在那之前3年，一位多倫多大學的研究員用GPU（圖形處理器，顯卡的核心部件）跑深度學習算法，贏了2012年ImageNet大賽。此后，全世界的人工智能實驗室都注意到了GPU對深度學習效率的提升。汪玉也鉆研了兩三年，但當時他覺得尚未準備好創(chuàng)業(yè)。 覺得必須“做點事情”的單羿先加入了另一家AI芯片初創(chuàng)公司實踐自己的想法。不久之后，汪玉感到創(chuàng)業(yè)條件逐漸成熟，召回了自己的愛徒。 汪玉的決斷很及時：深鑒科技于2016年3月成立，僅一年半后，如果再加入這個賽道就晚了——玩家?guī)捉鼡頂D。 這一波人工智能的熱潮，主要表現(xiàn)為深度學習的爆發(fā)。而深度學習的爆發(fā)，又離不開芯片提供的算力?？梢哉f，AI芯片是人工智能的發(fā)動機。 中國人工智能泰斗張鈸院士12月20日在地平線的芯片發(fā)布會上接過地平線創(chuàng)始人余凱的話筒：“人工智能能走到今天，計算機硬件做了不可磨滅的貢獻。如果計算機不能提供像現(xiàn)在這樣高速度、大存儲量的能力，今天的人工智能不可能這樣。” 除了提高算力，地平線資深IC工程師譚洪賀說，芯片發(fā)展的好處還在于降低了AI的應用成本，可以實現(xiàn)設備的小型化，能夠真正推動AI技術的普及。 用CPU（中央處理器）跑深度學習不是不可以，但速度就像老爺車，而用GPU就如同坐上了高鐵。GPU剛好適合超大規(guī)模數(shù)學運算，訓練速度是碾壓級的。有了算力的支撐，深度學習開始真正成為實用的算法，ImageNet上圖像識別的準確率終于戰(zhàn)勝了人眼，使得人工智能進入應用階段。甚至很多人說：沒有GPU，就沒有這一波AI浪潮。 雖然業(yè)內(nèi)沒有一個明確說法，但一般認為AI芯片是“專門針對AI算法做特殊加速設計的芯片”。目前，按物理載體的不同，AI芯片主要分為四類：GPU、FPGA、ASIC，及“類腦芯片”。 AI芯片分類 在GPU上，英偉達公司目前是絕對霸主。有意思的是，GPU最初主要用于游戲圖像渲染，讓玩家能有流暢體驗，卻在深度學習上意外找到用武之地。 今年11月，英特爾和另一芯片巨頭AMD傳出合作。未來AMD的獨立GPU將會裝進英特爾SoC。AMD的首席GPU架構師拉加·庫德里也在近日加入英特爾，助其開發(fā)自有GPU。 英特爾和AMD曾在CPU上競爭多年，如今面對英偉達的強勢卻選擇聯(lián)手。吳蜀抗魏，勝算幾何？ 小編接觸的多位芯片專家都提到，芯片的研發(fā)有時間周期：你在跑，本來的優(yōu)勢者也在往前跑。 早在90年代，英偉達就已推出GPU，并積累了深厚的技術經(jīng)驗，發(fā)展出了囊括服務器、框架、平臺的完整生態(tài)。 硅谷投資機構Lux Capital的合伙人Shahin Farshchi一邊投著Nervana和Mythic兩家芯片公司，一邊卻說：“如果你想搞出比英偉達好一點的芯片，那祝你幸福，他們會把你打成狗?！?/span>言下之意，你必須比它好得多得多。 但英偉達并不是高枕無憂，它正面臨另一類巨頭的挑戰(zhàn)：谷歌、微軟、以及剛剛宣布要造芯片的特斯拉（特斯拉從AMD挖走了傳奇架構師吉姆·凱勒）。 谷歌發(fā)布的兩代TPU——一種專門針對深度學習框架TensorFlow進行優(yōu)化的AI芯片，經(jīng)過AlphaGo的兩次“圍棋大戰(zhàn)”已聲名大噪。 英偉達應該感到慶幸，谷歌并不對外銷售TPU。然而，谷歌作為這個領域的新玩家，第一次嘗試開發(fā)一種能夠替代GPU的產(chǎn)品就大獲成功，還是足以讓英偉達感受到危機。 TPU、CPU、GPU在六種神經(jīng)網(wǎng)絡上的性能對比 鞏固GPU優(yōu)勢的同時，英偉達也在自動駕駛等終端場景上發(fā)力，研發(fā)新的AI芯片。 尚未自己造出AI芯片的英特爾，則選擇全球砸錢買買買：4億美元買下Nervana 、不明金額收購Movidius，這是前菜；167.5億美元砸下Altera，153億美元收購Mobileye，這顯示了要大干一場的決心。 但在芯片行業(yè)，“錢真的不是錢”。寒武紀在今年8月宣布A輪融資1億美元，成為全球AI芯片首個獨角獸，在一般創(chuàng)業(yè)公司看來已是財大氣粗。 但要知道，英偉達做一款芯片的一次性研發(fā)投入就可能高達數(shù)億美金，有巨大的成本壁壘。 也有新創(chuàng)公司，用特別的方式造血，底氣十足，比如同樣瞄準云端大芯片的比特大陸。 無心插柳柳成蔭。比特大陸殺入AI芯片的過程有點像一個“翻版英偉達”。 這家成立于2013年的公司，原本是搞比特幣礦機的，由于礦機對芯片的性能要求很高，比特大陸逐漸積累了芯片開發(fā)經(jīng)驗。在谷歌的TPU問世后，他們意識到自己的芯片能力也可以很好地應用在AI芯片上。 現(xiàn)在，比特大陸已經(jīng)推出了第一款AI芯片BM1680。其產(chǎn)品戰(zhàn)略總監(jiān)湯煒偉說，為了適應算法的快速迭代，比特大陸每隔9個月就會推出新的AI芯片，而再過一兩代，比特大陸有信心在深度學習推理上，超過GPU的實際性能：“它（GPU）要兼顧很多圖形的操作，比如圖像濾波、灰度調(diào)整，這些不是我們的重點。” 金沙江創(chuàng)投同時投資了地平線和深鑒科技。其合伙人張予彤說，從人才和組織管理上，她看好創(chuàng)業(yè)公司對巨頭的“僭越”：“事情最后都看人，非連續(xù)性技術變革時，大公司會有業(yè)務掣肘?！本揞^未必能招納到最好的人才，還有大公司反應速度的問題，而優(yōu)秀人才的能力、眼界、執(zhí)行力以及小團隊的快速反應都有助于實現(xiàn)“逆襲”。 知名財經(jīng)自媒體“飯統(tǒng)戴老板”提供了一個有趣的角度：芯片設計主要是數(shù)理邏輯，中國人天生擅長數(shù)理邏輯。英偉達創(chuàng)始人黃仁勛、Marvell創(chuàng)始人戴偉立都是華人。現(xiàn)在的芯片創(chuàng)業(yè)團隊，有大批在英偉達、英特爾、AMD以及高通等公司干了10年、20年的華人高級工程師。他們把中國芯片設計業(yè)的起點抬得很高?！皬倪@個角度講，就是天時地利人和，現(xiàn)在就是要靠時間，把這個東西追上去。” 新玩家的角力 更直接的競爭發(fā)生在創(chuàng)業(yè)公司之間。 他們對未來的預判不盡相同：有的要在云端做大芯片；有的面向應用端，開發(fā)特定場景的芯片；有的在兩路同時發(fā)力。 誰才能跑出來，跑得遠？ 寒武紀是大芯片賽道上的主要玩家之一。這條路特別燒錢，但寒武紀副總裁錢誠說，這是寒武紀根據(jù)業(yè)界對人工智能的主流判斷做出的選擇：“人工智能必然會出現(xiàn)一種重量級的應用，硬件就必然要標準化、通用化。云端服務器芯片是做標準化、通用化智能芯片的第一步?！?/p> 可地平線創(chuàng)始人余凱的想法不同。他說，在AI芯片領域很難出現(xiàn)當年計算機領域x86那樣占絕對優(yōu)勢的架構，因為人工智能的應用在各個場景里千差萬別，更可能的情況是，在每一個細分領域會出現(xiàn)一個主導架構。 地平線走了另一個路線：做好終端芯片。 目前，地平線是第一家實現(xiàn)量產(chǎn)流片AI芯片以及應用方案的公司。周三剛發(fā)布的“征程”和“旭日”芯片就分別面向智能駕駛和智能攝像頭應用端。地平線強調(diào)自己提供軟硬一體解決方案的能力，在地平線看來，未來不會是一顆芯片打天下，必須量體裁衣。通過軟硬件的深度結合，能帶來1000倍的效率提升。 專注于語音識別及語言處理技術的人工智能服務商云知聲也計劃在明年推出自己的語音芯片，理由同樣是效率提升。 云知聲聯(lián)合創(chuàng)始人李霄寒說，未來所有設備上可能都會有一個語音芯片，因為語音交互是人機交互最自然的方式。如果要保持在家庭空間體驗的連續(xù)性，每個設備都要能進行人機交互，然后設備間再通過相互溝通來進行最終決策。 明年，NovuMind也將發(fā)布自己的視覺終端芯片。其創(chuàng)始人吳韌說，這款芯片的設計理念非常領先：“我是這個世界上最擅長異構計算的人之一，異構計算的思路就是非常專用的硬件，就是術業(yè)有專攻。這也是我們芯片設計的重要思路。”這款芯片將不考慮矩陣，只專注三維張量，通過極端定制化帶來極端的性能優(yōu)勢。 深鑒則在云端和終端芯片上同時發(fā)力。2018年，它們將發(fā)布“觀?！?、“聽濤”兩款芯片，前者是云端后者是終端。汪玉向表達了他的期望：“我們希望所有帶攝像頭或者需要語音交互的地方，都有我們的產(chǎn)品存在?！?/p> 而對其他躍躍欲試的玩家來說，一個不好的消息是：現(xiàn)在入局可能晚了。 目前這批AI芯片創(chuàng)業(yè)者，都是既懂技術又對產(chǎn)業(yè)敏感的先覺者。留意一下不難發(fā)現(xiàn)，這批公司基本在2015年前后成立。這個時間對應著2012年GPU在深度學習上的大放異彩。 從那時起，算力的提升促進了算法的發(fā)展，算法的發(fā)展又對AI芯片提出了需求。在2012年最早注意到這個領域的團隊，經(jīng)過2年左右的研究準備，正好在2015年前后開始下場。 “你在跑，本來的優(yōu)勢者也在跑。”這句話適用于英偉達和英特爾的巨頭之爭，也適用于新創(chuàng)公司。因為芯片研發(fā)的周期很難縮短，同一細分領域的后發(fā)者難以獲得優(yōu)勢。 國家機遇 此時此刻，中國也很幸運。 在AI芯片的熱潮之前，中國芯片行業(yè)的狀況是，需求很大，水平卻落后國際：國產(chǎn)品牌芯片自供只有8%左右；自2013年起，我國芯片每年進口額達2000多億美元，超過石油成為第一大進口商品。 產(chǎn)業(yè)的命運往往與國運相關，70年代，沒趕上CPU的發(fā)展，在傳統(tǒng)芯片設計和制造領域，一步落后，步步落后，眼看著世界領先的工藝已經(jīng)進化到了7nm級別，我們還要從28nm從頭追起。 但在AI芯片領域，中國終于與發(fā)達國家站在了同一起跑線上。 國際EDA工具和IP廠商Synopsys的AI芯片架構專家唐杉說，在AI加速芯片領域，即使是面對大巨頭英偉達，中國初創(chuàng)公司也不是完全沒有機會：“第一，目前的AI芯片主要針對神經(jīng)網(wǎng)絡和深度學習算法定制，所以芯片的硬件設計上比傳統(tǒng)的CPU和GPU要簡單，并非高不可攀；第二，國家對半導體產(chǎn)業(yè)的支持力度很大，AI芯片可能會成為一個新的戰(zhàn)略方向；第三，國內(nèi)在AI領域的進展很快，特別在應用方面，在很多領域甚至比美國做得還好，這能為AI芯片提供重要的市場基礎。” 工信部發(fā)布“新一代人工智能三年行動計劃” 地平線創(chuàng)始人余凱的判斷是，在AI芯片領域，中國彎道超車的概率很大。 寒武紀副總裁錢誠認為，我國在AI芯片領域至少占據(jù)“半壁江山”的地位。 而NovuMind創(chuàng)始人吳韌則半開玩笑地表示：“如果把我們公司算作中國公司，那就是中國厲害；如果算作美國公司，就美國厲害。” 筆者也聽到了一些不同的聲音。 親歷50年中國半導體產(chǎn)業(yè)發(fā)展歷程的浙江大學著名學者莫大康告訴我們，十年之內(nèi)，都不可能做出“速度提高1萬倍、同時功耗降低1萬倍”的真正的人工智能芯片。
但這一次，中國沒有錯過出發(fā)時刻。既然已經(jīng)站在了第一排，接下來就要看增長，拼斜率了。 |
|
|
