AI芯片洗牌演繹哪些新趨勢

張心怡

無芯片不AI，芯片是支撐人工智能的基礎。2019年，云端AI芯片迎來亞馬遜、高通、阿里巴巴、Facebook等新玩家，軟硬一體化趨勢加強;終端芯片功耗比競爭加劇，語音芯片持續(xù)火熱;邊緣AI芯片勢頭初現(xiàn)。2020年，AI芯片將逐漸進入洗牌期，機遇與挑戰(zhàn)并存。

邊緣AI芯片進入搶灘戰(zhàn)

圍繞邊緣AI芯片的搶灘布局已經(jīng)開始，頭部廠商正在打造云、邊、端一體化的計算格局。

AI正在從云端向邊緣端擴展，邊緣計算被視為人工智能的下一個戰(zhàn)場。寒武紀副總裁劉道福表示，在邊緣計算種類中，邊緣往往和各類傳感器相連，而傳感器的數(shù)據(jù)往往是非結構化的，很難直接用于控制和決策，因此需要邊緣人工智能計算將非結構化的數(shù)據(jù)結構化，從而用于控制和決策。

2019年，圍繞邊緣AI芯片的搶灘布局已經(jīng)開始。一方面，英偉達、寒武紀、百度等已經(jīng)在云、端有所積累的廠商，希望以邊緣芯片完善云、邊、端生態(tài)，打造一體化的計算格局。英偉達發(fā)布了面向嵌入式物聯(lián)網(wǎng)的邊緣計算設備Jetson?Nano，適用于入門級網(wǎng)絡硬盤錄像機、家用機器人以及具備全面分析功能的智能網(wǎng)關等應用，之后英偉達又發(fā)布了邊緣AI超級計算機Jetson?Xavi-er?NX，能夠在功耗10W的模式下提供最高14TOPS，在功耗15W模式下提供最高21TOPS的性能。

寒武紀發(fā)布了用于深度學習的SoC邊緣加速芯片思元220，采用臺積電16nm工藝，最大算力32TOPS（INT4），功耗控制在10W，支持Tensorflow、Caffe、mxnet以及py-torch等主流編程框架。百度聯(lián)合三大運營商、中興、愛立信、英特爾等企業(yè)，發(fā)起百度AI邊緣計算行動計劃，旨在利用AI推理、函數(shù)計算、大數(shù)據(jù)處理和產(chǎn)業(yè)模型訓練推動AI場景在邊緣計算的算力部署和平臺支持。

另一方面，自動駕駛等專用邊緣AI芯片勢頭漸顯。地平線宣布量產(chǎn)國內(nèi)首款車規(guī)級AI芯片“征程二代”，采用臺積電28nm工藝，可提供超過4TOPS的等效算力，典型功耗控制在2瓦，延遲少于100毫秒，多任務模式下可同時運行超過60個分類任務，每秒識別目標數(shù)超過2000個，以應對車聯(lián)網(wǎng)對強實時響應的需求。

多個新玩家入局云端

軟件是智能操作的核心，隨著異構計算逐漸導入AI芯片，軟硬件協(xié)同成為云端AI的重要趨勢。

云端仍然是AI芯片的主要戰(zhàn)場。2019年，云端芯片迎來多個新玩家，算力大戰(zhàn)持續(xù)升級。

高通推出了面向數(shù)據(jù)中心推理計算的云端AI芯片Cloud?AI?100，峰值性能超過350TOPS，相比其他商用方案每瓦性能提升10倍。

云服務領跑者亞馬遜推出了機器學習推理芯片AWS?Inferentia，最高算力為128TOPS，在AI推理實例inf1可搭載16個Inferentia芯片，提供最高2000TOPS算力。

阿里巴巴推出號稱“全球最高性能AI推理芯片”含光800，采用自研芯片架構和達摩院算法，在Resnet50基準測試中獲得單芯片性能第一。

騰訊投資的燧原科技發(fā)布了面向云端數(shù)據(jù)中心的AI加速卡云燧T10，單卡單精度算力達到20TOPS，支持單精度FP32和半精度BF16的混合精度計算，并為大中小型數(shù)據(jù)中心提供了單節(jié)點、單機柜、集群三種模式，在集群模式下可通過片間互聯(lián)實現(xiàn)1024節(jié)點集群。

芯片是AI的載體，而軟件是完成智能操作的核心。隨著異構計算逐漸導入AI芯片，軟硬件協(xié)同成為云端AI的重要趨勢。英特爾推出了面向異構計算的統(tǒng)一軟件平臺One?API，以隱藏硬件復雜性，根據(jù)系統(tǒng)和硬件自動適配功耗最低、性能最佳的加速方式，簡化并優(yōu)化編程過程。賽靈思也推出了軟件平臺VitisAI，向用戶開放易于訪問的軟件接口，可根據(jù)軟件或算法自動適配賽靈思硬件架構。

功耗比仍是終端側重點

AI正在滲入手機和語音芯片，反映了AI芯片在特定領域的專業(yè)化、定制化趨勢。

在終端側，功耗比仍然是角逐焦點。尤其在手機等對于續(xù)航能力錙銖必較的終端，主力廠商推出的AI引擎都對低功耗有所強調(diào)。

麒麟990?5G的NPU采用雙大核+微核的方式，大核負責性能，微核擁有超低功耗。據(jù)介紹，微核在人臉檢測的應用場景下，能耗是大核工作的1/24。高通發(fā)布的驍龍865集成了傳感器中樞，讓終端能夠以極低功耗感知周圍情境。三星提出通過較低功耗的NPU實現(xiàn)終端設備上的AI處理，實現(xiàn)在設備端直接執(zhí)行更復雜的任務。

除了手機，終端側的另一個當紅炸子雞是AI語音芯片?？拼笥嶏w、阿里巴巴、探境科技、清微智能等都發(fā)布了針對智能家居的AI語音芯片，反映了AI芯片在特定領域的專業(yè)化、定制化趨勢。阿里達摩院公布了首款專用于語音合成算法的AI?FPGA芯片技術Ouro-boros，使用了端上定制硬件加速技術，降低對云端網(wǎng)絡的依賴，支持實時語音合成和AI語音識別，有望率先在天貓精靈搭載。

2020機遇挑戰(zhàn)并存

AI芯片將持續(xù)火熱，企業(yè)扎堆進入。但是2020年前后，將出現(xiàn)一批出局者，行業(yè)洗牌開始。

2019—2021年，中國AI芯片市場規(guī)模仍將保持50%以上的增長速度，到2021年，市場規(guī)模將達到305.7億元。賽迪智庫預測，2019—2021年，云端訓練芯片增速放緩，云端推理芯片、終端推理芯片市場增長速度將持續(xù)上升。預計2021年，中國云端訓練芯片市場規(guī)模將達到139.3億元，云端推理芯片市場規(guī)模將達到82.2億元，終端推理芯片市場規(guī)模將達到84.1億元。

集邦咨詢分析師姚嘉洋向記者指出，2019年，AI芯片大致走出了一條較為清晰的道路，端、邊、云的芯片規(guī)格相對明確。2020年，各大芯片廠會延續(xù)2019年的產(chǎn)品發(fā)展路徑，持續(xù)深化芯片的性價比及功耗比表現(xiàn)。從訓練端來看，值得關注的是HBM（高頻寬存儲器）的整合與相關的封裝技術良率，這會牽動芯片廠商與存儲器及封測廠商之間合作關系的變化。推理端的決戰(zhàn)點在INT8領域，重點在于如何進一步提升芯片本身的性能及功耗表現(xiàn)。

5G、VR/AR等新技術，也將為AI芯片，尤其是邊緣側的AI芯片提供更多發(fā)揮空間。Arm?ML事業(yè)群商業(yè)與營銷副總裁Dennis?Laudick曾向記者表示，5G通信技術改變了數(shù)據(jù)處理方式，讓邊緣AI的工作負載有了處理需求?？梢哉f，5G帶來了網(wǎng)絡邊緣的更多創(chuàng)新。姚嘉洋也表示，AI在5G核心網(wǎng)絡存在機會，由于5G帶來了更多元的頻譜組合，AI可以輔助核心網(wǎng)絡更有效地調(diào)度網(wǎng)絡資源，將頻寬資源的利用達到極大化。同時，5G也涵蓋車聯(lián)網(wǎng)，AI在自動駕駛方面將大有機會。在VR/AR端，AI也在導入，主要聚焦在人眼追蹤或是場景識別等應用，有望改善VR/AR的流暢度與實時性表現(xiàn)。

清華大學微電子所所長魏少軍表示，從產(chǎn)業(yè)發(fā)展規(guī)律來看，在2019-2020年，AI芯片將持續(xù)火熱，企業(yè)扎堆進入;但是2020年前后，將出現(xiàn)一批出局者，行業(yè)洗牌開始。由于目前AI算法還在不斷演進匯總的過程中，最終的成功與否將取決于各家技術路徑的選擇和產(chǎn)品落地的速度。

痛點尚待攻克

AI芯片短期內(nèi)以異構計算為主，中期要發(fā)展自重構自學習，長期則朝向通用計算芯片發(fā)展。

近兩年，AI在語音識別、圖像識別等應用領域取得突破，但要從單點突破走向全面開花，需要AI領域誕生如同CPU一樣的通用AI計算芯片。清華大學微納電子系副教授尹首一等專家指出，AI芯片短期內(nèi)以異構計算為主，中期要發(fā)展自重構、自學習、自適應，長期則朝向通用計算芯片發(fā)展。

具體來說，AI要從應用適應硬件走向硬件適應應用，就要求AI芯片具備可編程性及動態(tài)可變的計算架構，來應對層出不窮的新算法和新應用。魏少軍表示，AI芯片一要適應算法的演進，二要有適應所有應用的架構，這就要求架構具備高效的轉化能力。在成本敏感的消費電子領域，還需關注AI芯片的計算效能，達到低功耗、小體積、開發(fā)簡易，這些都需要架構上的創(chuàng)新。

全球AI芯片產(chǎn)業(yè)仍處于產(chǎn)業(yè)化早期階段，國產(chǎn)處理器廠商與國際廠商在人工智能這一全新賽場上處在同一起跑線。耐能創(chuàng)始人兼CEO劉峻誠表示，中國擁有龐大的智能手機、智能家居、智能安防市場，對中國的AI公司而言，不僅在服務國內(nèi)客戶時具有本土化優(yōu)勢，還可借助這些客戶的生產(chǎn)制造優(yōu)勢進軍海外市場，實現(xiàn)“立足中國，放眼全球”的商業(yè)布局。