AI驾临人间 四大芯片流派华山论剑

　　随着AI产业快速突破，各大公司在AI领域的人才动向也在引起极大关注，你来我往、归去来兮，AI江湖上大有一片血雨腥风之势。当然，AI领军人物的变动，会对具体公司业务造成影响。但从整个行业来看，人才流动的频繁，反倒有可能促进产业的整体进程。

　　不信你翻翻历史。AI这门功夫自1956年问世以来，至今已经历60年风风雨雨，一直是流派众多，难学难练，没有大成。

　　难学，是因为必须要掌握一种叫做“算法”的神功;难练，是因为需要有足够算力，能够处理数据样本，训练机器。

　　几十年来，一直是有算法没算力，甚至于有人认为，人工智能就是一个科幻，就是小说家跟人类开的一个玩笑而已。谁也没想到，进入21世纪后算力大爆炸。引发了整个AI产业开天辟地般的变化。

　　其中，算法上升为天——深度学习，分成DBN，CNN，BP，RBM等等诸多分支，其中佼佼者当属CNN(convolutional neural networks)，人称卷积神经网络，应用广泛。

　　算力，下降为地——AI芯片。各种芯片如雨后春笋涌现，拿过来训练机器，得心应手啊。

　　庙堂之上也为AI驾临人间雀跃不已。世界各国意识到人工智能的重要性，纷纷箪食壶浆，以迎AI。

　　联合国于2016年发布告示，召集人类讨论机器人的制造和使用如何促进人工智能的进步，以及可能带来的社会与伦理问题。

　　美国政府于2016年连续颁发三道金牌：《美国国家人工智能研发战略计划》、《为人工智能的未来做好准备》、《人工智能、自动化与经济报告》，宣称加入人工智能教派，并且描绘了此举能带来的种种美好的前景。

　　英国政府见此立即照方抓药，刊发了《机器人技术和人工智能》报告，详细的阐述英国的机器人技术与AI的亲密关系。

　　有算法有算力，天地已定。有政策有战略，和风细雨。正是产业萌芽，草长莺飞，欣欣向荣的时刻。人才的流动正是产业加速的信号。

　　书归正传。芯片定义了产业链和生态圈的基础计算架构，正如CPU是IT产业的核心一样，芯片也是人工智能产业的核心。

　　话说天下AI芯片共分四大流派：

　　GPU，目前锐气正盛，恰似东邪，凭借并行计算形成先发优势。

　　FPGA，蛰伏北方，正在暗地里合纵连横，大有号令群雄的势头，恰似丐帮。

　　ASIC，割据南方，占领了大片市场，参与的公司林立。

　　类脑芯片，这个更“邪性”，打算直接复制大脑，也暗藏着问鼎中原的野心。

　　根据互联网公开发布信息，今年，四大流派已经派出几十路高手，参与华山论剑，这些高手均属于芯片设计期高手。

　　这些高手都有什么特点?谁能逐鹿中原?下文一一分析。

　　GPU一派

　　市场上名气最大的应该是GPU一派。GPU也称视觉处理器，专门用于图像及相关处理的芯片。

　　2012年，Alex Krizhevsky，多伦多大学的博士研究生，凭此在ImageNet大赛上夺下了2012届的冠军。Alex提出了一个奇妙的模型，仅凭借两个GPU就取得了训练深层神经网络的极佳效果。江湖顿时为之轰动，于是引发了GPU训练神经网络的风潮。要知道，AI领域过去曾用CPU处理数据，但CPU效力太低。

　　当年，谷歌曾经花费巨资购买1.6万个处理器，堆成谷歌大脑，峰值功耗在10万瓦以上，占地面积数十平方米。试问天下，有几人能玩的起1.6万个处理器?

　　随着 AlexNet的划时代论文横空出世，于是GPU 在服务器端横扫天下。

　　有人会问，CPU和GPU，都是处理器，两者有什么不同?

　　与CPU相比，GPU 出现得远比 CPU 晚，但并行计算能力能却常令CPU望尘莫及。并行计算是相对于串行计算来说的。要知道，自计算机诞生以来，电脑编程几乎一直都是串行计算，绝大多数的程序只存在一个进程或线程，好比一个人只能先吃饭再看聊天。

　　但更多人喜欢边吃饭边聊天怎么办?遇到这类问题，串行计算就傻眼了。并行计算一次可执行多个指令的算法，能够完美解决吃饭聊天难题。解决方式可分为时间上的并行和空间上的并行。时间上的并行就是指流水线技术，而空间上的并行则是指用众多个处理器并发的执行计算。

　　深度学习所依赖的是神经系统网络，通常网络越深，需要的训练时间越长。对于一些网络结构来说，如果使用串行的X86 处理器来训练的话，可能需要几个月、甚至几年，因此必须要使用并行甚至是异构并行的方法，才有可能让训练时间变得可以接受。

　　在当前的人工智能芯片领域，GPU的应用领域不容小觑，据Jon Peddie Research(简称JPR)市场调研公司统计，在2008至2015年期间，除了2008年GPU市场规模稍有下降，其余年份全球独立显卡的出货量和销售额都呈现出明显的上升趋势，并且在2012至2015年有加速上升的表现。

　　GPU领域只有两大公司，一是英伟达，占市场份额约7成，另一位则是万年老二AMD，占市场份额约3成。

　　从GPU用户数量来看，根据英伟达2016年的财务报告，相比2013年的100家，2014年的1549家，2015年已有3409家机构或企业使用英伟达的GPU产品，从事人工智能的研究。这些企业和机构包括各大高等院校的人工智能实验室，互联网企业，军事企业等。

　　AMD虽然落后于英伟达，但2016年的市场份额已呈现出上升趋势，在发布了代号Vega织女星的GPU芯片，市场一片叫好，未来可能有继续上升的趋势。

　　不足的是，GPU 很费电(比如高端显卡动辄200W+)，一旦开启，散热就成了麻烦事。