納米（nm）工藝技術的智能手機處理器的公司，該技術指的是處理器中晶體管的尺寸。較小的晶體管比較大的晶體管更有效地使用功率，並增長了處理器中晶體管的潛在數量，從而使其潛在地更強大。

這些事態發展並不能保證中國短時間內超越美國。畢竟，中國的進步是相對較新的，並未轉化爲 AI 芯片的穩定市場份額。例如，比特大陸 2018 年上半年收入的 0.1％ 來自與加密無關的業務。

相比之下，數十年來，許多西方半導體公司一直在設計處理器和培養工程人才。確實，中國官方機構表示中國在 AI 芯片上競爭的最佳機會是開發專門的 AI 芯片，而且但願這些芯片對 AI 的重要性比在 Nvidia 主導下的 GPU 更爲重要。

美國公司也在開發專門的 AI 芯片，例如 Google 的 Tensor 處理單元和 Luminous Computing 的光學微芯片，後者使用不一樣顏色的光來移動數據。儘管如此，中國資金雄厚的AI芯片初創企業的發展和芯片設計的進步代表，它有能力彌合至少與美國的差距。

給中國的建議

幾家中國 AI 芯片初創公司最近得到了數億美圓的資金，華爲等公司也開發了使人印象深入的芯片設計。儘管如此，芯片開發的複雜性，中國人才的短缺以及缺少多家全球銷售排名前 15 位的中國半導體公司的狀況代表，中國仍須要取得重大進展，才能在半導體領域與美國匹敵。中國還應中止不正當貿易行爲，例如強迫性技術轉讓和知識產權盜竊，這已致使美國外國投資委員會（CFIUS）對其公司的審查日益嚴格，並將其使用西方半導體和設計的能力用於中國。危險。計算能力曾經是中國能夠輕易得到的商品。

教育部門應與大學合做開發以教授 AI 芯片設計爲重點的 AI 工程課程和學位課程。根據工業和信息化部的數據，到 2030 年，中國至少須要 40 萬以上的人才才能實現其半導體行業領先的目標。

國內 AI 芯片公司及近況

• 比特大陸：

比特大陸成立於 2013 年，在 2020 年 1 月 9 日胡潤研究院發佈《2019 胡潤中國 500 強民營企業》中比特大陸以市值 300 億元位列第 246 位。

比特大陸在 2015 年末開始啓動造芯計劃，由有着清華大學和中國科學院學術背景，以及多年從事集成電路設計工做經驗的詹克團主要負責。而畢業於北京大學心理學和經濟學雙學位的吳忌寒則主攻比特幣，

去年 10 月 29 日，吳忌寒發佈全體員工內部信，宣佈解除比特大陸總經理詹克團在比特大陸的一切職務。比特大陸內部的爭鬥被公佈於世。

11 月 7 日，詹克團在朋友圈發文，稱本身在因公出差、絕不知情的狀況下「被更換法定表明人」，被曾經最信任的「兄弟」背後狠狠捅刀，並表示將拿起法律武器，重回比特大陸。

時間沉寂了半年之久後，5 月 8 日，詹克團在北京市海淀區政務服務中心領取法人爲詹克團的北京比特大陸公司營業執照時，被一窩涌入的人羣當場搶走營業執照。

• 寒武紀

寒武紀成立於 2016 年，2020 年 1 月 9 日，胡潤研究院發佈《2019 胡潤中國 500 強民營企業》，寒武紀科技以市值 160 億元位列第 443 位。

5 月 7 日晚間，人工智能芯片公司寒武紀交出了對上交所首輪審覈問詢的答卷。

寒武紀的這份答卷涵蓋發行人股權結構、業務、核心技術、財務信息、風險揭示及其餘事項等 6 個方面的問題。

其中，寒武紀對「IP 受權業務 2019 年收入大幅下滑的緣由」、「當前自有資金足以覆蓋在研項目及募投項目資金需求的狀況下，本次發行募集資金的必要性」等 20 多個問題一一做了答覆。

• 地平線

地平線成立於 2015 年 6 月，地平線做爲專一於智能駕駛的 AI 芯片獨角獸,近年來在芯片研發和商業落地上取得了諸多進展。

2020 年 1 月地平線 Matrix2 自動駕駛計算平臺在 CES 2020 上正式發佈。2020 年 3 月,搭載地平線車規級 AI 芯片征程二代的長安汽車 UNI-T 發佈,計劃於今年 6 月正式量產上市,屆時征程二代將成爲首個上車量產的國產 AI 芯片。

• 龍加智

龍加智創立於 2017 年 7 月，由摯信資本和翊翎資本領投，是一家專一於雲端芯片的 AI 初創公司，致力於研發 TPU 芯片。其核心團隊來自與美國硅谷。

被美國媒體譽爲 2020 年前十名頂級 AI 方案供應商，龍加智的方案提供了端到端的應用加速，而不只僅是 AI 計算這一個環節。其靈活的編程性使其能應將來 AI 的變化。

參考報告《誰在AI競賽中獲勝：中國，歐盟仍是美國？》：
https://www.datainnovation.or...

參考文章：
https://www.toutiao.com/a6669...

參考文章：
https://baijiahao.baidu.com/s...

參考文章：
http://m.elecfans.com/article...