东诚兴服务热线0755-23816763
在线咨询1
在线咨询2

全国服务热线

0755-23816763
业务微信号:吴隆权

什么样的“芯片”能支撑起智能时代?

当前位置:主页 > 关于东诚兴 > 新品快讯 >

“如果用刀来比喻芯片,通用处理器好比一把瑞士军刀,人工智能时代好比要拿刀来切肉,瑞士军刀可以拿来用,但它并非是为切肉设计的,所以效果并非最好。因此,我们需要专门打造一把切肉的刀,这把刀既要方便切肉,又要方便剁骨头,还需要具有一定的通用性。” 国内人工智能芯片领军企业中科寒武纪创始人陈天石这样描述人工智能芯片的重要性。高性能计算是人工智能发展的基石,也是最重要的基础设施。个人电脑时代和移动互联网时代的发展历程表明,承载高性能计算的芯片决定了一个新的计算平台的基础架构和发展生态。因此,业内将芯片视为人工智能时代的战略制高点和入场券。

 

目前,除了英特尔和高通等传统芯片企业加紧研发外,谷歌等全球科技巨头也纷纷加入芯片研发行列,中国处于奋力追赶状态,在不同技术路线上均有所突破。不过受限于芯片产业短板,我国人工智能芯片发展仍然任重道远。


“芯片不突破,不可能真正成功”
 

国内最早聚焦和从事人工智能软硬件结合与芯片研究的地平线机器人(22.290, -0.48, -2.11%)技术创始人兼CEO余凯表示,人工智能时代,上层的应用都依赖于底层核心能力,而这个核心能力就是人工智能处理器。清华大学微电子学研究所所长魏少军甚至直言:“中国这么多优秀的科学家正在做各种各样的人工智能算法和应用,但是如果在芯片上不能突破,就不可能真正成功。”

 

陈天石介绍,信息时代的产物——通用处理器(CPU),无法支撑起智能时代。例如,谷歌大脑用了上万个通用处理器核“跑”了数天来学习如何识别猫脸;“阿尔法狗”和韩国棋手李世石下棋时使用了上千个CPU和数百个图形处理器(GPU),平均每局电费近3000美元。对于绝大多数智能需求来说,基于通用处理器的传统计算机成本过高、速度过慢、功耗过高、体积过大,难以接受。

 

目前,国际科技巨头已经开始抢占这个人工智能时代的战略制高点。传统的CPU主要用来完成单线程任务,而人工智能目前采用的深度学习算法,有海量的数据运算需求,主要需要并行运算,对传统架构和系统提出了极大的挑战,AI芯片由此应运而生。2011年,仍在谷歌就职的吴恩达将英伟达的GPU应用于谷歌大脑中取得惊人效果,结果表明12颗GPU可以提供相当于2000颗CPU的深度学习性能。之后各地人工智能研究人员纷纷使用GPU来加速AI算法,GPU也成为目前最主流的AI芯片。根据英伟达公开信息,短短两年里,与英伟达在深度学习方面展开合作的企业便激增了近35倍,增至3400多家企业。去年,谷歌推出了其自主芯片TPU,并成功帮助升级版的“阿尔法狗”战胜中国围棋选手柯洁,它与GPU相比,用较低的精度提高性能,功耗下降到GPU的10%。老牌芯片企业英特尔也通过收购以色列公司Nervana布局人工智能芯片。

 

在中国,寒武纪、地平线机器人均为近两年成立的新锐芯片研发企业,拥有该领域的顶尖人才。中星微公司和清华大学也有团队从事前沿研究。“未来所有智能都是从芯片端发起的,而且未来的芯片一定是和云连接在一起的。”语音识别公司云知声公司CEO黄伟认为,芯片安全就是数据安全、云端安全、战略安全,“这也不难判定为什么谷歌砸钱也要弄自己的芯片,不可能让自己的数据在别人的芯片上‘跑’结果。”


不同技术路线图齐头并进
 

那么我们需要怎么样的芯片来引领人工智能时代呢?魏少军认为,人工智能芯片必须满足几个条件。第一,必须可编程,这样才能适应算法和应用的持续演进;第二,架构的动态可变性和高效的架构变换能力,因为没有一个单一架构的芯片可以适应所有的算法;第三,高计算效率和高能量效率。此外,还必须低成本、体积小,应用开发简便。在人工智能领域,世界范围内的科研人员开创了不同的技术路线,总结起来大概有如下几类:

 

第一类是基于图形处理器的AI芯片。以英伟达公司的GPU为代表,使用传统的计算机架构,也是目前应用领域最广的计算机芯片。主要被互联网公司采用,优点是成熟,缺点是功耗大。

 

第二类是专用架构的AI芯片。例如,我国中科院计算机所的寒武纪公司2016年推出了Cambricon-1A,是世界首款商用深度学习专用处理器产品,在运行主流智能算法时性能功耗相对CPU和GPU有数量级优势。

 

第三类是类脑计算芯片。清华大学类脑计算研究中心主任施路平教授介绍,随着脑认知和神经科学的发展,国内外都意识到智能技术可以从脑科学和神经科学中受到启发,借鉴人脑信息处理方式,发展类脑计算系统。国际上,近年来IBM推出的TrueNorth类脑计算芯片,就属于此类,它处理能力相当于1600万个神经元和2.56亿个神经突触,功耗比现有系统下降多个数量级。在国内,清华大学从2012年开始布局类脑计算研究,于2015年11月成功研制了国内首款超大规模的神经形态类脑计算“天机芯片”。

 

此外还有其他类型芯片。包括以谷歌的TPU为典型代表的基于刺激驱动的神经计算芯片。魏少军表示,为了克服传统芯片设计的一些局限,他领衔进行了可重构计算研究,团队成员尹首一副教授研究和设计了名为Thinker的芯片,该芯片具有高能效的突出优点,其能量效率相比目前在深度学习中广泛使用的GPU提升了三个数量级。

最新推荐

热销产品