人工智能說了60年，為何還沒有普及？

　　人工智能(Artificial Intelligence， AI)無疑是科技圈近來最火爆的話題，不過對于AI這個提出已經(jīng)超過60年的概念，能否在第三波浪潮中解決算法、計算效率、數(shù)據(jù)等問題實現(xiàn)普及成為了業(yè)界關(guān)注的焦點。為加速人工智能的落地與普及，我們看到谷歌、英偉達、英特爾、高通等巨頭紛紛從處理器入手，解決重要的計算效率問題。當(dāng)然，為解決計算效率問題也給芯片IP授權(quán)商帶來了機會與挑戰(zhàn)。那么，IP授權(quán)商如何加速人工智能的普及?

　　歷經(jīng)60多年 人工智能為何仍未普及?

　　對此，CEVA分部營銷總監(jiān)Yair Siegel在接受《華強電子》記者采訪時表示：“就AI的夢想而言，它們距離模仿人腦功能仍然非常遙遠。”

　　即便距離AI夢想還遙遠，2012年之前關(guān)于人工智能的兩極化觀點也還同時存在，但2015年之后，人工智能又迎來了第三次浪潮。Cadence亞太區(qū)IP業(yè)務(wù)銷售總監(jiān)陳會馨女士接受采訪時表示：“人工智能的實現(xiàn)需要處理器有很強的運算能力，但人工智能提出的時候芯片行業(yè)剛剛起步，集成電路也還未到大規(guī)模的狀態(tài)，硬件的運算能力遠遠不能滿足人工智能的需求。這幾年人工智能再次受到關(guān)注，其中重要的原因就是硬件載體的運算能力有了飛速的提升?！盰air Siegel補充到：“業(yè)界研究人工智能和機器學(xué)習(xí)已有多年時間，最近數(shù)年中，在稱為神經(jīng)網(wǎng)絡(luò)的學(xué)術(shù)算法研究領(lǐng)域取得了重大突破。這些用于神經(jīng)網(wǎng)絡(luò)的全新算法可以更好地模仿人腦學(xué)習(xí)和取得結(jié)論的能力。2016年谷歌的DeepMind AlphaGo深度神經(jīng)網(wǎng)絡(luò)項目在中國圍棋比賽中打敗了人類圍棋冠軍李世石，也可能是這項技術(shù)一個很好的轉(zhuǎn)折點。同時，我們也看到了許多其它的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)能夠?qū)崿F(xiàn)目標(biāo)識別、語音識別和語言理解等人工智能功能。”

　　人工智能普及三大核心要素 運算效能等成IP授權(quán)商重要挑戰(zhàn)

　　“人工智能雖然沒有達到普及的程度，但現(xiàn)在正在對世界科技格局產(chǎn)生重要影響。影響人工智能發(fā)展的核心要素有三個，一、深度學(xué)習(xí)算法的提出;二、移動互聯(lián)網(wǎng)產(chǎn)生足夠的大數(shù)據(jù);三、計算能力的大幅度提高。隨著算法、計算能力和大數(shù)據(jù)這三大人工智能要素的發(fā)展，人工智能范式遷移已現(xiàn)端倪，技術(shù)和產(chǎn)業(yè)兩個維度的‘奇點時刻’正在臨近。” Arm戰(zhàn)略聯(lián)盟業(yè)務(wù)發(fā)展總監(jiān)金勇斌如此總結(jié)人工智能普及的三大核心要素。

　　金勇斌進一步表示，影響人工智能普及的三大核心要素相互影響，相互促進。具體來說，計算效率方面，人工智能的普及需要將智能推進到邊緣和終端設(shè)備中，與云計算不同，邊緣和終端設(shè)備芯片對功耗特別敏感。數(shù)據(jù)方面，無處不在的智能節(jié)點采集的數(shù)據(jù)是分散的多樣的，形成的大數(shù)據(jù)是無標(biāo)簽的，需要邊緣智能物聯(lián)網(wǎng)設(shè)備處理標(biāo)簽數(shù)據(jù)，處理標(biāo)簽后的數(shù)據(jù)才能進行分析、學(xué)習(xí)。現(xiàn)有的處理器基本框架結(jié)構(gòu)不是為人工智能所設(shè)計的，應(yīng)用受到很多限制，所以越來越多的廠商認為需要新的處理器來滿足深度學(xué)習(xí)技術(shù)進而實現(xiàn)人工智能。

　　陳會馨就表示：“深度學(xué)習(xí)的芯片是一個全新的設(shè)計架構(gòu)，和以往的網(wǎng)絡(luò)或AP等技術(shù)不一樣，如何在深度學(xué)習(xí)的芯片中給IC設(shè)計的廠商一些特殊接口的IP實際上既是機遇也是挑戰(zhàn)。具體來說，為了讓深度學(xué)習(xí)的設(shè)備達到一個很好的能效比，處理器中需要引入新的IP。另外，以往的處理器中的內(nèi)存接口就是關(guān)注的焦點，對于深度學(xué)習(xí)的芯片來說，大家希望有更高帶寬的內(nèi)存接口來支撐整個芯片計算的吞吐，因此內(nèi)存接口的瓶頸在深度學(xué)習(xí)的芯片中會更加突出。”

　　金勇斌認為，面對人工智能IP授權(quán)商面臨三大挑戰(zhàn)，首先從計算效能看，需要增加更多計算能力到系統(tǒng)級芯片(SoC)上，并考慮如何在復(fù)雜運算環(huán)境下降低成本與功耗，使得在邊緣和終端的智能設(shè)備擁有高效的人工智能任務(wù)處理能力，同時具備靈活性和低功耗的特點。其次從安全性角度看，數(shù)以億萬計的設(shè)備聯(lián)網(wǎng)需要從IP與標(biāo)準(zhǔn)的角度就考慮確保數(shù)據(jù)從傳感器到服務(wù)器的安全。最后從通用性角度看，人工智能的節(jié)點計算能力提高之后，無處不在的智能設(shè)備使得人工智能場景變得碎片化，智能節(jié)點收集的數(shù)據(jù)結(jié)構(gòu)化和標(biāo)準(zhǔn)化之后，才能供機器學(xué)習(xí)，進一步處理分析使用。

　　Yair Siegel也強調(diào)高效能和靈活性方面的挑戰(zhàn)。他表示，今天深度學(xué)習(xí)算法需要結(jié)合大量計算和大量數(shù)據(jù)使用，為了實現(xiàn)大眾市場使用，這項技術(shù)必需具有高能效，以便用于電池供電設(shè)備中。此外，深度學(xué)習(xí)技術(shù)仍然在快速演進和改進，任何IP解決方法必須足夠靈活，以便在產(chǎn)品生命周期內(nèi)進行技術(shù)的更新，并且需要實現(xiàn)靈活的編程和易于使用的工具，縮短從研發(fā)到生產(chǎn)的過程。而且，它必須具有應(yīng)對業(yè)界不斷發(fā)展的新標(biāo)準(zhǔn)、新特性和新功能的能力。

　　面對效能與運算效率等挑戰(zhàn) IP授權(quán)商各有應(yīng)對之道

　　至此，我們不難發(fā)現(xiàn)高效能、安全性、靈活性、通用性等都是IP廠商推應(yīng)對深度學(xué)習(xí)處理器或者說人工智能商機需要解決的挑戰(zhàn)。作為全球重要的IP授商，它們?nèi)绾螒?yīng)對?陳會馨介紹：“Cadence針對深度學(xué)習(xí)芯片已經(jīng)有了四年的研發(fā)和儲備，今年五月份推出了一款獨立完整的神經(jīng)網(wǎng)絡(luò)DSP —Cadence Tensilica Vision C5，面向?qū)ι窠?jīng)網(wǎng)絡(luò)計算能力有極高要求的智能視覺設(shè)備。針對自動駕駛、監(jiān)控安防、無人機、機器人和移動/可穿戴設(shè)備應(yīng)用，Vision C5 DSP 1TMAC/s的計算能力完全能夠勝任目前終端設(shè)備的CNN的計算任務(wù)，這款產(chǎn)品的推出對神經(jīng)網(wǎng)絡(luò)處理器市場格局來說將產(chǎn)生很大的變化，后續(xù)我們也將根據(jù)市場的反饋來提供滿足深度學(xué)習(xí)芯片帶寬需求的產(chǎn)品?！?/p>

　　同樣推出DSP IP的還有CEVA，Yair Siegel表示：“第一波人工智能算法研究主要使用GPU是因為它們是現(xiàn)成的而且已經(jīng)廣泛用于離線進行的訓(xùn)練部分。然而進入開發(fā)和生產(chǎn)消費類產(chǎn)品需要更高能效和更高性能的解決方案。多年來CEVA一直開發(fā)用于計算機視覺、語音和深度學(xué)習(xí)的DSP IP ，CEVA-XM 系列視覺DSP內(nèi)核連同CEVA深度神經(jīng)網(wǎng)絡(luò)(CDNN)工具套件，不僅能夠?qū)崿F(xiàn)低功耗和高效的性價比，滿足大眾市場設(shè)備的要求，還能讓產(chǎn)品快速的從研發(fā)走向生產(chǎn)。CDNN套件可以應(yīng)對嵌入式挑戰(zhàn)，比如降低數(shù)據(jù)帶寬和處理存儲器傳送，并以軟件更新來靈活的應(yīng)對技術(shù)創(chuàng)新，實現(xiàn)各種產(chǎn)品的可擴展性。”

　　Arm則是在今年專為人工智能推出全新的DynamIQ技術(shù)。金勇斌介紹，DynamIQ技術(shù)將為今后所有新的Cortex-A系列處理器帶來全新的特性和功能，包括：1、針對機器學(xué)習(xí)(ML)和人工智能的全新處理器指令集，第一代采用DynamIQ技術(shù)的Cortex-A系列處理器在優(yōu)化應(yīng)用后，可實現(xiàn)比基于Cortex-A73的設(shè)備高50倍的人工智能性能，并最多可提升10倍CPU與SoC上指定硬件加速器之間的反應(yīng)速度。2、增強的多核靈活性，SoC設(shè)計者可以在單個群集中最多部署8個核，每一個核都可以有各自不同的性能特性。這些先進的能力會為機器學(xué)習(xí)和人工智能應(yīng)用帶來更快的響應(yīng)速度。全新設(shè)計的內(nèi)存子系統(tǒng)也將實現(xiàn)更快的數(shù)據(jù)讀取和全新的節(jié)能特性。3、在嚴(yán)苛的熱限制下實現(xiàn)更高的性能，通過對每一個處理器進行獨立的頻率控制，高效地在不同任務(wù)間切換最合適的處理器。4、更安全的自動控制系統(tǒng)，DynamIQ技術(shù)為ADAS解決方案帶來更快的響應(yīng)速度，并能增強安全性，確保合作伙伴能夠設(shè)計ASIL-D合規(guī)系統(tǒng)，即使在故障情況下仍然能夠安全運行。