AI驾临人间 四大芯片流派华山论剑

　　ASIC的开发时间长，意味着ASIC芯片很有可能赶不上市场变化的速度，致使厂商陷入竹篮打水一场空的尴尬境地。

　　有没有办法改进呢?

　　有。

　　既然一家公司设计 ASIC要花费太花时间，何不用别人现成的模块呢?

　　于是SoC+IP模式开始流行。这种模式有点像吸星大法。

　　SoC 全称是“片上系统(System-on-chip)”，亦即吸纳了许多不同模块的芯片。SoC 上面的每一个模块都可以称为 IP，这些 IP 既可以是自己设计的，也可以是购买其他公司的设计并整合到自己的芯片上。

　　相比ASIC，SoC+IP模式的上市时间短，成本较低，并且IP可以更灵活地满足用户需求。IP公司专注于IP模块的设计，SoC公司则专注于芯片集成，分工合作，提高效率。

　　事实上，高通已经在研发能在本地完成深度学习的移动设备芯片，IP设计公司如CEVA和Kneron也在研发与人工智能相关的IP核，这种模式未来也是人工智能芯片的发展方向之一。

　　ASIC易学难练，要想大成，靡费巨资。因此玩ASIC的不乏豪门贵族。例如，谷歌于2016年推出可编程AI加速器TPU，英特尔也将于2017年推出专为深度学习设计的芯片Knights Mill。微软打造Project Catapult支持微软Bing。

　　从初创公司来看，美国的Wave Computing公司专注于深度学习芯片架构，推出DPU(Dataflow Processing Unit);英国的Graphcore公司将推出开源软件框架Poplar和智能处理单元IPU。

　　相比于科技巨头，初创企业更有可能结合具体应用场景设计芯片，如地平线机器人设计的第一代BPU(Brain Processing Unit)，被用于开发ADAS系统。

　　中科院计算所从2008年开始研究，项目名为寒武纪，主要经费来源是中科院先导专项和国家自然科学基金，负责人是陈氏兄弟，陈云霁和陈天石。目前，寒武纪系列已包含三种原型处理器结构：寒武纪1号(英文名DianNao，面向神经网络的原型处理器结构);寒武纪2号(英文名DaDianNao，面向大规模神经网络);寒武纪3号(英文名PuDianNao，面向多种机器学习算法)。

　　类脑芯片：复制另一个人脑

　　类脑芯片不得不提IBM，每次产业变迁，IBN总要给大家带来一些新鲜名词热闹一番。比如电子商务、智慧星球，认知计算，现在又带来了号称要复制人脑的类脑芯片，科技真真太黑了。

　　IBM类脑芯片的后台支持者是美国国防部先进研究项目局(DARPA)，DARPA是可谓科技圈的泰山北斗，大名鼎鼎的Internet前身阿帕网即源于这个机构。

　　DARPA与IBM合作建立了一个项目，名为“神经形态自适应伸缩可塑电子系统计划(SyNAPSE)”。该计划意图还原大脑的计算功能，从而制造出一种能够模拟人类的感觉，理解，行动与交流的能力的系统，用途非常明确：辅助士兵在战场动态复杂环境中的认知能力，用于无人武器的自动作战。

　　该项目中最引人注目的是类脑芯片TureNorth。2011年，IBM发布第一代TrueNorth芯片，它可以像大脑一样具有学习和信息处理能力，具有大规模并行计算能力。2014年，IBM发布第二代TrueNorth芯片，性能大幅提升，功耗却只有70毫瓦，神经元数量由256个增加到100万个，可编程突触由262144个增加到2.56亿个。高通也发布了Zeroth认知计算平台，它可以融入到高通Snapdragon处理器芯片中，以协处理方式提升系统认知计算性能，实际应用于终端设备上。

　　“正北”问世，激起了国内研究机构对人工智能的的热情。

　　上海的西井科技去年发布了全球首块5000万神经元类脑芯片。该公司宣称，这是目前世界上含有神经元数量最多的类脑芯片，也是首块可商用化类脑芯片。

　　去年6月，中星微宣布中国首款嵌入式神经网络处理器(NPU)芯片诞生，并已于实现量产，主要应用于嵌入式视频监控领域。

　　据说北京大学则研究另外一种路线——忆阻器。据媒体报道，北京大学在视听感知和图橡视频编码方面的研究处于国际领先水平，在利用神经形态芯片构造大规模神经网络方面，已经围绕视皮层模拟开展研究。

　　中科院陈云霁认为，总体上看，国内和IBM的TrueNorth芯片为代表的国际先进水平还存在一定的差距。这个差距不体现在单芯片绝对的运算速度上(事实上，国产类脑芯片每秒能进行的神经元运算和突触运算数量比TBM的TrueNorth还要高十倍)，而是在功耗上。TrueNorth芯片功耗仅为65毫瓦，比国内芯片(15瓦左右)要低250倍。

　　从芯片性能角度来看，如今类脑芯片的算力和精度都不能超过GPU和FPGA的最好水平，因此类脑芯片是人工智能芯片几大方向中最小众的一类。

　　类脑芯片未来能否超越其它门派?这有赖于人类是否能完全搞清楚人脑的结构，能否有更多理论和实验支撑类脑芯片技术上的突破。就眼下来看，类脑芯片在商业化的道路上还需要探索一段时间。

　　华山论剑，中国能否弯道超车?

　　产业刚刚萌芽，东邪西毒南帝北丐均在赶往华山的路上，似乎大家都有当大英雄的机会。但是，如果从国别的角度来看，会发现一个残酷的现象。残酷，是因为中美两国存在着相当差距。比赛刚刚开始，美国就赢了。

　　在一些知名的芯片厂商中，美国有13家公司中，领军者既有谷歌、英特尔、IBM这样的科技巨头，也有高通、英伟达、AMD、赛灵思这样在各自领域中有绝对优势的大公司，以及一些发展良好的中等规模公司和活跃的初创企业。

　　但中国则主要以初创公司为主，没有巨头。其中七家企业中六家都是初创公司，均成立于近三年内，只有一家中等规模企业——中星微。

　　从芯片类别来看，美国厂商遍布人工智能芯片的四大流派，IC设计环节的产业结构非常均衡，并且在GPU领域，美国企业是完全垄断的，中国为零;在FPGA领域，只能跟随赛灵思做解决方案;在ASIC领域，有些4家创业公司;类脑芯片，也有2家。

　　芯片是数字经济的产业核心，历来是易守难攻，一旦形成先发优势，后来者很难超越。AI芯片也不例外。在过去十多年里，Intel、IBM、摩托罗拉、飞利浦、东芝、三星等60多家公司曾试图进军AI芯片，但纷纷遭致惨败。

　　这其中的原因就在于进入门槛高，主要有以下几点：

　　首先是专利技术壁垒。FPGA四公司用近9000项专利构筑了长长的知识产权壁垒，将进攻者拒于国门之外。即便是强如Intel也望而兴叹，不得以耗资167亿美元收买了Altera，获得了一张FPGA领域的门票。染指GPU就更不用提了。

　　其次是市场相对偏小。2016年全球FPGA市场总额仅为50亿美元，且有九成落入赛灵思和Altera两家公司，这么小的市场规模很难养活太多的大公司，必然导致竞争异常激烈。

　　最后是投资周期长。专利壁垒或许可以跨越，市场狭小，或许可以忍受。但是FPGA产品，从投入研发到产品真正规模化生产差不多要七年。这期间几乎没有任何商业回报。正常的风投是等不了这么长时间的。

　　AI时代论剑，芯片是核心。

　　AI芯片作为产业上游，也是技术要求和附加值最高的环节，产业价值和战略地位远远大于应用层创新，因此我们需要高度重视。

　　放眼时代变迁，CPU领域WINTEL联盟已经一统江山极难突破，而AI芯片方兴未艾，机遇正在逐渐显露，AI领域未来必然也会产生类似英特尔、AMD这样的世界级企业。

　　美国以绝对实力处于领先地位，但一批中国初创企业也在蓄势待发。

　　但是，AI芯片领域的创新绝不是件一蹴而就的事情。它涉及到人工智能算法、编程语言、计算机体系结构、集成电路技术、半导体工艺的方方面面。在巨大的国际竞争压力下，靠单个企业研发投入，远远不够;单靠有限的风险投资，也不行。靠科技补贴，更是远水解不了近渴。

　　我们如何相信中国企业有机会成为人工智能时代的弄潮儿，在AI芯片华山论剑之时占有一席之地呢?抱团创新可能会是未来实现突破的方向。AI领域创业空间巨大，所需资金规模巨大，所需资源巨大，单凭创业者个人和团队的能力打天下已经不现实， AI创业者需要跟产业加速器和产业资本密切结合，抱团创新，如此才能有更广阔的发展天地。

　　而笔者在对腾讯众创调研时了解到，目前许多国内创业企业已经学会了抱团创新，以长青腾创业营为例，开营100余天，40家创业公司总估值实现翻番，超过600亿，58%的学员顺利进入下一轮融资，100天融资总金额超过60亿。眼下，长青腾正在筹划AI创业营。

　　这对中国AI芯片创业是不是有所启示?