市場(chǎng)規模將激增到1289億美元 AI芯片需破解落地難題

人工智能產(chǎn)業(yè)規模高速增長(cháng)，全球市場(chǎng)調研機構IHS Markit發(fā)布數據顯示，到2025年AI應用市場(chǎng)規模將從2019年的428億美元激增到1289億美元。

回顧2019年，AI機器人群聊、管控道路橋梁積水、寫(xiě)作、智能客服……人工智能做了許多原本人類(lèi)才會(huì )做的事情。數不盡的紛繁應用背后離不開(kāi) AI 芯片的基礎支撐。

日前，AI芯片新老牌廠(chǎng)商“混戰”國際消費類(lèi)電子產(chǎn)品展覽會(huì )，全面覆蓋當前人工智能六大核心落地場(chǎng)景，包括云端訓練、云端推理、智能手機、AIoT視覺(jué)推理、AIoT語(yǔ)音推理、自動(dòng)駕駛等，國內AI芯片進(jìn)入落地階段。

根據中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟(以下簡(jiǎn)稱(chēng)聯(lián)盟)提供的數據，2019年以來(lái)國內外芯片廠(chǎng)商共發(fā)布AI芯片近30款。

AI芯片怎樣支撐多姿多彩的人工智能應用落地?評測標準進(jìn)展如何?今年的亮點(diǎn)、看點(diǎn)又在哪?科技日報記者采訪(fǎng)了相關(guān)專(zhuān)家。

AI芯片：驅動(dòng)智能產(chǎn)品的大腦

回顧2019年，AI機器人群聊、管控道路橋梁積水、寫(xiě)作、智能客服……人工智能做了許多原本人類(lèi)才會(huì )做的事情。數不盡的紛繁應用背后離不開(kāi)AI芯片的基礎支撐，它是如何驅動(dòng)AI“作業(yè)”的呢?

目前消費類(lèi)智能產(chǎn)品大量應用人工智能、大數據等技術(shù)，芯片作為硬件載體，承擔了“讓智能產(chǎn)品發(fā)揮作用”的功能。鯤云科技創(chuàng )始人兼CEO牛昕宇介紹，人工智能行業(yè)有三個(gè)核心驅動(dòng)力：算法、算力和數據。人工智能芯片作為人工智能應用的底層硬件，為其提供算力支撐。“通過(guò)技術(shù)創(chuàng )新，不斷提升人工智能計算的性能、降低其成本和功耗，從而支持越來(lái)越復雜的人工智能應用。”

如果把運行各種人工智能技術(shù)集合比作一個(gè)人的話(huà)，人工智能芯片就是它的大腦實(shí)體，而各種聊天、視頻制作、自動(dòng)駕駛應用就是它根據自己所能接觸到的數據，學(xué)習到的經(jīng)驗知識進(jìn)行的操作。一方面，隨著(zhù)數據經(jīng)驗的積累，它們運行的人工智能應用會(huì )越來(lái)越精確，另一方面，它的學(xué)習受限于大腦的容量(芯片計算能力)、培養成本(芯片成本)以及大腦運算消耗的熱量(芯片功耗)。

牛昕宇解釋道：“人工智能芯片研發(fā)要做的，就是提供這樣一個(gè)越來(lái)越智能的大腦，從而能夠學(xué)習各種各樣的技能(人工智能應用)，最終應用到各類(lèi)智能終端設備中，在自動(dòng)駕駛、智慧城市、工業(yè)視覺(jué)、智慧安防等領(lǐng)域發(fā)揮作用。”

起步階段：加速芯片算力的迭代優(yōu)化

AI芯片的發(fā)展，離不開(kāi)人工智能技術(shù)的發(fā)展。人工智能從1956年誕生至今，共經(jīng)歷過(guò)三次大的浪潮。進(jìn)入21世紀，隨著(zhù)計算機性能的提升和海量數據的產(chǎn)生，機器學(xué)習和CNN網(wǎng)絡(luò )(卷積神經(jīng)網(wǎng)絡(luò ))獲得突破，算法、算力和數據滿(mǎn)足了人工智能的商業(yè)化落地需求，人工智能迎來(lái)了高速發(fā)展的階段。

“特別是2017年起，人工智能的商業(yè)化落地不斷加速。” 牛昕宇認為，從芯片的起步、發(fā)展、成熟的三個(gè)階段來(lái)看，人工智能芯片仍然處于起步階段。

人工智能芯片主要包含三個(gè)發(fā)展脈絡(luò )，一是由于前期人工智能落地的旺盛需求，英偉達的圖像處理器GPU因為可以支持CNN等算法網(wǎng)絡(luò )，滿(mǎn)足基本的人工智能落地需求，在這個(gè)時(shí)期獲得了大范圍應用，其也通過(guò)芯片架構不斷迭代，逐步轉型成為人工智能芯片供應商。二是因為算法的不斷迭代，對芯片和算力提出了更高的要求，這時(shí)候國內外的初創(chuàng )企業(yè)和華為等采用與英偉達類(lèi)似的指令集技術(shù)路線(xiàn)，通過(guò)架構創(chuàng )新，推出了一批新的專(zhuān)用人工智能芯片。三是影響芯片性能的制程工藝發(fā)展日趨成熟，摩爾定律放緩對指令集技術(shù)路線(xiàn)的發(fā)展提出了挑戰，目前也有初創(chuàng )企業(yè)采用全新的數據流技術(shù)路線(xiàn)，推出新的專(zhuān)用人工智能芯片。

當前國內主要是后兩種人工智能芯片，各家企業(yè)都處于推出產(chǎn)品、進(jìn)行市場(chǎng)化落地的階段。例如，鯤云科技就在去年發(fā)布了通用AI底層CAISA芯片架構，可以實(shí)現高達98%的芯片利用率，在智慧城市、工業(yè)檢測、電力安防等領(lǐng)域實(shí)現了規模落地。

牛昕宇坦言，芯片行業(yè)是一個(gè)需要不斷迭代發(fā)展的行業(yè)。深度學(xué)習算法日新月異，對算力也提出了更高的要求，滿(mǎn)足人工智能快速發(fā)展的需求，仍然需要芯片企業(yè)對于市場(chǎng)的快速反饋，完成產(chǎn)品的快速迭代和優(yōu)化。

2020年看點(diǎn)：“落地”被反復強調

人工智能產(chǎn)業(yè)規模高速增長(cháng)，據全球市場(chǎng)調研機構IHS Markit發(fā)布的AI普及度調查預測，到2025年AI應用市場(chǎng)規模將從2019年的428億美元激增到1289億美元。

從2018年年底開(kāi)始，人工智能芯片的“落地”被反復強調。“不論是短期還是長(cháng)期目標都是落地。”牛昕宇說(shuō)。由此看來(lái)，人工智能芯片2020年的主要看點(diǎn)仍然在于新產(chǎn)品迭代和落地。加速人工智能應用落地，只有以市場(chǎng)需求為驅動(dòng)的芯片才能持續創(chuàng )造價(jià)值。

當然，人工智能應用永遠需要性能更高、價(jià)格更低、功耗更低的芯片，如何能在這之上不斷滿(mǎn)足市場(chǎng)需求，考驗著(zhù)每一家人工智能芯片企業(yè)的核心技術(shù)以及對市場(chǎng)所需產(chǎn)品的洞察。

“芯片和計算架構在人工智能的發(fā)展中扮演著(zhù)重要角色。”聯(lián)盟計算架構與芯片組聯(lián)席秘書(shū)長(cháng)張蔚敏說(shuō)。2019年起，很多AI芯片產(chǎn)品都在底層架構設計上注重架構創(chuàng )新，2020年這種趨勢越發(fā)顯現。核心在于市場(chǎng)對芯片所能提供的更高實(shí)際算力的追求，將在真實(shí)使用場(chǎng)景中得到驗證。

在牛昕宇看來(lái)，安防是人工智能落地相對比較充分的領(lǐng)域。“今年我們將看到更多細分領(lǐng)域的落地場(chǎng)景，比如占國民生產(chǎn)總值近30%的制造業(yè)。包括鯤云科技在內，許多企業(yè)也在為智能制造領(lǐng)域的工業(yè)視覺(jué)檢測提供基于深度學(xué)習的一體化算力解決方案。”

三大難題：破解AI芯片落地的關(guān)鍵

落地，既是今年AI芯片的看點(diǎn)，也是難點(diǎn)。“當前AI的行業(yè)應用遲遲沒(méi)有大規模爆發(fā)，AI芯片創(chuàng )業(yè)公司依舊面臨產(chǎn)品難以落地、研發(fā)和應用還沒(méi)有很有效地銜接起來(lái)等問(wèn)題。”張蔚敏認為，芯片專(zhuān)用化趨勢越來(lái)越明顯，而應用落地則成為迫切需求。

從研發(fā)角度來(lái)看，牛昕宇說(shuō)，當前人工智能芯片主要面臨三方面問(wèn)題，即芯片設計的底層技術(shù)路線(xiàn)同質(zhì)化較高，軟件開(kāi)發(fā)支持依然是短板，以及芯片性能測試處于起步階段、距離形成權威統一的評測標準還需要一定的時(shí)間。

顯然，技術(shù)路線(xiàn)同質(zhì)化容易導致產(chǎn)品同質(zhì)化，降低了創(chuàng )造獨特價(jià)值的可能性。作為底層硬件芯片，不一定每個(gè)指標都需要最強，但是要找到對于市場(chǎng)需求獨一無(wú)二的價(jià)值，解決核心問(wèn)題。這就要在技術(shù)路線(xiàn)方面進(jìn)行創(chuàng )新，掌握自己的核心技術(shù)，從而在芯片性能和技術(shù)支持上掌握更多主動(dòng)性。

而芯片的使用和對算法的支持離不開(kāi)軟件工具。目前有一些人工智能芯片仍然缺乏可用的軟件開(kāi)發(fā)工具，或者軟件編譯工具設計復雜，用戶(hù)的開(kāi)發(fā)和使用門(mén)檻過(guò)高，這些都需要在落地過(guò)程中不斷完善和迭代。誠如牛昕宇所說(shuō)，如果不能解決這個(gè)問(wèn)題，AI芯片的大規模商業(yè)落地也會(huì )遇到阻礙。

至于A(yíng)I芯片評測標準的制定進(jìn)展，牛昕宇坦言，“目前這類(lèi)標準還處于項目推廣的早期，各家采用的測試網(wǎng)絡(luò )和測試標準還缺乏統一性，可能對客戶(hù)的選型造成一定困難。”

從2019年起，國內外針對AI芯片的測評方案陸續出爐，比如由百度、谷歌、斯坦福大學(xué)、哈佛大學(xué)等聯(lián)合發(fā)布的用于測量和提高機器學(xué)習軟硬件性能的MLPerf國際基準、由中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟和國內人工智能企業(yè)合作推出的AIIA DNN benchmark項目。牛昕宇帶領(lǐng)下的鯤云科技也在持續積極推進(jìn)人工智能芯片評測的標準化。“我們同中國信通院和聯(lián)盟密切合作，推動(dòng)AIIA DNN benchmark項目的標準迭代，參與國家標準的制定”。

免責聲明：本文不構成任何商業(yè)建議，投資有風(fēng)險，選擇需謹慎！本站發(fā)布的圖文一切為分享交流，傳播正能量，此文不保證數據的準確性，內容僅供參考

關(guān)鍵詞： AI芯片需破解落地難題