上周，百度宣布了自家首款云端AI芯片的進(jìn)展。一石激起千層浪，芯片熱潮再次走進(jìn)了人們的視線。從國內(nèi)的情況來看，中國目前已經(jīng)涌現(xiàn)出了地平線、寒武紀(jì)、深鑒科技、中芯微等一批明星初創(chuàng)企業(yè)。而在國外，隨著PC芯片需求量下滑，連續(xù)幾年走下坡路的芯片巨頭英特爾也開始了向AI芯片的轉(zhuǎn)型。此外，互聯(lián)網(wǎng)巨頭谷歌、車企巨頭特斯拉、社交巨頭Facebook也紛紛加入了芯片戰(zhàn)場。在人工智能革命的影響下，一場新的芯片軍備競賽即將展開。

多年來，半導(dǎo)體世界似乎已經(jīng)有了一種穩(wěn)定的平衡狀態(tài)：英特爾擊敗了服務(wù)器領(lǐng)域幾乎所有RISC處理器，讓其x86系列成為了主導(dǎo)者。而GPU領(lǐng)域起步較晚的英偉達(dá)，在上世紀(jì)90年代就已淘汰了大部分的競爭對手，如今只剩下ATI、AMD在該市場上仍占據(jù)一小部分份額。

在較新的移動領(lǐng)域，似乎也是一個這樣的壟斷故事：ARM領(lǐng)導(dǎo)著這個市場。英特爾曾嘗試用Atom處理器與之競爭，但最后還是在2015年選擇了放棄。

即使這樣，似乎一切又都有所改變。如今，AMD重新成為了x86的競爭對手；現(xiàn)場可編程門陣列（FPGA）引領(lǐng)了一個新的利基市場；而人工智能和機器學(xué)習(xí)的出現(xiàn)也讓芯片市場發(fā)生了動蕩?？梢哉f，隨著這些新興技術(shù)的出現(xiàn)，大量的新處理器已經(jīng)到來。

小智君整理如下：

1、2016年，英特爾收購創(chuàng)業(yè)公司Nervana Systems進(jìn)入AI芯片市場，隨后又收購了Movidius開發(fā)圖像處理AI；

2、微軟正在為其HoloLens VR ／ AR耳機開發(fā)AI芯片，并有可能在其他設(shè)備中使用；

3、谷歌自研了一款用于神經(jīng)網(wǎng)絡(luò)的AI芯片——張量處理單元（TPU），用于谷歌云平臺上的AI應(yīng)用程序；

4、有報道稱，亞馬遜正在為其Alexa開發(fā)AI芯片；

5、蘋果正在開發(fā)一款名為神經(jīng)引擎（Neural Engine）的AI處理器，為Siri和FaceID提供動力；

6、ARM最近推出了兩款新處理器，專注于圖像識別的ARM機器學(xué)習(xí)處理器和ARM物體檢測（Object Detection）處理器；

7、IBM正在開發(fā)專門的人工智能處理器，還從英偉達(dá)獲得NVLink許可，用于人工智能和機器學(xué)習(xí)的高速數(shù)據(jù)傳輸；

8、即使像特斯拉這樣的非傳統(tǒng)科技公司也希望進(jìn)入這一領(lǐng)域，去年該公司首席執(zhí)行官埃隆·馬斯克承認(rèn)前AMD和蘋果芯片工程師Jim Keller （現(xiàn)已離職）將負(fù)責(zé)硬件制造。

這還是沒有將初創(chuàng)企業(yè)計入在內(nèi)的情況。紐約時報稱曾報道稱，按照不完全統(tǒng)計，目前專注于芯片領(lǐng)域的初創(chuàng)公司已經(jīng)達(dá)到了45家。那為什么在芯片制造停滯多年之后，又突然爆發(fā)了呢？畢竟，在多數(shù)人看來，英偉達(dá)的GPU對AI而言是夠用的。

答案有點復(fù)雜，就如人工智能本身。

原因一：投資、功耗和能效

雖然x86目前仍然是計算機的主要芯片架構(gòu)，但它對于要執(zhí)行高度專業(yè)化任務(wù)的AI來說，還是太普通了。研究員們對AI的終極目標(biāo)是構(gòu)建一個通用的服務(wù)器平臺，因此，AI需要擅長一切。事實上，處理AI的實際任務(wù)與標(biāo)準(zhǔn)計算或GPU處理是完全不同的，因此研究人員認(rèn)為定制AI芯片是必要的。

通常情況下，科學(xué)計算是以確定的方式進(jìn)行的。比如，你想知道2加3等于5，并計算到所有的小數(shù)部分——x86和GPU做得很好。但人工智能的本質(zhì)是，在不經(jīng)過實際計算的情況下，可以學(xué)會2．5加3．5等于6。換句話說，人工智能的重要之處在于數(shù)據(jù)中的發(fā)現(xiàn)模式，而非確定性計算。

人工智能和機器學(xué)習(xí)的定義是從過去的經(jīng)驗中汲取教訓(xùn)并改進(jìn)。一旦通過AI展開學(xué)習(xí)，便不會再需要進(jìn)行重新學(xué)習(xí)了，這是機器學(xué)習(xí)的標(biāo)志（人工智能更高定義的一個子集）。機器學(xué)習(xí)的核心是用算法解析數(shù)據(jù)，從中學(xué)習(xí)后根據(jù)數(shù)據(jù)進(jìn)行判斷或預(yù)測。

比如AlphaGo通過大量的圍棋比賽來進(jìn)行自我提升；Facebook的面部識別技術(shù)經(jīng)過多年訓(xùn)練學(xué)會了標(biāo)簽照片；自動駕駛汽車的AI不是通過確定的事物來判斷周圍物體的活動路徑，而是通過以往的經(jīng)驗表示曾有另一輛車以這種方式行駛。

這種預(yù)測性問題解決的結(jié)果是AI計算可以通過單精度計算完成。因此，雖然CPU和GPU都能很好地完成，但它們對于任務(wù)來說是多余的。單精度芯片可以承擔(dān)這項任務(wù)，并在更小，更低功耗的情況下完成。

毫無疑問，功耗和范圍對于芯片來說是一個大問題，特別是對人工智能，因為一個尺寸并不能適用于該領(lǐng)域的所有情況。人工智能包含了機器學(xué)習(xí)，而機器學(xué)習(xí)包括了深度學(xué)習(xí)，所有技術(shù)都可以通過不同的設(shè)置部署到不同的任務(wù)中。

“不是每個AI芯片都一樣，”英特爾旗下Movidius的營銷總監(jiān)Gary Brown表示。“每個芯片可以在不同時間處理不同的智能問題。我們的芯片是視覺智能，算法通過相機輸入來從所看到的內(nèi)容學(xué)習(xí)。這是我們的重點?！?br/>

同時，如果要在人手必備的智能手機或者AR耳機上嵌入AI，電源就成了最大的挑戰(zhàn)。英偉達(dá)的Volta處理器可以說是人工智能領(lǐng)域的“霸主”，但功耗高達(dá)300瓦，所以，用于手機不現(xiàn)實。

當(dāng)然，對專業(yè)化和高能效的追求也不是AI芯片存在的全部原因。IBM研究員兼IBM Power Systems的開發(fā)副總裁Brad McCredie提出了一個更為明顯的原因：“幾十年來，IT行業(yè)首次出現(xiàn)增長，而且是指數(shù)變化。同時，預(yù)計會有更多資金會進(jìn)入這個行業(yè)，且都是圍繞AI的。這種情況會導(dǎo)致大量的VC涌入該領(lǐng)域。毫無疑問，人們看到了淘金熱。”

原因二：一個全新的生態(tài)系統(tǒng)

專注于人工智能的芯片不是憑空設(shè)計的，伴隨它們的是處理人工智能和機器學(xué)習(xí)并行性的新方法。如果用標(biāo)準(zhǔn)PC的過時技術(shù)來構(gòu)建AI協(xié)處理器，那就像將法拉利引擎放入了大眾甲殼蟲一樣。

英特爾首席技術(shù)官兼Nervana聯(lián)合創(chuàng)始人Amir Khosrowshahi說：“當(dāng)人們談?wù)撊斯ぶ悄芎虯I芯片時，構(gòu)建人工智能解決方案會涉及很多非AI技術(shù)，比如CPU，內(nèi)存，SSD和互連等。讓所有這些發(fā)揮作用很關(guān)鍵?！迸e個例子，當(dāng)IBM為關(guān)鍵任務(wù)系統(tǒng)設(shè)計Power9處理器時，使用了英偉達(dá)的高速NVLink進(jìn)行核心互連。

不過硬件本身不能在機器學(xué)習(xí)中的學(xué)習(xí)，軟件起著重要作用。事實上，現(xiàn)在硬件和軟件正在并行的軌道上發(fā)展，目的是支持新型AI芯片及其使用浪潮。開發(fā)了CUDA編程語言（CUDA允許開發(fā)人員編寫應(yīng)用程序并使用英偉達(dá)GPU進(jìn)行并行處理）的前斯坦福大學(xué)教授Ian Buck指出在英偉達(dá)，軟件和硬件團隊的規(guī)模大致相同。

對Buck來說，人工智能代表一種新型計算的原因之一，是因為它構(gòu)成了硬件和軟件之間的一種新型關(guān)系。“我們不需要考慮向后兼容，我們正在重新設(shè)計處理這些任務(wù)的處理器并與軟件一起運行?！?/p>

一場各懷“芯”思的軍備競賽

如今，在AI芯片領(lǐng)域有很多潛在的開發(fā)商，面臨的最大問題是有多少可以進(jìn)入市場，有多少會保留給供應(yīng)商，還有多少會被淘汰。畢竟，現(xiàn)在多數(shù)AI芯片仍是空頭支票。

很多設(shè)計AI芯片的非CPU制造商，如谷歌，F(xiàn)acebook和微軟等，似乎都在正在針對自己的產(chǎn)品研發(fā)定制芯片，而且很可能不會將之推向市場。對擁有數(shù)十億美元收入的他們來說，有資本投入到定制芯片的研發(fā)中，也無需立即得到回報。因此，用戶可能會依賴谷歌的TPU作為其谷歌云服務(wù)的一部分，但卻不會直接銷售。這也是Facebook和微軟想要的。

至于其他芯片，肯定會上市。英偉達(dá)最近宣布推出三款面向智能機器人的芯片Jetson Xavier，全球首款專為機器人設(shè)計的計算機。與此同時，英特爾承諾其代號為Spring Crest的首款商用神經(jīng)網(wǎng)絡(luò)專用人工智能芯片將在2019年發(fā)布。

但所有參與者都能存活下來嗎？“未來，我們會看到人工智能的進(jìn)化過程，”Gary Brown說?！叭绻朐跀?shù)據(jù)中心使用AI，就需要一個芯片。我們可能會看到不同的芯片有不同的優(yōu)勢被集成到CPU中?；蛟S，我們還有可能看到具有多種功能的芯片。”

是不是覺得這種發(fā)展有點似曾相識？其實，AI芯片的發(fā)展在某些方面可以與過去芯片的演變相匹配——從高度專業(yè)化和眾多的競爭對手開始，到一些產(chǎn)品贏得關(guān)注，最后一些市場的領(lǐng)導(dǎo)者兼?zhèn)涠囗椆δ堋Ｈ昵埃?0386是首屈一指的桌面芯片，之后是80486，最后CUP逐漸獲得了安全擴展功能，發(fā)展成了GPU。

因此，與其他所有技術(shù)一樣，新興的AI芯片行業(yè)當(dāng)前眾多競爭對手的局面不會維持太久。OTAS的Doris指出，許多不上市的內(nèi)部使用芯片將成為高級技術(shù)人員的關(guān)注項目。 Intersect360的Snell表示，AI芯片初創(chuàng)公司的數(shù)量也會減少，“現(xiàn)在有太多的AI芯片創(chuàng)企了，需要被整治?！笔聦嵣希蟛糠謩?chuàng)業(yè)公司都只是希望開辟一個可以吸引大公司對其進(jìn)行收購的利基市場而已。IBM的McCredie也表達(dá)了同樣的觀點，“我同意，這將是一個艱難的選擇，但必須要縮小范圍。”

或許，有一天，這個新芯片領(lǐng)域看起來與舊芯片領(lǐng)域別無兩樣——x86，英偉達(dá)GPU，ARM等。但就目前而言，這場AI芯片競賽已經(jīng)脫離了起跑線，并且其眾多參賽者都打算繼續(xù)堅持下去。

文 ｜ 人工智能觀察