新聞中心
本文分析了國內外AI芯片的格局和特點，作者認為，在AI芯片領域，國外芯片巨頭占據了絕大部分市場份額，不論是在人才聚集還是公司合并等方面，都具有絕對的領先優勢。而國內AI初創公司則又呈現百家爭鳴、各自為政的紛亂局面;特別是每個初創企業的AI芯片都具有自己獨特的體系結構和軟件開發套件，既無法融入英偉達和谷歌建立的生態圈，又不具備與之抗衡的實力。
如果說 2016 年 3 月份 AlphaGo 與李世石的那場人機大戰只在科技界和圍棋界產生較大影響的話，那么 2017 年 5 月其與排名第一的世界圍棋冠軍柯潔的對戰則將人工智能技術推向了公眾視野。阿爾法狗(AlphaGo)是第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的人工智能程序，由谷歌(Google)旗下 DeepMind 公司戴密斯 · 哈薩比斯領銜的團隊開發，其主要工作原理是 “深度學習”。
其實早在 2012 年，深度學習技術就已經在學術界引起了大規模地討論。在這一年的 ImageNet 大規模視覺識別挑戰賽 ILSVRC 中，采用 5 個卷積層和 3 個全連接層的神經網絡結構 AlexNet，取得了 top-5(15.3%)的歷史最佳錯誤率，而第二名的成績僅為 26.2%。從此以后，就出現了層數更多、結構更為復雜的神經網絡結構，如 ResNet、GoogleNet、VGGNet 和 MaskRCNN 等，還有去年比較火的生成式對抗網絡 GAN。
不論是贏得視覺識別挑戰賽的 AlexNet，還是擊敗圍棋冠軍柯潔的 AlphaGo，它們的實現都離不開現代信息技術的核心——處理器，不論這個處理器是傳統的 CPU，還是 GPU，還是新興的加速部件 NNPU(NNPU 是 Neural Network Processing Unit 的簡稱)。在計算機體系結構國際頂級會議 ISCA2016 上有個關于體系結構 2030 的小型研討會，名人堂成員 UCSB 的謝源教授就對 1991 年以來在 ISCA 收錄的論文進行了總結，加速部件相關的論文收錄是在 2008 年開始，而在 2016 年達到了頂峰，超過了處理器、存儲器以及互聯結構等三大傳統領域。而在這一年，來自中國科學院計算技術研究所的陳云霽、陳天石研究員課題組提交的《一種神經網絡指令集》論文，更是 ISCA2016 最高得分論文。
在具體介紹 AI 芯片國內外之前，看到這里有部分讀者或許會產生這樣的疑惑：這不都是在說神經網絡和深度學習嗎?那么我覺得有必要對人工智能和神經網絡的概念進行闡述，特別是 2017 年工信部發布的《促進新一代人工智能產業發展三年行動計劃(2018-2020 年)》中，對發展目標的描述很容易讓人覺得人工智能就是神經網絡，AI 芯片就是神經網絡芯片。
人工智能整體核心基礎能力顯著增強，智能傳感器技術產品實現突破，設計、代工、封測技術達到國際水平，神經網絡芯片實現量產并在重點領域實現規模化應用，開源開發平臺初步具備支撐產業快速發展的能力。
其實則不然。人工智能是一個很老很老的概念，而神經網絡只不過是人工智能范疇的一個子集。早在 1956 年，被譽為 “人工智能之父” 的圖靈獎得主約翰 · 麥卡錫就這樣定義人工智能：創造智能機器的科學與工程。而在 1959 年，Arthur Samuel 給出了人工智能的一個子領域機器學習的定義，即“計算機有能力去學習，而不是通過預先準確實現的代碼”，這也是目前公認的對機器學習最早最準確的定義。而我們日常所熟知的神經網絡、深度學習等都屬于機器學習的范疇，都是受大腦機理啟發而發展得來的。另外一個比較重要的研究領域就是脈沖神經網絡，國內具有代表的單位和企業是清華大學類腦計算研究中心和上海西井科技等。
好了，現在終于可以介紹 AI 芯片國內外的發展現狀了，當然這些都是我個人的一點觀察和愚見，管窺之見權當拋磚引玉
新聞推薦
關注華冠公眾號
華冠小程序
