最強人工智慧晶片空降?和它相比,我們還差了100個華為!

過去一年,隨著AI在各個行業的不斷落地,行業痛點逐漸被發現,AI芯片的發展路徑漸趨明朗。各業界精英在GPU上持續發力,不斷推出全新的產品。新產品在計算能力提升的同時,其芯片面積也已經屢創新高,甚至逼近了制程和成本的平衡極限。


英偉達:占全球AI芯片50%以上市場份額

英偉達一直致力于設計各種GPU:針對個人和游戲玩家的GeForce系列,針對專業工作站的Quadro系列,以及針對服務器和高性能運算的Tesla系列。

英偉達占據了全球AI芯片市場的50%以上份額,旗下產品線遍布自動駕駛汽車、高性能計算、機器人、醫療保健、云計算、游戲視頻等眾多領域。

由于在AI領域的一家獨大,英偉達的股價在過去一年的時間里狂漲了300%。2017年,從游戲、數據中心到人工智能,市場對英偉達芯片的需求一路上升。

英特爾:專注計算機視覺芯片VPU

英特爾作為傳統PC芯片的老大,也在積極向PC以外的市場轉型。在AI芯片方面,英特爾專注于計算機視覺優化方面的VPU(Vision Processing Unit)。

為了加強在人工智能芯片領域的實力,英特爾以 167 億美元收購 FPGA 生產商 Altera ,以 153 億美元收購自動駕駛技術公司 Mobileye,以及機器視覺公司 Movidius和為自動駕駛汽車芯片提供安全工具的公司Yogitech。


IBM:啟動類人腦芯片的研發

IBM很早以前就發布過watson,早就投入了很多的實際應用中去。除此之外,還啟動了對類人腦芯片的研發,那就是TrueNorth。

TrueNorth是IBM參與DARPA的研究項目SyNapse的最新成果。SyNapse全稱是Systems of Neuromorphic Adaptive Plastic Scalable Electronics(自適應可塑可伸縮電子神經系統,而SyNapse正好是突觸的意思),其終極目標是開發出打破馮?諾依曼體系的硬件。

谷歌:為機器學習應用而設計的專用芯片TPU

Google在2016年宣布獨立開發一種名為TPU的全新的處理系統。在2016年3月打敗了李世石和2017年5月打敗了柯杰的的阿爾法狗,就是采用了谷歌的TPU系列芯片。


TPU是專門為機器學習應用而設計的專用芯片。

通過降低芯片的計算精度,減少實現每個計算操作所需的晶體管數量,從而能讓芯片的每秒運行的操作個數更高,這樣經過精細調優的機器學習模型就能在芯片上運行得更快,加深了人工智能在學習和推理方面的能力,進而更快地讓用戶得到更智能的結果。
谷歌也正在將自己的云端AI轉為客戶端的本地AI,這次谷歌推出的Edge TPU就是如此,它是TPU的簡化版本,針對物聯網,相比云端,能更快的收到傳感器數據,從而進行AI處理。

技術細節上,Edge TPU是專門設計的ASIC芯片,用于運行ensorFlow Lite ML模型,它的能耗比非常高,大小也非常小,比一枚硬幣要小很多。


蘋果:神經網絡引擎提升蘋果手機性能

在iPhone 8和iPhone X的發布會上,蘋果明確表示其中所使用的A11處理器集成了一個專用于機器學習的硬件——“神經網絡引擎(Neural Engine)”,每秒運算次數最高可達6000億次。
這塊芯片將能夠改進蘋果設備在處理需要人工智能的任務時的表現,比如面部識別和語音識別等。

AMD:重回服務器市場

AMD首先挑戰的是x86服務器市場,試圖在這個領域尋找立足點。AMD在去年6月正式推出全線的超智能服務器處理器產品——EPYC(霄龍)。

時隔兩個月,AMD又將全套EPYC 7000系列數據中心處理器家族帶到中國。

值得注意的是包括騰訊、京東、百度、聯想、曙光等十余家產業鏈合作伙伴帶著產品和合作成果為AMD回歸服務器的中國站活動見證,可見中國市場將是AMD復興之路的一個重要陣地。

另外,去年12月,相爭50多年的Intel和AMD宣布將聯手推出一款結合英特爾處理器和AMD圖形單元的筆記本電腦芯片,一時間業內嘩然。Intel和AMD的合作或許會對Nvida產生一些影響。


ARM:讓平民也能用上人工智能

ARM曾在去年推出了一套全新芯片架構技術DynamIQ,這套IP套件可以與其無縫集成。

DynamIQ不僅采用了新的指令集,專門針對人工智能進行了優化;而且同時可容納8個核,并且提高了芯片架構的靈活性,支持大小核的靈活配置。

今年又推出了一套全新的Mali多媒體IP套件,適用于手機、平板、電視等芯片。

這套全新的Mali多媒體IP套件中包括Mali-G52 GPU、Mali-G31 GPU、Mali-D51顯示處理器、Mali-V52視頻處理器,其中Mali-G52 GPU將機器學習方面性能提高了3.6倍、Mali-G31則是ARM最小的處理器,能夠為中低端智能設備帶來人工智能能力。

高通:力推深度學習的移動設備芯片

在智能手機芯片占據絕對優勢的高通也在人工智能方面積極布局。

據高通提供的資料顯示,其在人工智能方面已投資了Clarifai公司和中國“專注于物聯網人工智能服務”的云知聲。而早在2015年CES上,高通推出了一款搭載驍龍SoC的飛行機器人——Snapdragon Cargo。高通認為在工業、農業的監測以及航拍對拍照、攝像以及視頻新需求上,公司恰好可以發揮其在計算機視覺領域的能力。

此外,高通的額驍龍820芯片也被應用于VR頭盔中。事實上,高通已經在研發能在本地完成深度學習的移動設備芯片。

三星:三年內自家智能手機都采用人工智能芯片

2017年,華為海思推出了麒麟970芯片,據知情人士透露,為了對標華為,三星已經研發了許多種類的人工智能芯片。

三星計劃在未來三年內自家智能手機中都采用人工智能芯片,并且他們還將為人工智能設備建立新的組件業務。三星還投資了Graphcore、深鑒科技等人工智能芯片企業。

未來五年,我們預計AI芯片市場的規模有接近10倍的增長,2022年將達到352億美元。在訓練芯片方面,我們繼續看好Nvidia利用CUDA+GPU構建的生態環境優勢,以Google TPU為代表的xPU很難撼動其壟斷地位。隨著終端細分場景落地,推斷芯片的發展出現專業化趨勢,為現有及初創公司提供巨大發展空間。

如果喜歡我們的文章,請即分享到︰

標籤: 人工智慧  AI晶片  AI  google