人工智能芯片行業(yè)技術環(huán)境分析 人工智能芯片的競爭目前分為三個主要賽道

• 李芬珍子 2023年9月7日 來源：中研網(wǎng) 1494 99
• 繁體

人工智能芯片行業(yè)技術環(huán)境分析

一、人工智能芯片技術特點比較

隨著大數(shù)據(jù)和深度學習得到越來越多應用，對于底層硬件和芯片也提出了新的要求。與傳統(tǒng)的處理器強調"處理能力"不同，大數(shù)據(jù)和深度學習應用強調的往往是"算力"以及"能效比"。由于大數(shù)據(jù)和深度學習應用算法中的特征提取和處理使用的都往往是實打實的計算，因此需要高算力的芯片以期在盡可能短的時間里完成計算。另一方面，能效比也是重要指標。能效比指的是完成計算所需要的能量，能效比越好則完成相同計算消耗的能量越小。

對于終端芯片，越來越多的數(shù)據(jù)由于數(shù)據(jù)隱私、網(wǎng)絡傳輸帶寬和處理延遲的問題無法傳到云端數(shù)據(jù)中心完成計算，這也就需要終端芯片能在終端完成計算;同時終端設備的電池容量往往有限，因此終端芯片在完成計算的同時不能消耗太大能量，也就是需要很好的能效比。對于云端數(shù)據(jù)中心的芯片，同樣也需要很好的能效比，因為散熱成本是數(shù)據(jù)中心的重要開銷，因此需要芯片散熱不能太大。在大數(shù)據(jù)和深度學習應用中，數(shù)據(jù)間往往都是獨立的，因此可以并行計算。傳統(tǒng)的CPU并行計算能力有限，因此難以實現(xiàn)算力的需求。GPU雖然有很高的算力(10TOPS數(shù)量級)而且在數(shù)據(jù)中心已經(jīng)得到了應用，但是其功耗也很大(幾百瓦)，而且其架構決定了它無法做到終端需要較低功耗(如100mW以下)的場景。同時，即使在數(shù)據(jù)中心領域，因為GPU設計的初衷是為了圖像渲染而并非大數(shù)據(jù)運算，因此也存在很大的改善空間。因此，許多在AI芯片領域來自學術界和來自工業(yè)界的項目，試圖挑戰(zhàn)CPU和GPU。這些項目大體可以分為兩類，一類是基于傳統(tǒng)的數(shù)字處理器模型，但是在處理器架構上加以改良，以提高算力以及能效比;第二類則是另辟蹊徑，使用了與傳統(tǒng)處理器完全不一樣的方法來執(zhí)行計算，從而在一些領域中獲得遠高于傳統(tǒng)處理器的性能。在第二類技術中會有一些能經(jīng)歷時間的考驗，最終成為主流技術。

二、人工智能芯片技術發(fā)展趨勢分析

人工智能芯片的競爭目前分為三個主要賽道：

第一個是基于GPU、FPGA等通用芯片的半定制方案。比如，英偉達針對各類智能計算設備開發(fā)對應的GPU，以及打造NVIDIACUDA平臺大大提升其編程效率、開放性和豐富性，建立了包含CNN、DNN、深度感知網(wǎng)絡、RNN、LSTM以及強化學習網(wǎng)絡等算法的平臺，使得AI可以滲透到各種類型的智能機器。美國沿襲在傳統(tǒng)計算芯片上的強大優(yōu)勢，包括在CPU，F(xiàn)PGA，GPU，DSP領域包攬全球第一的技術能力和行業(yè)地位，自然占據(jù)了這個賽道的霸主地位，據(jù)稱在醫(yī)療、生命科學、能源、金融服務、汽車、制造業(yè)以及娛樂業(yè)等多個領域運用GPU或者FPGA開展深度學習工作的企業(yè)有近4000余家，傳統(tǒng)優(yōu)勢的滲透力可見一斑。也可以從側面看出，在這條賽道上，其實中國的企業(yè)鮮少再有機會。

第二個賽道是針對深度學習算法的專用芯片。GPU、FPGA等通用芯片雖然適用于大規(guī)模并行計算，但是也天然存在性能、功耗等方面的瓶頸，面對不斷激增的數(shù)據(jù)量和持續(xù)擴大的AI應用規(guī)模，通用芯片自然有其局限性，因此專用芯片必然是大勢所趨。中國科學院計算所研究員、寒武紀深度學習處理器芯片創(chuàng)始人陳云霽博士在《中國計算機學會通訊》上撰文指出：通過設計專門的指令集、微結構、人工神經(jīng)元電路、存儲層次，有可能在3-5年內將深度學習模型的智能處理效率提升萬倍。這也使得中美人工智能芯片創(chuàng)業(yè)的大部分企業(yè)集中在這個賽道進行競爭。目前這個賽道聚集了當下全球創(chuàng)新最活躍的智力資源，涌現(xiàn)出多種方法來定制芯片設計和架構，去解決不同AI應用場景中人工智能芯片的諸多“痛點”問題，比如影響處理器性能提高的存儲帶寬瓶頸，計算非結構化信息時性能疲軟，再比如在嵌入式設備上實現(xiàn)AI應用，除了計算性能的要求之外，如何平衡功耗和成本的問題等等。在這條賽道上，既有谷歌、Intel、英偉達等全球人工智能和芯片領域的頂尖巨頭大手筆的投入，也有無數(shù)的中小創(chuàng)業(yè)企業(yè)在全力以赴，期望跳過這些傳統(tǒng)巨頭在計算架構上的堅固壁壘，去創(chuàng)造人工智能時代的Intel或者ARM。這其中不乏大量的來自中國的人工智能芯片初創(chuàng)企業(yè)，在AI領域的投資上，中國已經(jīng)超越美國成為世界第一，其中大筆資金投向了AI專用芯片領域，這也充分證明了這個賽道，有對中國計算芯片非比尋常的意義。

第三個賽道是類腦計算芯片，這個領域不再僅僅局限于加速深度學習算法，也不僅僅局限于在特定場景下實現(xiàn)人工智能，而是在芯片基本結構甚至器件層面上希望能夠開發(fā)出新的非馮諾依曼計算機模型和體系結構，去解決通用智能計算的問題。類腦的研究距離可以大規(guī)模廣泛使用的成熟商用技術還有一定差距，甚至在產(chǎn)業(yè)化的過程中還面臨不小的風險，但是長期來看這個賽道是最有可能會帶來計算體系革命的選擇。在這個領域其實更多是基礎研究能力的比拼，中國和美國的差距其實并不大。人工智能芯片將決定新的計算時代的基礎架構和未來生態(tài)，因此，谷歌、微軟、IBM、Facebook等美國巨頭都投巨資加速人工智能芯片的研發(fā)，旨在搶占新計算時代的戰(zhàn)略制高點，掌控人工智能時代主導權。而國內人工智能芯片則呈現(xiàn)出創(chuàng)新活躍，百花齊放的格局。

這些賽道都是AI芯片技術的研究方向，也是發(fā)展趨勢。想要在這場競爭中拔得頭籌，必定要在這三個方面取得突破性進展。

三、技術環(huán)境對行業(yè)的影響

隨著以人工智能、物聯(lián)網(wǎng)、5G等為核心的新一代信息技術的高速發(fā)展，涌現(xiàn)出越來越多新的應用場景和需求。未來物聯(lián)網(wǎng)領域將需要體積更小、功耗更低、能效比更高的人工智能芯片。常見的邊緣端芯片如手機中的人工智能芯片，其功耗一般在幾百毫瓦至幾瓦，云端訓練芯片的工作功耗則更高，通常要達到數(shù)百瓦，而超低功耗人工智能芯片的工作功耗一般是幾十毫瓦甚至更低。同時，由于芯片的計算模塊在大多數(shù)時間里均處于休眠狀態(tài)，只有在發(fā)生相關事件時才會在事件驅動技術的支持下被激活為工作狀態(tài)，這樣就進一步降低了平均功耗。如在以智能手表為代表的智能可穿戴設備領域，設備的電池容量因尺寸等原因受到極大限制，而此類設備需要具備心率檢測、手勢識別、語音識別等智能生物信號處理功能，因此需要集成體積小且能效比超高的人工智能加速芯片，降低對電池的消耗;在智能家居等領域，具備人臉識別、指紋識別等功能的智能門鎖須由電池供電，而且不能經(jīng)常更換電池，否則會降低用戶體驗，這就對門鎖中執(zhí)行人臉識別等功能的智能模塊提出了極高的能效比要求。除消費電子之外，制造業(yè)等工業(yè)應用場景中也需要使用超低功耗人工智能芯片，如安裝在機械臂、管道等重要設備和環(huán)境中的智能傳感器須由電池供電，使用超低功耗人工智能芯片則可以有效減少電池消耗，大幅降低此類設備的維護成本。

《2022-2027年中國人工智能芯片行業(yè)發(fā)展分析及投資風險預測報告》由中研普華人工智能芯片行業(yè)分析專家領銜撰寫，主要分析了人工智能芯片行業(yè)的市場規(guī)模、發(fā)展現(xiàn)狀與投資前景，同時對人工智能芯片行業(yè)的未來發(fā)展做出科學的趨勢預測和專業(yè)的人工智能芯片行業(yè)數(shù)據(jù)分析，幫助客戶評估人工智能芯片行業(yè)投資價值。

• 相關深度報告REPORTS

  

  2022-2027年中國人工智能芯片行業(yè)發(fā)展分析及投資風險預測報告

  人工智能芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊（其他非計算任務仍由CPU負責）。業(yè)界關于AI芯片的定義仍然缺乏一套嚴格和公認的標準。比較寬泛的看A...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡