AI芯片作為產(chǎn)業(yè)核心，也是技術(shù)要求和附加值最高的環(huán)節(jié)，在AI產(chǎn)業(yè)鏈中的產(chǎn)業(yè)價(jià)值和戰(zhàn)略地位遠(yuǎn)遠(yuǎn)大于應(yīng)用層創(chuàng)新。騰訊發(fā)布的《中美兩國(guó)人工智能產(chǎn)業(yè)發(fā)展全面解讀》報(bào)告顯示，基礎(chǔ)層的處理器/芯片企業(yè)數(shù)量來(lái)看，中國(guó)有14家，美國(guó)33家。本文將對(duì)這一領(lǐng)域產(chǎn)業(yè)生態(tài)做一個(gè)簡(jiǎn)單梳理。
AI芯片分類
Training環(huán)節(jié)通常需要通過(guò)大量的數(shù)據(jù)輸入，或采取增強(qiáng)學(xué)習(xí)等非監(jiān)督學(xué)習(xí)方法，訓(xùn)練出一個(gè)復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)模型。訓(xùn)練過(guò)程由于涉及海量的訓(xùn)練數(shù)據(jù)和復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，運(yùn)算量巨大，需要龐大的計(jì)算規(guī)模，對(duì)于處理器的計(jì)算能力、精度、可擴(kuò)展性等性能要求很高。目前在訓(xùn)練環(huán)節(jié)主要使用NVIDIA的GPU集群來(lái)完成，Google自主研發(fā)的ASIC芯片TPU2.0也支持訓(xùn)練環(huán)節(jié)的深度網(wǎng)絡(luò)加速。
Inference環(huán)節(jié)指利用訓(xùn)練好的模型，使用新的數(shù)據(jù)去“推理”出各種結(jié)論，如視頻監(jiān)控設(shè)備通過(guò)后臺(tái)的深度神經(jīng)網(wǎng)絡(luò)模型，判斷一張抓拍到的人臉是否屬于黑名單。雖然Inference的計(jì)算量相比Training少很多，但仍然涉及大量的矩陣運(yùn)算。在推理環(huán)節(jié)，GPU、FPGA和ASIC都有很多應(yīng)用價(jià)值。
在深度學(xué)習(xí)的Training階段，由于對(duì)數(shù)據(jù)量及運(yùn)算量需求巨大，單一處理器幾乎不可能獨(dú)立完成一個(gè)模型的訓(xùn)練過(guò)程，因此，Training環(huán)節(jié)目前只能在云端實(shí)現(xiàn)，在設(shè)備端做Training目前還不是很明確的需求。
在Inference階段，由于目前訓(xùn)練出來(lái)的深度神經(jīng)網(wǎng)絡(luò)模型大多仍非常復(fù)雜，其推理過(guò)程仍然是計(jì)算密集型和存儲(chǔ)密集型的，若部署到資源有限的終端用戶設(shè)備上難度很大，因此，云端推理目前在人工智能應(yīng)用中需求更為明顯。GPU、FPGA、ASIC(Google TPU1.0/2.0)等都已應(yīng)用于云端Inference環(huán)境。在設(shè)備端Inference領(lǐng)域，由于智能終端數(shù)量龐大且需求差異較大，如ADAS、VR等設(shè)備對(duì)實(shí)時(shí)性要求很高，推理過(guò)程不能交由云端完成，要求終端設(shè)備本身需要具備足夠的推理計(jì)算能力，因此一些低功耗、低延遲、低成本的專用芯片也會(huì)有很大的市場(chǎng)需求。
按照上述兩種分類，我們得出AI芯片分類象限如下圖所示。
除了按照功能場(chǎng)景劃分外，AI芯片從技術(shù)架構(gòu)發(fā)展來(lái)看，大致也可以分為四個(gè)類型：
-
通用類芯片，代表如GPU、FPGA；
-
基于FPGA的半定制化芯片，代表如深鑒科技DPU、百度XPU等；
-
全定制化ASIC芯片，代表如TPU、寒武紀(jì) Cambricon-1A等；
-
類腦計(jì)算芯片，代表如IBM TrueNorth、westwell、高通Zeroth等。
AI芯片產(chǎn)業(yè)生態(tài)
從上述分類象限來(lái)看，目前AI芯片的市場(chǎng)需求主要是三類：
-
面向于各大人工智能企業(yè)及實(shí)驗(yàn)室研發(fā)階段的Training需求(主要是云端，設(shè)備端Training需求尚不明確)；
-
Inference On Cloud，F(xiàn)ace++、出門問(wèn)問(wèn)、Siri等主流人工智能應(yīng)用均通過(guò)云端提供服務(wù)；
-
Inference On Device，面向智能手機(jī)、智能攝像頭、機(jī)器人/無(wú)人機(jī)、自動(dòng)駕駛、VR等設(shè)備的設(shè)備端推理市場(chǎng)，需要高度定制化、低功耗的AI芯片產(chǎn)品。如華為麒麟970搭載了“神經(jīng)網(wǎng)絡(luò)處理單元(NPU，實(shí)際為寒武紀(jì)的IP)”、蘋果A11搭載了“神經(jīng)網(wǎng)絡(luò)引擎(Neural Engine)”。
（一）Training訓(xùn)練
2007年以前，人工智能研究受限于當(dāng)時(shí)算法、數(shù)據(jù)等因素，對(duì)于芯片并沒(méi)有特別強(qiáng)烈的需求，通用的CPU芯片即可提供足夠的計(jì)算能力。Andrew Ng和Jeff Dean打造的Google Brain項(xiàng)目，使用包含16000個(gè)CPU核的并行計(jì)算平臺(tái)，訓(xùn)練超過(guò)10億個(gè)神經(jīng)元的深度神經(jīng)網(wǎng)絡(luò)。但CPU的串行結(jié)構(gòu)并不適用于深度學(xué)習(xí)所需的海量數(shù)據(jù)運(yùn)算需求，用CPU做深度學(xué)習(xí)訓(xùn)練效率很低，在早期使用深度學(xué)習(xí)算法進(jìn)行語(yǔ)音識(shí)別的模型中，擁有429個(gè)神經(jīng)元的輸入層，整個(gè)網(wǎng)絡(luò)擁有156M個(gè)參數(shù)，訓(xùn)練時(shí)間超過(guò)75天。
與CPU少量的邏輯運(yùn)算單元相比，GPU整個(gè)就是一個(gè)龐大的計(jì)算矩陣，GPU具有數(shù)以千計(jì)的計(jì)算核心、可實(shí)現(xiàn)10-100倍應(yīng)用吞吐量，而且它還支持對(duì)深度學(xué)習(xí)至關(guān)重要的并行計(jì)算能力，可以比傳統(tǒng)處理器更加快速，大大加快了訓(xùn)練過(guò)程。
從上圖對(duì)比來(lái)看，在內(nèi)部結(jié)構(gòu)上，CPU中70%晶體管都是用來(lái)構(gòu)建Cache(高速緩沖存儲(chǔ)器)和一部分控制單元，負(fù)責(zé)邏輯運(yùn)算的部分(ALU模塊)并不多，指令執(zhí)行是一條接一條的串行過(guò)程。GPU 由并行計(jì)算單元和控制單元以及存儲(chǔ)單元構(gòu)成，擁有大量的核(多達(dá)幾千個(gè))和大量的高速內(nèi)存，擅長(zhǎng)做類似圖像處理的并行計(jì)算，以矩陣的分布式形式來(lái)實(shí)現(xiàn)計(jì)算。同CPU不同的是，GPU的計(jì)算單元明顯增多，特別適合大規(guī)模并行計(jì)算。
在人工智能的通用計(jì)算GPU市場(chǎng)，NVIDIA現(xiàn)在一家獨(dú)大。2010年NVIDIA就開(kāi)始布局人工智能產(chǎn)品，2014年發(fā)布了新一代PASCAL GPU芯片架構(gòu)，這是NVIDIA的第五代GPU架構(gòu)，也是首個(gè)為深度學(xué)習(xí)而設(shè)計(jì)的GPU，它支持所有主流的深度學(xué)習(xí)計(jì)算框架。2016年上半年，NVIDIA又針對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程推出了基于PASCAL架構(gòu)的TESLA P100芯片以及相應(yīng)的超級(jí)計(jì)算機(jī)DGX-1。DGX-1包含TESLA P100 GPU加速器，采用NVLINK互聯(lián)技術(shù)，軟件堆棧包含主要深度學(xué)習(xí)框架、深度學(xué)習(xí)SDK、DIGITS GPU訓(xùn)練系統(tǒng)、驅(qū)動(dòng)程序和CUDA，能夠快速設(shè)計(jì)深度神經(jīng)網(wǎng)絡(luò)(DNN)，擁有高達(dá)170TFLOPS的半精度浮點(diǎn)運(yùn)算能力，相當(dāng)于250臺(tái)傳統(tǒng)服務(wù)器，可以將深度學(xué)習(xí)的訓(xùn)練速度加快75倍，將CPU性能提升56倍。
Training市場(chǎng)目前能與NVIDIA競(jìng)爭(zhēng)的就是Google。今年5月份Google發(fā)布了TPU 2.0，TPU(TensorProcessing Unit)是Google研發(fā)的一款針對(duì)深度學(xué)習(xí)加速的ASIC芯片，第一代TPU僅能用于推理，而目前發(fā)布的TPU 2.0既可以用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，又可以用于推理。據(jù)介紹，TPU2.0包括了四個(gè)芯片，每秒可處理180萬(wàn)億次浮點(diǎn)運(yùn)算。Google還找到一種方法，使用新的計(jì)算機(jī)網(wǎng)絡(luò)將64個(gè)TPU組合到一起，升級(jí)為所謂的TPU Pods，可提供大約11500萬(wàn)億次浮點(diǎn)運(yùn)算能力。Google表示，公司新的深度學(xué)習(xí)翻譯模型如果在32塊性能最好的GPU上訓(xùn)練，需要一整天的時(shí)間，而八分之一個(gè)TPU Pod就能在6個(gè)小時(shí)內(nèi)完成同樣的任務(wù)。目前Google 并不直接出售TPU芯片，而是結(jié)合其開(kāi)源深度學(xué)習(xí)框架TensorFlow為AI開(kāi)發(fā)者提供TPU云加速的服務(wù)，以此發(fā)展TPU2的應(yīng)用和生態(tài)，比如TPU2同時(shí)發(fā)布的TensorFlow Research Cloud (TFRC) 。
上述兩家以外，傳統(tǒng)CPU/GPU廠家Intel和AMD也在努力進(jìn)入這Training市場(chǎng)，如Intel推出的Xeon Phi+Nervana方案，AMD的下一代VEGA架構(gòu)GPU芯片等，但從目前市場(chǎng)進(jìn)展來(lái)看很難對(duì)NVIDIA構(gòu)成威脅。初創(chuàng)公司中，Graphcore 的IPU處理器(IntelligenceProcessing Unit)據(jù)介紹也同時(shí)支持Training和Inference。該IPU采用同構(gòu)多核架構(gòu)，有超過(guò)1000個(gè)獨(dú)立的處理器；支持All-to-All的核間通信，采用BulkSynchronous Parallel的同步計(jì)算模型；采用大量片上Memory，不直接連接DRAM。
總之，對(duì)于云端的Training(也包括Inference)系統(tǒng)來(lái)說(shuō)，業(yè)界比較一致的觀點(diǎn)是競(jìng)爭(zhēng)的核心不是在單一芯片的層面，而是整個(gè)軟硬件生態(tài)的搭建。NVIDIA的CUDA+GPU、Google的TensorFlow+TPU2.0，巨頭的競(jìng)爭(zhēng)也才剛剛開(kāi)始。
（二）Inference On Cloud云端推理
相對(duì)于Training市場(chǎng)上NVIDIA的一家獨(dú)大，Inference市場(chǎng)競(jìng)爭(zhēng)則更為分散。若像業(yè)界所說(shuō)的深度學(xué)習(xí)市場(chǎng)占比(Training占5%，Inference占95%)，Inference市場(chǎng)競(jìng)爭(zhēng)必然會(huì)更為激烈。
在云端推理環(huán)節(jié)，雖然GPU仍有應(yīng)用，但并不是最優(yōu)選擇，更多的是采用異構(gòu)計(jì)算方案(CPU/GPU +FPGA/ASIC)來(lái)完成云端推理任務(wù)。FPGA領(lǐng)域，四大廠商(Xilinx/Altera/Lattice/Microsemi)中的Xilinx和Altera（被Intel收購(gòu)）在云端加速領(lǐng)域優(yōu)勢(shì)明顯。Altera在2015年12月被Intel收購(gòu)，隨后推出了Xeon+FPGA的云端方案，同時(shí)與Azure、騰訊云、阿里云等均有合作；Xilinx則與IBM、百度云、AWS、騰訊云合作較深入，另外Xilinx還戰(zhàn)略投資了國(guó)內(nèi)AI芯片初創(chuàng)公司深鑒科技。目前來(lái)看，云端加速領(lǐng)域其他FPGA廠商與Xilinx和Altera還有很大差距。
ASIC領(lǐng)域，應(yīng)用于云端推理的商用AI芯片目前主要是Google的TPU1.0/2.0。其中，TPU1.0僅用于Datacenter Inference應(yīng)用。它的核心是由65,536個(gè)8-bit MAC組成的矩陣乘法單元，峰值可以達(dá)到92 TeraOps/second(TOPS)。有一個(gè)很大的片上存儲(chǔ)器，一共28 MiB。它可以支持MLP，CNN和LSTM這些常見(jiàn)的神經(jīng)網(wǎng)絡(luò)，并且支持TensorFLow框架。它的平均性能(TOPS)可以達(dá)到CPU和GPU的15到30倍，能耗效率(TOPS/W)能到30到80倍。如果使用GPU的DDR5 memory，這兩個(gè)數(shù)值可以達(dá)到大約GPU的70倍和CPU的200倍。TPU 2.0既用于訓(xùn)練，也用于推理，上一節(jié)已經(jīng)做過(guò)介紹。
國(guó)內(nèi)AI芯片公司寒武紀(jì)科技據(jù)報(bào)道也在自主研發(fā)云端高性能AI芯片，目前與科大訊飛、曙光等均有合作，但目前還沒(méi)有詳細(xì)的產(chǎn)品介紹。
（三）Inference On Device設(shè)備端推理
設(shè)備端推理的應(yīng)用場(chǎng)景更為多樣化，智能手機(jī)、ADAS、智能攝像頭、語(yǔ)音交互、VR/AR等設(shè)備需求各異，需要更為定制化、低功耗、低成本的嵌入式解決方案，這就給了創(chuàng)業(yè)公司更多機(jī)會(huì)，市場(chǎng)競(jìng)爭(zhēng)生態(tài)也會(huì)更加多樣化。
1）智能手機(jī)
華為9月初發(fā)布的麒麟970 AI芯片就搭載了神經(jīng)網(wǎng)絡(luò)處理器NPU(寒武紀(jì)IP)。麒麟970采用了TSMC 10nm工藝制程，擁有55億個(gè)晶體管，功耗相比上一代芯片降低20%。CPU架構(gòu)方面為4核A73+4核A53組成8核心，能耗同比上一代芯片得到20%的提升；GPU方面采用了12核Mali G72 MP12GPU，在圖形處理以及能效兩項(xiàng)關(guān)鍵指標(biāo)方面分別提升20%和50%；NPU采用HiAI移動(dòng)計(jì)算架構(gòu)，在FP16下提供的運(yùn)算性能可以達(dá)到1.92 TFLOPs，相比四個(gè)Cortex-A73核心，處理同樣的AI任務(wù)，有大約50倍能效和25倍性能優(yōu)勢(shì)。
蘋果最新發(fā)布的A11仿生芯片也搭載了神經(jīng)網(wǎng)絡(luò)單元。據(jù)介紹，A11仿生芯片有43億個(gè)晶體管，采用TSMC 10納米FinFET工藝制程。CPU采用了六核心設(shè)計(jì)，由2個(gè)高性能核心與4個(gè)高能效核心組成。相比A10 Fusion，其中兩個(gè)性能核心的速度提升了25%，四個(gè)能效核心的速度提升了70%；GPU采用了蘋果自主設(shè)計(jì)的三核心 GPU 圖形處理單元，圖形處理速度與上一代相比最高提升可達(dá) 30% 之多；神經(jīng)網(wǎng)絡(luò)引擎NPU采用雙核設(shè)計(jì)，每秒運(yùn)算次數(shù)最高可達(dá) 6000 億次，主要用于勝任機(jī)器學(xué)習(xí)任務(wù)，能夠識(shí)別人物、地點(diǎn)和物體等，能夠分擔(dān) CPU 和 GPU 的任務(wù)，大幅提升芯片的運(yùn)算效率。
另外，高通從 2014 年開(kāi)始也公開(kāi)了NPU的研發(fā)，并且在最新兩代驍龍 8xx 芯片上都有所體現(xiàn)，例如驍龍 835 就集成了“驍龍神經(jīng)處理引擎軟件框架”，提供對(duì)定制神經(jīng)網(wǎng)絡(luò)層的支持，OEM 廠商和軟件開(kāi)發(fā)商都可以基于此打造自己的神經(jīng)網(wǎng)絡(luò)單元。ARM在今年所發(fā)布的 Cortex-A75 和 Cortex-A55中也融入了自家的AI 神經(jīng)網(wǎng)絡(luò)DynamIQ技術(shù)，據(jù)介紹，DynamIQ技術(shù)在未來(lái) 3-5 年內(nèi)可實(shí)現(xiàn)比當(dāng)前設(shè)備高50倍的AI性能，可將特定硬件加速器的反應(yīng)速度提升10倍�？傮w來(lái)看，智能手機(jī)未來(lái)AI芯片的生態(tài)基本可以斷定仍會(huì)掌握在傳統(tǒng)SoC商手中。
2）自動(dòng)駕駛
NVIDIA去年發(fā)布自動(dòng)駕駛開(kāi)發(fā)平臺(tái)DRIVE PX2，基于16nm FinFET工藝，功耗高達(dá)250W，采用水冷散熱設(shè)計(jì)；支持12路攝像頭輸入、激光定位、雷達(dá)和超聲波傳感器；CPU采用兩顆新一代NVIDIA Tegra處理器，當(dāng)中包括了8個(gè)A57核心和4個(gè)Denver核心；GPU采用新一代Pascal架構(gòu)，單精度計(jì)算能力達(dá)到8TFlops，超越TITAN X，有后者10倍以上的深度學(xué)習(xí)計(jì)算能力。Intel收購(gòu)的Mobileye、高通收購(gòu)的NXP、英飛凌、瑞薩等汽車電子巨頭也提供ADAS芯片和算法。初創(chuàng)公司中，地平線的深度學(xué)習(xí)處理器(BPU，BrainProcessor Unit)IP及其自研雨果(Hugo)平臺(tái)也是重點(diǎn)面向自動(dòng)駕駛領(lǐng)域。
3）計(jì)算機(jī)視覺(jué)領(lǐng)域
Intel收購(gòu)的Movidius是主要的芯片提供商，大疆無(wú)人機(jī)、海康威視和大華股份的智能監(jiān)控?cái)z像頭均使用了Movidius的Myriad系列芯片。目前國(guó)內(nèi)做計(jì)算機(jī)視覺(jué)技術(shù)的公司中，商湯科技、Face++、云從、依圖等，未來(lái)有可能隨著其自身計(jì)算機(jī)視覺(jué)技術(shù)的積累漸深，部分公司向上游延伸去做CV芯片研發(fā)。另外，國(guó)內(nèi)還有如人人智能、智芯原動(dòng)等創(chuàng)業(yè)公司提供攝像頭端的AI加速IP及芯片解決方案。
4）其他
VR設(shè)備芯片的代表為微軟為自身VR設(shè)備Hololens而研發(fā)的HPU芯片，這顆由臺(tái)積電代工的芯片能同時(shí)處理來(lái)自5個(gè)攝像頭、一個(gè)深度傳感器以及運(yùn)動(dòng)傳感器的數(shù)據(jù)，并具備計(jì)算機(jī)視覺(jué)的矩陣運(yùn)算和CNN運(yùn)算的加速功能；語(yǔ)音交互設(shè)備芯片方面，國(guó)內(nèi)有啟英泰倫以及云知聲兩家公司，其提供的芯片方案均內(nèi)置了為語(yǔ)音識(shí)別而優(yōu)化的深度神經(jīng)網(wǎng)絡(luò)加速方案，實(shí)現(xiàn)設(shè)備的語(yǔ)音離線識(shí)別；在泛IOT領(lǐng)域，NovuMind設(shè)計(jì)了一種僅使用3×3卷積過(guò)濾器的AI芯片，第一款芯片原型預(yù)計(jì)今年底推出，預(yù)計(jì)可實(shí)現(xiàn)耗能不超過(guò)5瓦進(jìn)行15萬(wàn)億次浮點(diǎn)運(yùn)算，可以廣泛應(yīng)用于各類小型的互聯(lián)網(wǎng)“邊緣”設(shè)備。
（四）新架構(gòu) - 類腦計(jì)算芯片
“類腦芯片”是指參考人腦神經(jīng)元結(jié)構(gòu)和人腦感知認(rèn)知方式來(lái)設(shè)計(jì)的芯片，其目標(biāo)是開(kāi)發(fā)出打破馮·諾依曼架構(gòu)體系的芯片。這一領(lǐng)域目前仍處于探索階段，如歐盟支持的SpiNNaker和BrainScaleS、斯坦福大學(xué)的Neurogrid、IBM公司的TrueNorth以及高通公司的Zeroth等；國(guó)內(nèi)Westwell、清華大學(xué)、浙江大學(xué)、電子科技大學(xué)等也有相關(guān)研究。
IBM的TrueNorth，2014年公布。在一顆芯片上集成了4096個(gè)內(nèi)核，100萬(wàn)個(gè)神經(jīng)元、2.56億個(gè)可編程突觸，使用了三星的28nm的工藝，共540萬(wàn)個(gè)晶體管；每秒可執(zhí)行460億次突觸運(yùn)算，總功耗為70mW，每平方厘米功耗20mW。IBM的最終目標(biāo)就是希望建立一臺(tái)包含100億個(gè)神經(jīng)元和100萬(wàn)億個(gè)突觸的計(jì)算機(jī)，這樣的計(jì)算機(jī)要比人類大腦的功都強(qiáng)大10 倍，而功耗只有一千瓦，而且重量不到兩升。
國(guó)內(nèi)AI初創(chuàng)公司西井科技Westwell是用FPGA模擬神經(jīng)元以實(shí)現(xiàn)SNN的工作方式，有兩款產(chǎn)品：
-
仿生類腦神經(jīng)元芯片DeepSouth(深南)，第三代脈沖神經(jīng)網(wǎng)絡(luò)芯片SNN，基于STDP(spike-time-dependentplasticity)的算法構(gòu)建完整的突觸神經(jīng)網(wǎng)絡(luò)，由電路模擬真實(shí)生物神經(jīng)元產(chǎn)生脈沖的仿生學(xué)芯片，通過(guò)動(dòng)態(tài)分配的方法能模擬出高達(dá)5000萬(wàn)級(jí)別的“神經(jīng)元”，功耗為傳統(tǒng)芯片在同一任務(wù)下的幾十分之一到幾百分之一。
-
深度學(xué)習(xí)類腦神經(jīng)元芯片DeepWell(深井)，處理模式識(shí)別問(wèn)題的通用智能芯片，基于在線偽逆矩陣求解算法(OPIUM lite)對(duì)芯片中神經(jīng)元間的連接權(quán)重進(jìn)行學(xué)習(xí)和調(diào)整；擁12800萬(wàn)個(gè)神經(jīng)元，通過(guò)專屬指令集調(diào)整芯片中神經(jīng)元資源的分配；學(xué)習(xí)與識(shí)別速度遠(yuǎn)遠(yuǎn)高于運(yùn)行在通用硬件(如CPU, GPU)上的傳統(tǒng)方法(如CNN)，且功耗更低。
總體來(lái)看，類腦計(jì)算芯片領(lǐng)域仍處于探索階段，距離規(guī)�；逃萌杂斜容^遠(yuǎn)的距離。
中國(guó)AI芯公司
騰訊AI產(chǎn)業(yè)報(bào)告中提到中國(guó)的AI的處理器/芯片企業(yè)一共有14家，我們參照公開(kāi)資料整理了部分國(guó)內(nèi)AI處理器/芯片公司，雖不完備，但給感興趣的讀者做個(gè)參考。
1）寒武紀(jì)科技&Cambricon 1A
寒武紀(jì)科技成立于2016年，總部在北京，創(chuàng)始人是中科院計(jì)算所的陳天石、陳云霽兄弟，近期剛剛完成了一億美元A輪融資，阿里巴巴創(chuàng)投、聯(lián)想創(chuàng)投、國(guó)科投資、中科圖靈、元禾原點(diǎn)、涌鏵投資聯(lián)合投資，成為全球AI芯片領(lǐng)域第一個(gè)獨(dú)角獸初創(chuàng)公司。
寒武紀(jì)是全球第一個(gè)成功流片并擁有成熟產(chǎn)品的AI芯片公司，擁有終端AI處理器IP和云端高性能AI芯片兩條產(chǎn)品線。2016年發(fā)布的寒武紀(jì)1A處理器(Cambricon-1A)是世界首款商用深度學(xué)習(xí)專用處理器，面向智能手機(jī)、安防監(jiān)控、無(wú)人機(jī)、可穿戴設(shè)備以及智能駕駛等各類終端設(shè)備，在運(yùn)行主流智能算法時(shí)性能功耗比全面超越傳統(tǒng)處理器。
2）地平線機(jī)器人&BPU/盤古
地平線機(jī)器人成立于2015年，總部在北京，創(chuàng)始人是前百度深度學(xué)習(xí)研究院負(fù)責(zé)人余凱。公司于去年中完成了A+輪融資，投資方包括了晨興資本、高瓴資本、紅杉資本、金沙江創(chuàng)投、線性資本、創(chuàng)新工場(chǎng)、真格基金、雙湖投資、青云創(chuàng)投、祥峰投資、DST等。據(jù)介紹，公司近期即將完成B輪融資。
BPU(BrainProcessing Unit)是地平線機(jī)器人自主設(shè)計(jì)研發(fā)高效的人工智能處理器架構(gòu)IP，支持ARM/GPU/FPGA/ASIC實(shí)現(xiàn)，專注于自動(dòng)駕駛、人臉圖像辨識(shí)等專用領(lǐng)域。2017年，地平線基于高斯架構(gòu)的嵌入式人工智能解決方案將會(huì)在智能駕駛、智能生活、公共安防三個(gè)領(lǐng)域進(jìn)行應(yīng)用，第一代BPU芯片“盤古”目前已進(jìn)入流片階段，預(yù)計(jì)在今年下半年推出，能支持1080P的高清圖像輸入，每秒鐘處理30幀，檢測(cè)跟蹤數(shù)百個(gè)目標(biāo)。地平線的第一代BPU采用TSMC的40nm工藝，相對(duì)于傳統(tǒng)CPU/GPU,能效可以提升2~3個(gè)數(shù)量級(jí)(100~1,000倍左右)。
 
3）深鑒科技&DPU
深鑒科技成立于2016年，總部在北京。由清華大學(xué)與斯坦福大學(xué)的世界頂尖深度學(xué)習(xí)硬件研究者創(chuàng)立，今年初完成了A輪融資，投資方包括了聯(lián)發(fā)科、賽靈思、金沙江創(chuàng)投、高榕資本、清華控股、方和資本等。
深鑒科技將其開(kāi)發(fā)的基于FPGA的神經(jīng)網(wǎng)絡(luò)處理器稱為DPU。到目前為止，深鑒公開(kāi)發(fā)布了兩款DPU：亞里士多德架構(gòu)和笛卡爾架構(gòu)，其中，亞里士多德架構(gòu)是針對(duì)卷積神經(jīng)網(wǎng)絡(luò)CNN而設(shè)計(jì)；笛卡爾架構(gòu)專為處理DNN/RNN網(wǎng)絡(luò)而設(shè)計(jì)，可對(duì)經(jīng)過(guò)結(jié)構(gòu)壓縮后的稀疏神經(jīng)網(wǎng)絡(luò)進(jìn)行極致高效的硬件加速。相對(duì)于 Intel XeonCPU 與 Nvidia TitanX GPU，應(yīng)用笛卡爾架構(gòu)的處理器在計(jì)算速度上分別提高189倍與13倍，具有24000倍與3000倍更高能效。
4）西井科技&DeepSouth/DeepWell
公司成立于2015年，總部在上海。今年6月完成了A輪融資，投資方包括了復(fù)星同浩、源政投資、合力投資、十維資本、喔贏資本等。
西井科技是用FPGA模擬神經(jīng)元以實(shí)現(xiàn)SNN的工作方式，有兩款產(chǎn)品：
-
仿生類腦神經(jīng)元芯片DeepSouth(深南)，第三代脈沖神經(jīng)網(wǎng)絡(luò)芯片SNN，基于STDP(spike-time-dependentplasticity)的算法構(gòu)建完整的突觸神經(jīng)網(wǎng)絡(luò)，由電路模擬真實(shí)生物神經(jīng)元產(chǎn)生脈沖的仿生學(xué)芯片，通過(guò)動(dòng)態(tài)分配的方法能模擬出高達(dá)5000萬(wàn)級(jí)別的“神經(jīng)元”，功耗為傳統(tǒng)芯片在同一任務(wù)下的幾十分之一到幾百分之一。
-
深度學(xué)習(xí)類腦神經(jīng)元芯片DeepWell(深井)，處理模式識(shí)別問(wèn)題的通用智能芯片，基于在線偽逆矩陣求解算法(OPIUM lite)對(duì)芯片中神經(jīng)元間的連接權(quán)重進(jìn)行學(xué)習(xí)和調(diào)整；擁12800萬(wàn)個(gè)神經(jīng)元，通過(guò)專屬指令集調(diào)整芯片中神經(jīng)元資源的分配；學(xué)習(xí)與識(shí)別速度遠(yuǎn)遠(yuǎn)高于運(yùn)行在通用硬件(如CPU, GPU)上的傳統(tǒng)方法(如CNN)，且功耗更低。
5）云飛勵(lì)天&IPU
公司成立于2014年，總部在深圳，由國(guó)家“千人計(jì)劃”特聘專家陳寧和田第鴻博士聯(lián)合創(chuàng)立，今年3月完成了A輪融資，投資方松禾資本、深投控、紅秀盈信、山水從容投資、投控東海、真格基金等。
云天勵(lì)飛提供視覺(jué)智能芯片和解決方案，專注于人工智能領(lǐng)域，以新型處理器、機(jī)器學(xué)習(xí)與大數(shù)據(jù)技術(shù)為核心。公司自主研發(fā)的處理器芯片IPU，采用了全新的面向視覺(jué)計(jì)算的處理器芯片架構(gòu)，該技術(shù)將機(jī)器學(xué)習(xí)效能提升了兩個(gè)數(shù)量級(jí)。公司在在深圳搭建的區(qū)域級(jí)天眼系統(tǒng)，實(shí)現(xiàn)了全球首創(chuàng)的“百萬(wàn)人群、秒級(jí)定位”，還被采納為2016年杭州G20峰會(huì)和烏鎮(zhèn)互聯(lián)網(wǎng)大會(huì)的安全系統(tǒng)提供服務(wù)。
6）人人智能&FaceOS
人人智能成立于2016年，是ARM OpenAI實(shí)驗(yàn)室核心合作企業(yè)。公司于去年底完成了ARM和英諾天使基金的天使輪融資，據(jù)報(bào)道目前正在啟動(dòng)新一輪融資。
人人智能提供一個(gè)基ARM的人臉識(shí)別核心芯片即模組方案，識(shí)別模組是獨(dú)創(chuàng)的支持深度學(xué)習(xí)算法的嵌入式高性能ARM平臺(tái)，支持外接攝像機(jī)從視頻流檢測(cè)和載取人臉照片等功能。據(jù)介紹，人人智能發(fā)布的“智能芯”是國(guó)內(nèi)首個(gè)人臉識(shí)別硬件模組，尺寸僅為86mm*56mm*21mm，集成了人工智能操作系統(tǒng)FaceOS。通過(guò)將人工智能算法進(jìn)行集成產(chǎn)品化，能夠把產(chǎn)品的研發(fā)周期減少60%，成本降低50%。
7）啟英泰倫&CI1006
啟英泰倫于2015年11月在成都成立，是一家語(yǔ)音識(shí)別芯片研發(fā)商，投資方包括了Roobo、匯聲信息等。
啟英泰倫的CI1006是基于ASIC架構(gòu)的人工智能語(yǔ)音識(shí)別芯片，包含了腦神經(jīng)網(wǎng)絡(luò)處理硬件單元，能夠完美支持DNN運(yùn)算架構(gòu)，進(jìn)行高性能的數(shù)據(jù)并行計(jì)算，可極大的提高人工智能深度學(xué)習(xí)語(yǔ)音技術(shù)對(duì)大量數(shù)據(jù)的處理效率。
8）云知聲&UniOne芯片
云知聲是一家智能語(yǔ)音識(shí)別技術(shù)公司，成立于2012年，總部位于北京。今年8月剛剛獲得3億人民幣戰(zhàn)略投資，其中部分資金將用于加大人工智能專用芯片UniOne的研發(fā)力度。
UniOne將內(nèi)置DNN處理單元，兼容多麥克風(fēng)、多操作系統(tǒng)，對(duì)任何的場(chǎng)景不做限制，無(wú)論是在智能的空調(diào)上、車載上或其他智能設(shè)備上都可以植入這個(gè)芯片，該芯片具有高集成度的，低功耗、低成本的優(yōu)點(diǎn)。與此同時(shí)，公司還有IVM-M高性能嵌入式芯片，基于高通wifi模組，提供高性價(jià)比的物聯(lián)網(wǎng)語(yǔ)音交互整體方案，主要應(yīng)用在智能空調(diào)，廚電等職能家具產(chǎn)品上；基于Linux系統(tǒng)設(shè)計(jì)的Unitoy芯片可一站式解決兒童陪伴式機(jī)器人的喚醒、識(shí)別、設(shè)備互聯(lián)能力。
9）百度&XPU
百度2017年8月Hot Chips大會(huì)上發(fā)布了XPU，這是一款256核、基于FPGA的云計(jì)算加速芯片。合作伙伴是賽思靈(Xilinx)。XPU采用新一代 AI 處理架構(gòu)，擁有GPU的通用性和FPGA的高效率和低能耗，對(duì)百度的深度學(xué)習(xí)平臺(tái)PaddlePaddle做了高度的優(yōu)化和加速。據(jù)介紹，XPU關(guān)注計(jì)算密集型、基于規(guī)則的多樣化計(jì)算任務(wù)，希望提高效率和性能，并帶來(lái)類似CPU的靈活性。但目前XPU有所欠缺的仍是可編程能力，而這也是涉及FPGA時(shí)普遍存在的問(wèn)題。到目前為止，XPU尚未提供編譯器。
10）NovuMind
NovuMind成立于2015年，公司創(chuàng)始人是原百度異構(gòu)計(jì)算小組負(fù)責(zé)人吳韌，在北京及硅谷設(shè)有辦公室。公司于2017年初完成了A輪融資，投資方包括了真格基金、寬帶資本、英諾天使基金、洪泰基金、臻云創(chuàng)投、極客幫創(chuàng)投等，據(jù)報(bào)道近期正在籌備新一輪融資。
NovuMind主要為智能為汽車、安防、醫(yī)療、金融等領(lǐng)域提供ASIC芯片，并提供訓(xùn)練模型的全棧式AI解決方案。與Nvidia GPU或Cadence DSP的通用深度學(xué)習(xí)芯片不同，NovuMind專注于開(kāi)發(fā)一種“非常專用但非常高效地進(jìn)行推理”的深度學(xué)習(xí)加速器芯片。NovuMind設(shè)計(jì)了一種僅使用3×3卷積過(guò)濾器的AI芯片，通過(guò)使用獨(dú)特的張量處理架構(gòu)(tensorprocessing architecture)直接對(duì)三維Tensor進(jìn)行處理，新芯片將支持Tensorflow、Cafe和Torch模型。。NovuMind的第一個(gè)AI芯片(原型)預(yù)計(jì)會(huì)在17年圣誕節(jié)前推出。到明年2月份應(yīng)用程序準(zhǔn)備就緒，并能夠在該芯片上實(shí)現(xiàn)耗能不超過(guò)5瓦進(jìn)行15萬(wàn)億次浮點(diǎn)運(yùn)算。NovuMind的第二個(gè)芯片，耗能將不超過(guò)1瓦，計(jì)劃在2018年中期面世。
11）華為&麒麟970芯片
麒麟970搭載的神經(jīng)網(wǎng)絡(luò)處理器NPU采用了寒武紀(jì)IP。麒麟970采用了TSMC 10nm工藝制程，擁有55億個(gè)晶體管，功耗相比上一代芯片降低20%。CPU架構(gòu)方面為4核A73+4核A53組成8核心，能耗同比上一代芯片得到20%的提升；GPU方面采用了12核Mali G72 MP12GPU，在圖形處理以及能效兩項(xiàng)關(guān)鍵指標(biāo)方面分別提升20%和50%；NPU采用HiAI移動(dòng)計(jì)算架構(gòu)，在FP16下提供的運(yùn)算性能可以達(dá)到1.92 TFLOPs，相比四個(gè)Cortex-A73核心，處理同樣的AI任務(wù)，有大約50倍能效和25倍性能優(yōu)勢(shì)。
12）中星微電子&NPU
中星微2016年6月推出量產(chǎn)的NPU芯片“星光智能一號(hào)”，NPU采用了“數(shù)據(jù)驅(qū)動(dòng)并行計(jì)算”的架構(gòu)，單顆NPU(28nm)能耗僅為400mW，極大地提升了計(jì)算能力與功耗的比例，特別擅長(zhǎng)處理視頻、圖像類的海量多媒體數(shù)據(jù)。每個(gè)NPU由四個(gè)NPU內(nèi)核構(gòu)成；每個(gè)NPU內(nèi)核包括兩個(gè)數(shù)據(jù)流處理器和一個(gè)長(zhǎng)字處理器；每個(gè)數(shù)據(jù)流處理器由8個(gè)長(zhǎng)字或16個(gè)短字的SIMD(單指令多數(shù)據(jù))處理單元組成；每個(gè)NPU峰值可提供38Gops或76Gops短字的處理能力；支持通用的基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)層(ConvolutionLayer/Pooling Layer/Full Connection Layer/Activation Layer/Custom SpecificLayer)。
以上僅為根據(jù)公開(kāi)資料整理部分國(guó)內(nèi)AI處理器/芯片公司，更多公司資料將逐步完善。
來(lái)源：怪誕筆記 |
