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
订阅
纠错
加入自媒体

摩尔定律失效?芯片市场算力如何提升

2018-08-23 08:42
来源: 镁客网

“中兴被禁”事件,给国内市场的第一喝棒指向芯片制造。这是我国的短板,也是智能产业最重要的“刚需”。从2008年开始,连续十年芯片都是我国第一大宗进口商品,占据了国际需求市场的50%,2017年的进口数量为3770亿块,花费金额为2601亿美元。这些芯片被搭载在了智能手机、电视、电脑等多种硬件中,而这些产品的生产量均占全球总量的半数以上,其中电脑更高达95%。

对于传统芯片而言,接下来需要奋起直追,而另一方面,AI芯片的迅速爆发也给中国芯片产业带来了久违的起跑线骄傲。据市场研究公司Compass Intelligence发布的上半年研究报告显示,在全球前24名的AI芯片企业排名表中,英伟达(Nvidia)、英特尔(Intel)以及IBM(NPU)分别位列前三名,中国公司占据了七个席位,最高名次是排行第12的华为。

困局之中破局是唯一的出路,AI芯片可能就是那个突破口。作为计算芯片的一种,它正在对传统(计算)芯片发出挑战。

AI芯片是趋势使然

根据摩尔定律,当价格不变时,集成电路上可容纳的元器件的数目,约每隔18-24个月便会增加一倍,性能也将提升一倍。如何在相同的面积内放入更多的元器件?这对于制作工艺而言是一个极其大的挑战,而这一工艺的提升速度是缓慢且艰难的。因此,在算力、性能等方面,当前的集成电路相当于到了一个“瓶颈期”。

与此同时,AI逐步发展并落地,面对海量数据的实时采集和处理,“算力”成为了一项至关重要的必备条件。然而当前的AI算法训练、推理等,还是依赖英伟达、高通等厂商提供的传统芯片。但是,不管是高通骁龙系列,亦或是英伟达GPU等传统芯片,其当初被研发出来的目的并不是针对AI算法,这也就意味着,在AI算法加速方面,它们多是“心有力而余不足”的。目前,它们所能做的,也仅是在自己原有产品之上加注AI算法,变身为“通用AI芯片”。但究其本质,它们并没有脱离“传统芯片”行列。

举个例子,行车途中前方突然出现障碍物,如果是CPU,虽有AI优化,但本身架构致使其在算法加速方面有所限制,导致数据处理等相对较慢,从而拉长了时间线,也因此当汽车意识到前方有障碍物时,可能已经撞上了;若是采取并行计算的GPU和针对AI算法加速的AI芯片,汽车将在极短时间内提前发现障碍并作出预判,但是GPU耗能太大,用不了多久就会耗尽汽车的电池电能。相比之下,AI芯片才是最佳方案。

另外,AI芯片创企异构智能中国区副总裁谢强此前在镁客网M-TECH论坛上表示,CPU、GPU等通用处理器市场已经没有机会了,他们现在所能做的就是把各种各样的终端AI芯片做到极致,配合CPU、GPU等搭建一个小系统,这就是一个很好的解决方案。

如果说在传统芯片领域,我国“反超”的机会不大,且消耗的多项成本过高,那么“AI”芯片的大面积布局,将是此领域关乎国家战略层面的重要机遇。也由此在风起云涌间,传统芯片与AI芯片难免狭路相逢。

传统芯片不要慌,AI芯片尚有短板

相比于针对算法而研发的AI芯片,不管是算力还是功耗,包括GPU等在内的传统芯片在内的传统芯片都无法相比。

以百度“昆仑”与英伟达“Xavier”为例。百度开发者大会上,李彦宏称“昆仑”是迄今为止业内算力最高的AI芯片,能在100w以上的功耗提供260万亿次/秒的运算速度,而英伟达“Xavier”的算力大概是30万亿次/秒,功耗为30w。从性能和功耗的比值来看,以百度“昆仑”为代表的AI芯片暂时领先。

云端芯片市场,号称一霸的英伟达面临着谷歌、百度、华为等竞争对手的“虎视眈眈”。而占据手机终端芯片的高通,就AI算法加速而言,虽然它也声称自己是AI平台,但本质上还是利用AI算法对原有既定框架进行优化,不能定义为真正的AI芯片。

尽管AI芯片来势汹汹,但短板也非常明显。

事实上,目前还没有出现像CPU一样的AI通用算法芯片,一剑封喉的应用还没出现。首先,AI芯片的量产问题是头部短板。不同于已经定性的传统芯片,AI芯片从架构到设计等多个层面都会是一种全新的颠覆。当前,虽有几家初创公司表示他们的产品已经实现了一种量产,但最终多是应用于自身产品和产业链,算不得真正的量产。

其次,AI芯片欠缺完整成熟的产业链。在早前由镁客网主办的“M-TECH AI芯片商业化之路”论坛上,多家AI芯片初创公司的嘉宾都表示,云端芯片市场的大部分空间已经被英伟达占据,AI芯片创企在其中没有机会,之所以形成这样的局面正由于其产业链的建立。产业链构建完整,AI芯片从上游设计到中游解决方案、再到下游应用场景落地才能流畅。

再次,AI芯片的工作只是加速AI算法,但在整个主板上,这只是芯片所要计算的一部分。于其他方面,还有更多的计算工作,而它们中间的多数,并不需要AI芯片的介入,比如数据存储等等。

当然,主流架构探讨、算法通用可实现性、刚需应用场景等也是AI芯片需要攻克的问题。

短期之内,如英伟达这样的芯片行业巨头,其GPU因为算力尚且能够满足当前AI算法加速的需要,虽然耗能表现不佳,但是出于产业的需求,仍然是占据了当前市场的主要份额。

总结:新旧更迭,背后都是市场法则

不管是CPU、GPU等传统芯片,还是AI芯片,它们出现的根因皆是因为市场有了新需求,继而才会形成趋势,最终落实为产品。这其中,有着时代的更迭,也有着技术的进步。

这方面,AI芯片本身就是一个典型的案例。因为计算的需要,人们开始研发芯片,从而诞生了CPU、GPU等。之前很长一段时间内,CPU一直做着主要的任务处理和数据计算工作。之后随着AI的出现,CPU的算力遇到了挑战。反之,因为并行运算架构,以往并不起眼的GPU开始焕发光彩。不过,它们终究不是为AI算法而定制的,也因此,迎合产业需求发展的AI芯片出现了。

长远来看,出于对算力、功耗等多方面的考虑,就AI算法加速方面,AI芯片取代传统芯片是一个必然的结果。届时,AI芯片或将与CPU、GPU等一起集成到一个完整的处理器中,诸如寒武纪NPU被集成至麒麟970一般,又或者,AI芯片也将作为独立处理器存在,这一切目前还是未知数。

不过,可以确定的是,就当前而言,我国在AI芯片的研发上已经站在了世界前列。一旦AI芯片实现量产,除了迎合智能时代产业发展的需求,我国还将在芯片产业中获得一定的话语权,在当前核心技术缺失的困局下实现“弯道超车”。

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。

发表评论

0条评论,0人参与

请输入评论内容...

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

智能硬件 猎头职位 更多
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