侵权投诉
技术:
GPU/CPU 传感器 基础元器件 网络通信 显示 交互技术 电源管理 材料 操作系统 APP 云技术 大数据 人工智能 制造 其它
应用:
可穿戴设备 智能家居 VR/AR 机器人 无人机 手机数码 汽车 平衡车/自行车 医疗健康 运动设备 美颜塑身 早教/玩具 安防监控 智能照明 其它
当前位置:

OFweek智能硬件网

人工智能

正文

人工智能专用芯片是大势所趋 而IP授权是当前实现商业化的最佳选择

导读: 8月中旬,人工智能芯片初创公司寒武纪获得1亿美元的A轮融资,至此成为该领域的第一个“独角兽”,紧接着,9月初,华为在IFA 2017上正式发布了全球首款面向手机的人工智能芯片“麒麟970”。

8月中旬,人工智能芯片初创公司寒武纪获得1亿美元的A轮融资,至此成为该领域的第一个“独角兽”,紧接着,9月初,华为在IFA 2017上正式发布了全球首款面向手机的人工智能芯片“麒麟970”。

就在这前后不到一个月的时间里,“人工智能芯片”成为了人人争相热议的一个产品、一个产业。

人工智能专用芯片是大势所趋 而IP授权是当前实现商业化的最佳选择

人工智能芯片热度渐升,多家公司早已着手布局

前段时间,因为被看做是当前智能家居的入口之一,“智能音箱”一下子受到了人们的极大关注,而随着小爱同学、天猫精灵等产品的相继推出,更是将这股热潮推上了顶端。

就在这股浪潮渐渐平稳的时候,“人工智能芯片”紧跟而上,引起了人工智能领域的又一波新的浪潮。事实上,在这第三次的人工智能浪潮中,作为让人工智能技术更快、更好运行的基础硬件设施,人工智能芯片必然是未来智能化时代的一种趋势。也因此,虽然人工智能芯片相比于其他人工智能技术和应用显得低调得多,但它的布局依旧是众多厂商眼中不能错过的“机遇”:

买买买的英特尔——至今,为了不再错过人工智能芯片,英特尔陆陆续续收购了Altera、Yogitech、Nervana、Movidius、Mobileye等多家公司,拿下了他们的FPGA等多种技术。

GPU在手,谁与争锋的英伟达——凭借着GPU在人工智能应用中的先天性优势,英伟达已经走在了人工智能芯片的前列。不过,就在最近,黄仁勋也发布了一款针对深度学习而打造的芯片Tesla V100。

紧盯FPGA的微软——微软把重心放在FPGA人工智能芯片上,已经被用在Bing搜索的支持上。另外,其也推出了基于FPGA的视觉芯片A-eye,让摄像头具有视觉理解能力,可应用在机器人、汽车和无人机等多种智能产品。

与此同时,国内的厂商也是蠢蠢欲动。

首个独角兽“寒武纪”——因为高达1亿美元的A轮融资,寒武纪成为了人工智能芯片领域的首个独角兽,通过的IP授权的形式,其技术已经在华为人工智能芯片麒麟970上面得到了商业化;

主打“嵌入式”的地平线机器人—— 地平线机器人致力于打造基于深度神经网络的人工智能“大脑”平台,包括软硬件。在硬件上,其此前曾表示旗下的人工智能芯片“盘古”已经成功流片商用;

……

从上面多家企业的布局和产品来看, 我们能够清晰地认知到,虽然“人工智能芯片”相比于语音识别等技术并没有得到大众更多的关注,但是作为人工智能的基础硬件设施,其已经成为诸多公司抢夺市场、占据风口的一大战略制胜点。

人工智能专用芯片是大势所趋 而IP授权是当前实现商业化的最佳选择

人工智能加速,人工智能专用芯片是未来趋势

深度学习算法是实现人工智能技术和应用的核心,其在运行过程中需要对海量的数据进行运算处理——用已有的样本数据去训练人工神经网络、用训练好的人工神经网络去运算其他数据。对于传统计算架构而言,这将是一个极大的挑战。

面对深度学习算法这一计算新需求,GPU(图形处理器)、FPGA(可编程门阵列)、ASIC(专用集成电路)等成为了人工智能芯片领域的“被追捧者”。比如GPU,相比于CPU,其具有高并行结构,拥有更多的ALU(Arithmetic Logic Unit,逻辑运算单元)用于数据处理,适合对密集型数据进行并行处理。

值得我们注意的事,不管是让英伟达一举闻名的GPU,抑或是当前与GPU不分伯仲的FPGA,在属性上,它们都只能算是人工智能通用芯片。相比于一开始就是“私人订制”的ASIC,在深度学习算法的运行上,GPU和FPGA或多或少都有着一些局限:

GPU局限:GPU能够游刃有余的训练人工神经网络,但在输出应用时,它一次只能处理一张图像;相比于FPGA的灵活,GPU硬件结构固定,不具备可调整性;在实现相同性能的功耗上,GPU远大于FPGA以及ASIC。

FPGA局限:为了实现可重构特性,FPGA内部有大量极细粒度的基本单元,但是每个单元的计算能力都远远低于GPU中的ALU模块;在深度学习算法的运行速度和功耗上,FPGA表现的都不如ASIC;FPGA价格较为昂贵,在某些情况下甚至会高于ASIC。

人工智能专用芯片是大势所趋 而IP授权是当前实现商业化的最佳选择

不可否认,对于当前人工智能的发展,GPU和FPGA都做出了不小的贡献,但是从未来发展趋势来看,人工智能专用芯片才是未来的核心。

从上面的一些比较我们可以看出,在功耗和速度上,GPU、FPGA与ASIC之间还是有着一定差距的。

针对人工智能芯片的通用与专用的区别,地平线机器人芯片专家马凤翔称,相比于通用芯片,专用芯片是为特定场景而定制的,具备低功耗、低成本、高性能的优势。再通俗一点讲,就如寒武纪创始人之一的陈云霁所举出的例子,普通的处理器就好比“瑞士军刀”,虽然通用,但不专业,造成浪费,但是做菜的时候,还是菜刀得心应手,而专业的深度学习处理器就是这把更高效、更快捷的“菜刀”。

与此同时,不仅仅是性能的要求,随着人工智能技术的发展,其应用范围也将进一步扩大。未来,自动驾驶、机器人、智能家居等等终将充斥我们的生活,这其中所隐藏的将是一个无可估量的市场需求。届时,不管是所需要处理的数据,抑或是运算速度,与现在相比都将不是一个量级,若想做的更好,就只能向人工智能专用芯片靠拢。

1  2  下一页>  
声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号