AI芯片的過去和未來，看這篇文章就夠了

　　同樣在2016年，谷歌發(fā)布了加速深度學(xué)習(xí)的TPU(TensorProcessingUnit)芯片，并且之后升級(jí)為TPU2.0和TPU3.0。與英偉達(dá)的芯片不同，谷歌的TPU芯片設(shè)置在云端，就像文章在Alpha Go的例子中說的一樣，并且“只租不賣“，服務(wù)按小時(shí)收費(fèi)。不過谷歌TPU的性能也十分強(qiáng)大，算力達(dá)到180萬億次每秒，并且功耗只有200w。

　　谷歌TPU芯片 圖片來自網(wǎng)絡(luò)，版權(quán)屬于作者

　　關(guān)于各自AI芯片的性能，谷歌CEOSundarPichai和英偉達(dá)CEO黃仁勛之前還在網(wǎng)上產(chǎn)生過爭(zhēng)論。別看兩位大佬為自家產(chǎn)品撐腰，爭(zhēng)得不可開交，實(shí)際上不少網(wǎng)友指出，這兩款產(chǎn)品沒必要“硬做比較”，因?yàn)橐粋€(gè)是在云端，一個(gè)是在終端。

　　除了大公司，初創(chuàng)企業(yè)也在激烈競(jìng)爭(zhēng)ASIC芯片市場(chǎng)。那么初創(chuàng)企業(yè)在行業(yè)中該如何生存呢?對(duì)此，AI芯片初創(chuàng)企業(yè) Novumind的中國區(qū)CEO周斌告訴小探：創(chuàng)新是初創(chuàng)企業(yè)的核心競(jìng)爭(zhēng)力。

　　2017年，NovuMind推出了第一款自主設(shè)計(jì)的AI芯片：NovuTensor。這款芯片使用原生張量處理器(NativeTensorProcessor)作為內(nèi)核構(gòu)架，這種內(nèi)核架構(gòu)由NovuMind自主研發(fā)，并在短短一年內(nèi)獲得美國專利。除此之外，NovuTensor芯片采用不同的異構(gòu)計(jì)算模式來應(yīng)對(duì)不同AI應(yīng)用領(lǐng)域的三維張量計(jì)算。2018年下半年，Novumind剛推出了新一代NovuTensor芯片，這款芯片在做到15萬億次計(jì)算每秒的同時(shí)，全芯片功耗控制在15W左右，效率極高。

　　Novumind的NovuTensor芯片

　　盡管NovuTensor芯片的紙面算力不如英偉達(dá)的芯片，但是其計(jì)算延遲和功耗卻低得多，因此適合邊緣端AI計(jì)算，也就是服務(wù)于物聯(lián)網(wǎng)。雖然大家都在追求高算力，但實(shí)際上不是所有芯片都需要高算力的。比如用在手機(jī)、智能眼鏡上的芯片，雖然也對(duì)算力有一定要求，但更需要的是低能耗，否則你的手機(jī)、智能眼鏡等產(chǎn)品，用幾下就沒電了，也是很麻煩的一件事情。并且據(jù)EETimes的報(bào)道，在運(yùn)行ResNet-18、ResNet-34、ResNet70、VGG16等業(yè)界標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)推理時(shí)，NovuTensor芯片的吞吐量和延遲都要優(yōu)于英偉達(dá)的另一款高端芯片Xavier。

　　結(jié)合Novumind現(xiàn)階段的成功，我們不難看出：在云端市場(chǎng)目前被英偉達(dá)、谷歌等巨頭公司霸占，終端應(yīng)用芯片群雄逐鹿的情形下，專注技術(shù)創(chuàng)新，在關(guān)鍵指標(biāo)上大幅領(lǐng)先所有競(jìng)爭(zhēng)對(duì)手，或許是AI芯片初創(chuàng)企業(yè)的生存之道。

　　類腦芯片

　　如文章開頭所說，目前所有電腦，包括以上談到的所有芯片，都基于馮·諾依曼架構(gòu)。

　　然而這種架構(gòu)并非十全十美。將CPU與內(nèi)存分開的設(shè)計(jì)，反而會(huì)導(dǎo)致所謂的馮·諾伊曼瓶頸(von Neumann bottleneck)：CPU與內(nèi)存之間的資料傳輸率，與內(nèi)存的容量和CPU的工作效率相比都非常小，因此當(dāng)CPU需要在巨大的資料上執(zhí)行一些簡(jiǎn)單指令時(shí)，資料傳輸率就成了整體效率非常嚴(yán)重的限制。

　　既然要研制人工智能芯片，那么有的專家就回歸問題本身，開始模仿人腦的結(jié)構(gòu)。

　　人腦內(nèi)有上千億個(gè)神經(jīng)元，而且每個(gè)神經(jīng)元都通過成千上萬個(gè)突觸與其他神經(jīng)元相連，形成超級(jí)龐大的神經(jīng)元回路，以分布式和并發(fā)式的方式傳導(dǎo)信號(hào)，相當(dāng)于超大規(guī)模的并行計(jì)算，因此算力極強(qiáng)。人腦的另一個(gè)特點(diǎn)是，不是大腦的每個(gè)部分都一直在工作，從而整體能耗很低。

　　神經(jīng)元結(jié)構(gòu) 圖片來源：維基百科

　　這種類腦芯片跟傳統(tǒng)的馮·諾依曼架構(gòu)不同，它的內(nèi)存、CPU和通信部件是完全集成在一起，把數(shù)字處理器當(dāng)作神經(jīng)元，把內(nèi)存作為突觸。除此之外，在類腦芯片上，信息的處理完全在本地進(jìn)行，而且由于本地處理的數(shù)據(jù)量并不大，傳統(tǒng)計(jì)算機(jī)內(nèi)存與CPU之間的瓶頸不復(fù)存在了。同時(shí)，神經(jīng)元只要接收到其他神經(jīng)元發(fā)過來的脈沖，這些神經(jīng)元就會(huì)同時(shí)做動(dòng)作，因此神經(jīng)元之間可以方便快捷地相互溝通。

　　在類腦芯片的研發(fā)上，IBM是行業(yè)內(nèi)的先行者。2014年IBM發(fā)布了TrueNorth類腦芯片，這款芯片在直徑只有幾厘米的方寸的空間里，集成了4096個(gè)內(nèi)核、100萬個(gè)“神經(jīng)元”和2.56億個(gè)“突觸”，能耗只有不到70毫瓦，可謂是高集成、低功耗的完美演繹。

　　裝有16個(gè)TrueNorth芯片的DARPASyNAPSE主板 圖片來自網(wǎng)絡(luò)，版權(quán)屬于作者　　

   那么這款芯片的實(shí)戰(zhàn)表現(xiàn)如何呢?IBM研究小組曾經(jīng)利用做過DARPA的NeoVision2Tower數(shù)據(jù)集做過演示。它能以30幀每秒速度，實(shí)時(shí)識(shí)別出街景視頻中的人、自行車、公交車、卡車等，準(zhǔn)確率達(dá)到了80%。相比之下，一臺(tái)筆記本編程完成同樣的任務(wù)用時(shí)要慢100倍，能耗卻是IBM芯片的1萬倍。

　　然而目前類腦芯片研制的挑戰(zhàn)之一，是在硬件層面上模仿人腦中的神經(jīng)突觸，換而言之就是設(shè)計(jì)完美的人造突觸。

　　在現(xiàn)有的類腦芯片中，通常用施加電壓的方式來模擬神經(jīng)元中的信息傳輸。但存在的問題是，由于大多數(shù)由非晶材料制成的人造突觸中，離子通過的路徑有無限種可能，難以預(yù)測(cè)離子究竟走哪一條路，造成不同神經(jīng)元電流輸出的差異。

　　針對(duì)這個(gè)問題，今年麻省理工的研究團(tuán)隊(duì)制造了一種類腦芯片，其中的人造突觸由硅鍺制成，每個(gè)突觸約25納米。對(duì)每個(gè)突觸施加電壓時(shí)，所有突觸都表現(xiàn)出幾乎相同的離子流，突觸之間的差異約為4%。與無定形材料制成的突觸相比，其性能更為一致。

　　即便如此，類腦芯片距離人腦也還有相當(dāng)大的距離，畢竟人腦里的神經(jīng)元個(gè)數(shù)有上千億個(gè)，而現(xiàn)在最先進(jìn)的類腦芯片中的神經(jīng)元也只有幾百萬個(gè)，連人腦的萬分之一都不到。因此這類芯片的研究，離成為市場(chǎng)上可以大規(guī)模廣泛使用的成熟技術(shù)，還有很長(zhǎng)的路要走，但是長(zhǎng)期來看類腦芯片有可能會(huì)帶來計(jì)算體系的革命。

　　說了這么多，相信讀者們對(duì)AI芯片行業(yè)已經(jīng)有了基本的認(rèn)識(shí)。在未來，AI芯片是否會(huì)從云端向終端發(fā)展?行業(yè)中大小公司的激烈的競(jìng)爭(zhēng)會(huì)催生出怎樣的創(chuàng)新和轉(zhuǎn)型?類腦芯片的研發(fā)又能取得哪些突破?關(guān)于這些問題，每個(gè)人都會(huì)有不同的見解，歡迎各位讀者在下面留言。