隨著人工智能和機器學(xué)習(xí)的出現(xiàn)，芯片世界的巨大轉(zhuǎn)變隨之而來。

多年來，半導(dǎo)體行業(yè)似乎已經(jīng)達到了一種穩(wěn)定的平衡：英特爾在服務(wù)器領(lǐng)域幾乎擊敗了所有的RISC處理器，同時AMD也逐漸陷入低迷，使得英特爾的x86成為了主導(dǎo)者。而在GPU領(lǐng)域起步較晚的英偉達，在上世紀90年代就已經(jīng)淘汰了大多數(shù)競爭對手。而突然之間，就只剩ATI（現(xiàn)已被AMD收購）仍然在市場上存在。它只占英偉達之前市場份額的一半。

在較新的移動領(lǐng)域，似乎也是類似的壟斷故事：ARM統(tǒng)治著市場，英特爾曾用Atom處理器嘗試與之競爭，但在遭遇多次失敗后，在2015年最終選擇了放棄。就這樣，一切都與以往不同了，AMD重新成為了x86的競爭對手；針對大數(shù)據(jù)等專門任務(wù)的現(xiàn)場可編程門陣列（FPGA）的出現(xiàn)創(chuàng)造了一個新的利基市場。但實際上，隨著人工智能（AI）和機器學(xué)習(xí)（ML）的出現(xiàn)，芯片世界的巨大轉(zhuǎn)變也隨之而來。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。并且，它們都來自于不太可能的來源。

英特爾在2016年收購了初創(chuàng)公司Nervana Systems，進入了AI芯片市場，隨后它又收購了另一家公司Movidius，目的是開發(fā)圖像處理AI；

微軟正在為其HoloLens VR/AR頭戴設(shè)備開發(fā)人工智能芯片，而且有可能在其它設(shè)備中使用；

谷歌針對神經(jīng)網(wǎng)絡(luò)開發(fā)了一種特殊的人工智能芯片——“張量處理單元（TPU）”，該處理器可用于谷歌云平臺上的人工智能應(yīng)用；

亞馬遜正在為其Alexa家庭助理開發(fā)人工智能芯片；

蘋果正在研發(fā)一款名為“神經(jīng)引擎（Neural Engine）”的人工智能處理器，該處理器將為Siri和FaceID提供動力；

ARM公司最近推出了兩款新處理器——ARM機器學(xué)習(xí)（ML）處理器和ARM物體檢測（OD）處理器，這兩者都專注于圖像識別；

IBM正在開發(fā)專門的人工智能處理器，該公司還從英偉達那里獲得了NVLink的授權(quán)，用于專門針對人工智能和機器學(xué)習(xí)的高速數(shù)據(jù)傳輸；

即使是特斯拉這樣的非傳統(tǒng)科技公司也想要進入這個領(lǐng)域，其首席執(zhí)行官埃隆馬斯克（Elon Musk）去年承認，前AMD和蘋果芯片工程師Jim Keller將在特斯拉負責(zé)硬件制造，這些還沒有將初創(chuàng)公司計算在內(nèi)?！都~約時報》指出，據(jù)不完全統(tǒng)計，專注于人工智能的芯片創(chuàng)業(yè)公司（不是單純的軟件公司或芯片公司）已經(jīng)達到了45家，并且仍在繼續(xù)增長。

為什么在多年的芯片制造停滯之后，硬件突然出現(xiàn)了爆炸式的增長？畢竟，人們已經(jīng)達成共識，英偉達的GPU對人工智能來講非常優(yōu)秀，而且已經(jīng)被廣泛使用，為什么我們現(xiàn)在需要更多的芯片，并且是更多不同的芯片？

答案有些復(fù)雜，就像人工智能本身一樣。

投資導(dǎo)向和技術(shù)發(fā)展的影響

Intersect360 Research公司CEO Addison Snell說，盡管x86目前仍是計算領(lǐng)域的主流芯片架構(gòu)，但對于像人工智能這樣高度專業(yè)化的任務(wù)來說，它太普通了，該公司的主要業(yè)務(wù)是HPC（高性能計算）和人工智能。“人們希望AI成為一個通用的服務(wù)器平臺，因此，它必須在所有事情上都做得很好”他說，“在其他芯片的基礎(chǔ)上，各個公司正在開發(fā)專門針對某一應(yīng)用的產(chǎn)品，而操作系統(tǒng)和基礎(chǔ)設(shè)施的任務(wù)仍然留給x86來做。”

處理人工智能實際任務(wù)的過程與標(biāo)準計算或GPU處理是非常不同的，因此需要專門針對人工智能的芯片，x86 CPU可以完成人工智能任務(wù)，而實際只需要3個步驟的任務(wù)，它在執(zhí)行時需要經(jīng)過12個步驟，在某些情況下，GPU也可能把任務(wù)變得過于繁雜。

一般而言，科學(xué)計算是以確定性的方式完成的，比如你想知道2加3等于5，并計算到所有小數(shù)部分——x86和GPU可以做得很好。但是人工智能的本質(zhì)是，通過長期的觀察得出2.5加3.5等于6，而不需要真正去計算，如今人工智能的關(guān)鍵是從數(shù)據(jù)中發(fā)現(xiàn)的模式，而不是確定性的計算。

從更簡單的角度來說，人工智能和機器學(xué)習(xí)的定義是，它們利用過去的經(jīng)驗并加以改進。比如，著名的AlphaGo就通過模擬大量的圍棋比賽改進技術(shù)。另一個我們熟悉的例子就是Facebook的面部識別AI，經(jīng)過多年的訓(xùn)練，它可以精確地標(biāo)記你的照片（Facebook最近幾年進行了三次重大的面部識別收購：2012年收購Face.com、2016年收購Masquerade，2016收購Faciometrics）。

一旦用人工智能開展學(xué)習(xí)，就不需要重新學(xué)習(xí)了。這是機器學(xué)習(xí)的標(biāo)志（人工智能更大定義的一個子集）。從本質(zhì)上講，機器學(xué)習(xí)（ML）是一種使用算法來解析數(shù)據(jù)、從中學(xué)習(xí)、然后根據(jù)這些數(shù)據(jù)做出判斷或預(yù)測的實踐。這是一種模式識別的機制——機器學(xué)習(xí)軟件記住2加3等于5，所以整個人工智能系統(tǒng)可以使用這些信息。

 

再比如說，自動駕駛汽車的AI，并不是通過確定的事物來判斷周圍物體的活動路徑，它通過以往的經(jīng)驗，表示曾經(jīng)有一輛車，按照這樣的方式行駛。因此，系統(tǒng)能夠預(yù)測到特定類型的動態(tài)。

這種預(yù)測問題解決的結(jié)果是，人工智能計算可以通過單精度計算來完成。因此，雖然CPU和GPU都可以很好地完成，但實際上它們對任務(wù)來說是多余的。一個單精度芯片足以完成這項工作，并且能在更小、更低的功耗下完成。

毫無疑問，對于芯片來說，功耗和范圍是一個大問題——也許對人工智能來說尤其如此，因為一個尺寸并不能適用于這一領(lǐng)域的所有情況。在人工智能中包含機器學(xué)習(xí)，機器學(xué)習(xí)中又包含深度學(xué)習(xí)，所有這些都可以通過不同的設(shè)置被部署到不同的任務(wù)中。“并非所有的人工智能芯片都是一樣的，”英特爾旗下Movidius公司的營銷總監(jiān)Gary Brown說。Movidius針對深度學(xué)習(xí)過程制作了一個自定義芯片，因為深度學(xué)習(xí)涉及的步驟在CPU上受到高度限制。

“每個芯片可以在不同的時間處理不同的智能問題，我們的芯片是視覺智能，算法通過由攝像頭輸入的內(nèi)容學(xué)習(xí)。這是我們的重點。”Gary Brown表示，甚至有必要對網(wǎng)絡(luò)邊緣和數(shù)據(jù)中心等其加以區(qū)分——而在這個領(lǐng)域，公司只是意識到他們需要在不同的地方使用不同的芯片。

“處于邊緣的芯片無法與數(shù)據(jù)中心的芯片競爭，”他說，“像Xeon這樣的數(shù)據(jù)中心芯片必須具備高性能的性能，它與智能手機中的AI是不同的。在那里你必須將功耗降到1瓦以下，所以問題是，“哪里（的本地處理器）還不夠好，所以需要一個輔助芯片？”

畢竟，如果想在智能手機或AR頭戴設(shè)備上使用人工智能，電源是一個挑戰(zhàn)，英偉達的Volta處理器在人工智能處理領(lǐng)域占很重要的地位，但其功耗可達300瓦。所以不可能被用于手機中。

Sean Stetson是自動駕駛工業(yè)車輛制造商Seegrid的技術(shù)進步總監(jiān)，他也認為人工智能和機器學(xué)習(xí)到目前為止一直受到普通處理器的不好的影響。他表示：“為了讓算法發(fā)揮作用，無論是機器學(xué)習(xí)、圖像處理還是圖形處理，它們都有非常具體的工作流。”如果沒有專門針對這些模式設(shè)置的計算核心，那么就會進行大量的無用數(shù)據(jù)加載和傳輸。當(dāng)你在最低效的時候移動數(shù)據(jù)時，就會產(chǎn)生很多信號和瞬態(tài)的能量。而處理器的效率是以每條指令使用的能量來衡量的。”

當(dāng)然，更加專業(yè)化以及更高的能效并不是這些新的人工智能芯片存在的全部原因。IBM公司研究員兼IBM Power systems開發(fā)副總裁Brad McCredie表示，人們都爭先恐后地加入這一行列的更明顯的原因是：回報將會非常豐厚。他說：“IT行業(yè)幾十年來第一次看到了增長，我們看到了指數(shù)增長的拐點。”預(yù)期會有新的資金進入這一行業(yè)，而這一切都圍繞著人工智能。這就是導(dǎo)致大量風(fēng)投涌入這一領(lǐng)域的原因，人們看到了淘金潮，這是毫無疑問的”。
 

一個全新的生態(tài)系統(tǒng)

專注于人工智能的芯片并不是憑空設(shè)計的，伴隨它們的是處理人工智能和機器學(xué)習(xí)高度并行性的新方法。如果你構(gòu)建了一個人工智能協(xié)處理器，但是使用過時的標(biāo)準PC技術(shù)甚至是過時的服務(wù)器，那么這就像把法拉利引擎放在大眾甲殼蟲中一樣。

英特爾人工智能產(chǎn)品事業(yè)部首席技術(shù)官Amir Khosrowshahi表示。“當(dāng)人們談?wù)撊斯ぶ悄芎虯I芯片的時候，構(gòu)建人工智能解決方案需要大量的非人工智能技術(shù)，它會涉及到CPU、內(nèi)存、SSD和互連等，要讓所有這些都發(fā)揮作用，是非常關(guān)鍵的。”

例如，當(dāng)IBM為任務(wù)關(guān)鍵系統(tǒng)設(shè)計其Power9處理器時，它使用英偉達的高速NVLink來支持核心互連、PCI Express Generation 4，以及它自己的接口OpenCAPI（相干加速器處理器接口），OpenCAPI是一種新的連接類型，它為內(nèi)存、加速器、網(wǎng)絡(luò)、存儲和其他芯片提供高帶寬、低延遲連接。

McCredie說，x86的生態(tài)系統(tǒng)沒有跟上。他指出，PCI Express Gen 3在市場上已經(jīng)有7年沒有重大更新（第一次只是最近才出現(xiàn)），而IBM是最早采用這一技術(shù)的公司之一，x86服務(wù)器仍在使用PCIe Gen 3，它的帶寬只有4 Gen的一半。他說：“計算能力的爆炸式增長將需要更大的計算能力，我們需要處理器來做它們能夠完成的所有事情，然后在這個基礎(chǔ)上再多做一些，該行業(yè)終于開始關(guān)注內(nèi)存帶寬和輸入/輸出帶寬的性能，這些東西正成為系統(tǒng)性能的一階約束”。

McCredie繼續(xù)說道：“我認為加速器將會增長，將來會有更多的工作負載，因此需要更多的加速。我們甚至?xí)剡^頭來加速常見的工作負載，例如數(shù)據(jù)庫和ERP（企業(yè)資源規(guī)劃）。我認為，我們正看到行業(yè)中一個堅實的趨勢開始，現(xiàn)在我們更加注重加速，更加注重市場適應(yīng)性。

但是硬件本身并不能在機器學(xué)習(xí)中學(xué)習(xí)，軟件才是主要的部分。在所有這些新芯片的熱潮中，幾乎沒有提到與硬件協(xié)同工作的軟件。“幸運的是，這是因為這些軟件在很大程度上已經(jīng)存在，它正在等待芯片趕上來，”金融分析和人工智能開發(fā)商OTAS Technologies的首席執(zhí)行官Tom Doris說。

“我認為，如果你看一看以前的歷史，就會發(fā)現(xiàn)一切都是硬件驅(qū)動的，算法并沒有太大的改變，技術(shù)進步都是由硬件的進步推動的，這對我來說有點意外，因為我已經(jīng)離開這個領(lǐng)域好幾年了，自90年代末以來，軟件和算法方面并沒有發(fā)生太大的變化，基本上都是計算能力的改變”他說。

彭博首席技術(shù)官辦公室的數(shù)據(jù)科學(xué)家David Rosenberg也認為，目前軟件的狀況良好。他表示：“在某些領(lǐng)域，軟件還有很長的路要走，這與分布式神經(jīng)計算的技術(shù)有關(guān)，但對于我們已經(jīng)知道解決方法的問題，軟件已經(jīng)得到了很好的改進。現(xiàn)在的問題是硬件怎樣能夠足夠快地、高效地執(zhí)行軟件。”

事實上，目前的情況是，硬件和軟件正在并行開發(fā)，目的是支持這一新的人工智能芯片及其用例。前斯坦福大學(xué)教授Ian Buck說，在英偉達，軟件和硬件團隊的規(guī)模大致相同。Buck教授開發(fā)了CUDA編程語言（CUDA允許開發(fā)者編寫應(yīng)用程序并使用Nvidia的GPU進行并行處理，而不是CPU）。Buck在英偉達主要負責(zé)的是人工智能領(lǐng)域。

他說：“我們正在針對系統(tǒng)軟件、程序庫、人工智能框架和編譯器開發(fā)新的架構(gòu)，所有這些都是為了利用每天出現(xiàn)的新方法和神經(jīng)網(wǎng)絡(luò)，在人工智能領(lǐng)域取得成功的唯一途徑，不僅僅是構(gòu)建偉大的芯片，而且要緊密地整合到軟件的堆棧中，以實現(xiàn)和優(yōu)化每天都在發(fā)明的新網(wǎng)絡(luò)。”

因此，對于Buck來說，人工智能代表一種新的計算方式的原因之一是，他相信它確實構(gòu)成了硬件和軟件之間的一種新型的關(guān)系，我們不需要考慮向后的兼容性，我們正在重新設(shè)計那些擅長處理此類任務(wù)的處理器，并與軟件一起運行。

這場芯片競賽的未來在哪？

雖然現(xiàn)在人工智能芯片領(lǐng)域有很多潛在的開發(fā)商，但圍繞這些計劃的最大問題之一是，有多少會進入市場，有多少能夠接觸到供應(yīng)商，又有多少會被淘汰。畢竟如今大多數(shù)的人工智能芯片仍然只是幻影。

當(dāng)涉及到許多非CPU制造商設(shè)計的人工智能芯片時，比如谷歌、Facebook和微軟等，似乎這些公司正在為自己的使用定制芯片，而且很可能永遠不會把它們推向市場。這些實體擁有數(shù)十億美元的收入，完全有能力投入到定制芯片的研發(fā)中，而無需立即得到投資回報。因此，用戶可能會依賴谷歌的TPU作為谷歌云服務(wù)的一部分，但谷歌不會直接出售TPU服務(wù)。這也是Facebook和微軟期望的模式。

而其他芯片則肯定會上市，英偉達最近宣布了三款新型芯片：為智能機器人設(shè)計的Jetson Xavier系統(tǒng)芯片、為自主出租車的深度學(xué)習(xí)而設(shè)計的Drive Pegasus芯片以及針對半自動駕駛汽車的Drive Xavier。為所有這些提供動力的是Isaac Sim虛擬仿真環(huán)境，開發(fā)者可以用它來訓(xùn)練機器人，并用Jetson Xavier進行測試。

與此同時，英特爾承諾，其收購Nervana公司后推出的的首款機器學(xué)習(xí)處理器將在2019年以Spring Crest的代號進入市場。目前，該公司還擁有一款名為“Lake Crest”的人工智能芯片，利用這一芯片，開發(fā)者們可以使用人工智能來解決自己的問題。英特爾表示，Spring Crest最終將提供三到四倍于Lake Crest的性能。

所有這些都能存活嗎？“我認為，在未來，我們將看到人工智能的進化過程，”Movidius公司的Gary Brown說。“如果你想要在數(shù)據(jù)中心使用AI，就需要一個數(shù)據(jù)中心芯片，如果你想要一個頭戴設(shè)備，你也可以找到一個對應(yīng)的芯片，這將是AI芯片的發(fā)展趨勢，我們可能會看到不同的芯片有不同的優(yōu)勢，這些可能會被集成到CPU中，我們可能還會看到有多個功能的芯片。”

如果所有的感覺都像是似曾相識，也許現(xiàn)實就是這樣，人工智能芯片的發(fā)展在某種程度上與過去芯片的演變過程相匹配——從高度專業(yè)化和眾多競爭對手開始，但最終一些產(chǎn)品獲得了動力，少數(shù)幾個市場領(lǐng)導(dǎo)者則具備多個功能。30年前，80386是最重要的桌面芯片，如果你需要在Lotus 1-2-3中做大量計算，你可以為你的IBM PC-AT購買數(shù)學(xué)協(xié)微處理器80387。接著是80486，英特爾成功地將數(shù)學(xué)處理器集成到CPU中。然后，CPU慢慢地獲得了諸如安全擴展、內(nèi)存控制器之類的東西，之后是GUP。

就像其他技術(shù)一樣，目前新興的人工智能芯片產(chǎn)業(yè)領(lǐng)域眾多競爭對手的局面不會維持太久。例如，OTAS的Doris指出，許多不上市的內(nèi)部使用芯片會成為高級技術(shù)人員的主要項目，而更換政權(quán)通常意味著采用行業(yè)標(biāo)準。Intersect360的Snell指出，今天的人工智能芯片初創(chuàng)公司也將減少——正如他所說，“現(xiàn)在有太多的競爭對手需要整合。”事實上，許多初創(chuàng)公司只是希望開辟出一個利基市場，吸引大公司來收購它們。
 

IBM的McCredie說：“我同意，這將會是一個艱難的過程，但是范圍必須縮小，有一天，這可能意味著這個新的芯片領(lǐng)域看起來與老的芯片領(lǐng)域并無兩樣——就像之前的x86、英偉達GPU、ARM等。

但就目前而言，這種人工智能芯片競賽剛剛起步，許多新進入者都打算繼續(xù)向前。

（選自：Ars Technica 作者：ANDY PATRIZIO 編譯：網(wǎng)易智能 參與：李擎）
 免責(zé)聲明：刊載本文目的在于傳播更多行業(yè)信息，內(nèi)容均來自網(wǎng)絡(luò)轉(zhuǎn)載或網(wǎng)友提供，如有侵權(quán)請及時聯(lián)系我們刪除！本站不承擔(dān)任何爭議和法律責(zé)任！