重温GTIC 2019：人工智能芯片未来该走向何方？

近日，GTIC 2019全球AI芯片创新峰会在上海成功举办。峰会由智东西主办，AWE和极果联合主办。这是一场干货满满的AI芯片产业盛会，众多大咖解囊相授，为AI芯片发展和行业应用提出了很多可参考的建议。


 
从广义上讲只要能够运行AI算法的芯片都叫作 AI 芯片。但是，参考今天AI发展的方式，我们现阶段讨论的AI芯片通常是针对人工智能算法做了特殊加速设计的芯片，比如GPU、FPGA、ASIC、NPU和TPU等等。根据赛迪研究员王哲透露的数据，预计到2021年，全球AI芯片的市场规模有望达52.2亿美元，年均增长符合率超过50%。芯片的高增长得益于终端市场的庞大需求，以中国AI市场为例，据前瞻产业研究院发布的《中国人工智能行业市场前瞻与投资战略规划分析报告》统计数据显示，2017年AI市场规模达到了217亿元，预测在2019年AI市场规模将达500亿元，2015-2020年复合年均增长率为44.5%。
 
市场前景的预期是乐观的、光明的，市场对于AI芯片、AI产品的强劲需求是清晰可见的。但要让芯片和产品更好地满足市场的智能化需求，现阶段的AI芯片也遇到了发展的瓶颈。当前，AI产业所谓的“泡沫”也是因为从场景描述到具体实现，AI芯片拖了后腿。以智能摄像头为例，这个概念已经炒了超过两年的时间，但是目前真正部署的智能摄像头占比很小，且智能化也是饱受诟病，其核心问题就是芯片性能跟不上。且AI算法兼容问题也是问题，由于需求的多样性，很难有任何单一的设计和方法能够很好地适用于各类情况。如何找出一种通用的AI芯片一直都是业界努力的方向。参加GTIC 2019的专家们通过自己的描述让AI芯片的发展方向有了更清晰的前进路径。
 
AI芯片该走向哪里？如何走？
我们不得不承认，此前AI芯片能够实现一定规模的商用，摩尔定律起到了很大的助推作用。丰富的数据资源、深度学习算法和够用的计算力支持让AI在过去几年快速地发展，正是摩尔定律的不断演进让高性能芯片大幅降低了深度学习算法所需的计算时间和成本。不过，当前摩尔定律逐渐放缓，面对不断增长的市场需求，专门针对人工智能应用的新颖设计理念和架构创新是行业的迫切需求。AI芯片该如何走下去也成为了GTIC 2019的热门话题。
 
-魏少军：从AI Chip0.5走向AI Chip2.0
中国半导体行业IC设计分会理事长、清华大学微电子所所长魏少军教授在GTIC 2019上指出，今天的AI服务基本都在云上，很少出现在其他地方，但从“云”走向“边”是必然的现象。AI走向边缘的过程中目前现在看起来还是主要以“通用”作为主要驱动力，但是从未来几年发展看，以终端应用为主将会占有主导地位，特别是到2025年以家电为主要应用场景的专用集成电路、专用AI芯片会起重要的引领作用，这是未来发展的重要方向。


 
今天的AI属于芯片跟着算法跑，每更新一代算法，上一代芯片的性能便跟不上了。魏少军教授表示，做芯片的人最怕算法在变，变了就跟不上了。
 
魏少军教授将AI芯片的发展分为四个阶段。第一阶段是AI Chip0.5阶段，属于AI芯片非常早期的阶段，主要是CPU、GPU、DSP等芯片主导，但是这些芯片都是很早就出现的，并不是专门为AI而生的，我们利用已存芯片尝试实现AI功能；第二阶段是AI Chip1.0阶段，这一阶段的重点是应用，开始出现专门为AI设计的芯片，比如TPU、NPU、Eyeriss等，但是这个阶段的芯片更多是为了做训练，而且这个阶段的芯片是针对每个领域都是定制化的；第三个阶段是AI Chip1.5阶段，这一阶段的重点是系统，我们开始探寻芯片的通用性，像Tsing Micro Thinker、Wave Computing DPU都属于1.5，这些芯片属于半通用性质的，拥有可重构和可配置的特性；第四个阶段是AI Chip2.0阶段，这一阶段的重点是智慧，这一阶段的芯片还没有得到确切的定义，但应该是通用的、自适应的，且应该是具备智慧化的东西。
 
-新思科技全球战略项目副总裁Chekib Akrout：AI芯片的定义是怎样的？
新思科技全球战略项目副总裁Chekib Akrout在GTIC 2019上表示，在AI芯片设计方面，未来我们会进行更多定制化的产品和服务的提供，这些都是值得深思的问题。


 
随着机器学习（ML）的日益普及，以及电子工业向物联网和汽车行业的渗透转移，人工智能技术改变的不仅是硬件，还有软件，我们今天所提到的EDA2.0就是这样的AI软件。
 
Chekib Akrout指出，AI时代，芯片需要更强的处理能力，同时它也可以给我们带来更好的发展，当我们想到全新架构的时候，我们可能会想一些很基础的问题，我们需要获得巨大的突破，才能够在芯片架构方面带来更好的发展。
 
Chekib Akrou强调，未来将会有很多性能的发展来自量子计算，量子计算可以给我们带来很多的发展，所以AI芯片架构方面我们也需要量子计算的能力。
 
投资人如何看待AI芯片发展？
-华登国际董事总经理黄庆：现阶段，基金公司比好AI公司多
华登国际创立于1987年，是亚太地区最知名的创业投资机构之一。华登国际管理资金逾16亿美元，致力投资于在亚太区有市场潜力的企业，主要集中在通信、软件、互联网、半导体、电子等行业。华登国际董事总经理黄庆表示，华登国际前后投了500多家公司，有105家公司上市。


 
黄庆指出，谷歌要做TPU，目的是很明确的，因为谷歌有这么多部门都在使用他们的GPU来搞他们的AI算法，搞他们的应用。谷歌有巨大的应用，也就有巨大的需求。英特尔CPU在数据中心有大规模的应用，但是英特尔也有GPU，将来也可能做TPU。因为，大公司都有内部应用的需求。但是，创业者要有精准地拿捏，做出的芯片要有一定的出货量，没有量就不是一个成功的事情。
 
同时，现阶段，市场上的基金数量比好的AI芯片公司的数量还多，好公司太少了。
 
-北极光创投董事总经理杨磊：当前是AI芯片公司百花齐放的时代
北极光创投由邓锋先生创立于2005年，长期专注于投资早期、科技创新型优秀企业。北极光创投董事总经理杨磊表示，北极光的特点就是两个关键词：早期、科技。半导体其实一直是北极光坚持的投资领域。
 
杨磊认为，我们今天处在历史的一个转折点。主要原因在于，首先摩尔定律在停滞；第二是功耗墙是无法逾越的一点；第三，世界变得越来越复杂，每一个场景在需要自己的芯片，大公司的优势在现在这个时代在渐渐消失。
 
杨磊指出，现在的AI芯片市场是一个百花齐放、群雄割据的时代，现在可能会出现多家“AI芯片公司”，如果你是一家芯片公司不考虑AI是有问题的。AI芯片公司就是要把产品做好。他以北极光所投的易智为例，该公司几乎所有的IP都是自己的，非常扎实把IP做好，把SOC的核心做好。
 
AI芯片大佬们在做什么？
GTIC 2019上，很多嘉宾对于AI芯片的发展都分享了高屋建瓴的见解，但是芯片还是要厂商去设计和制造，他们又会有怎样的产品路线呢？
 
-百度昆仑：在兼顾算力和能效的同时拥有通用性
昆仑是百度自研的中国第一款云端全功能AI芯片，其中包含训练芯片昆仑818-300，推理芯片昆仑818-100。百度主任架构师欧阳剑在GTIC 2019上指出，人工智能的发展离不开三要素：优秀算法、海量数据、超强计算。人工智能已经离开数据中心变成了非常普适的计算，从数据中心拓展到边到端。既然今天是普适AI计算的时代，挑战在于通用灵活性、计算能力、能耗效率三方面达到非常好的平衡。


 
欧阳剑介绍称，“昆仑”的使命是让“计算更加智能”，解决三个问题：1.高计算能力；2.高能耗效率；3.高灵活通用。百度认为XPU是普适的AI计算架构，可以用在云端、自动驾驶、边缘计算，具有很高的计算能力、高通用性、灵活性。“昆仑”是基于XPU架构的AI处理器，百度去年发布了“昆仑”，今年“昆仑”会在百度内部大规模使用。
 
-高通：5G和AI促成了“万物互联”
高通一直都是5G的倡导者和技术驱动者，5G时代同样需要AI技术的加持。高通技术副总裁李维兴在GTIC 2019上指出，至2035年，我们可以看到5G的产品和服务将会累计到12.3万亿美元，至2025年，AI会有5.1万亿美元的产值，AI和5G跟高通非常相关联，会激发起非常多创新、投资以及产品规划。
 
高通从多年前开始人工智能的研究，在2007年就启动首个人工智能项目。至今，高通的AI芯片已经来到了第四代。李维兴介绍称，高通第一代AI平台是骁龙820，是高通第一个宣布出来针对于AI Engine的平台；第二代平台是骁龙835支持的Caffe 2 ，透过它们支持神经网络的SDK，开始使用CPU、GPU、DSP；第三代平台是骁龙845，支持的项目多了，像Pytrach等，很重要的一点是支持安卓 NA，透过IOS端的支持，将人工智能的运用跟运算做的更优化；第四代是在MWC上高通正式宣布了骁龙855平台，在终端侧不是插电，而是需要考虑到电池耐热、耗热的情况，可以做到7Tops的算力。
 
高通的骁龙855同时也是全球5G重要的平台。李维兴表示，5G跟AI其实是互相帮忙的情况，鱼帮水、水帮鱼。有了5G可以将AI从云端加上边缘化，有了AI的使用场景将5G的商业模式开发出来。从高通的角度来讲，5G跟AI手把手往前走是非常自然的情况。高通致力于将研发、投资，将无线、通讯、边缘计算透过感知、推理、行动的过程中迭代是高通在5G+AI领域上可以为业界做出来的贡献。
 
-英特尔：Analytics Zoo将统一人工智能与大数据
最近两三年，AI技术应用遍布各行各业，几乎所有的大型科技公司都布下重子，英特尔也是其中之一。
 
英特尔高级首席工程师，大数据技术全球CTO戴金权在GTIC 2019上和大家分享了英特尔如何构建像Analytics Zoo这样的大数据分析平台。他在介绍中提到，Analytics Zoo能够将大数据分析和人工智能统一起来，基于Apache Spark上面统一的大数据分析+人工智能的平台，它能够无缝将TensorFlow等一些深度学习的框架能够无缝集成到端到端的大数据处理的一个工作流当中。英特尔的目的是希望通过Analytics Zoo构建一个统一的大数据+人工智能大数据分析平台共同开发部署它们的深度学习，人工智能和大数据分析的应用。
 
戴金权指出，第一，对于大多数用户来说，尤其在生产系统当中，基于Apache Spark的大数据集群仍然是所有的生产数据以及包括大量硬件资源的聚集地，这些硬件资源能够将新的人工智能的应用能够支持起来。
 
第二，构建一个工业级端到端的人工智能分析+人工智能应用有一个非常复杂的工作流，包括数据的收集、导入、处理，到特征的提取，到各种模型的构建训练，最后到部署、推理等。英特尔能够帮助用户将这样端到端的大数据处理分析加上机器学习的工作流非常方便地构建出来，从而大大能够提高了用户的开发效率、部署效率和运维效率。
 
-华为：华为HiAI如何助力应用快速智慧化
在GTIC 2019上，华为无线终端芯片业务部副总经理王孝斌分享了华为在端侧AI、HiAI上的进展情况。
 
王孝斌指出，端侧的Machine Learing会让手机越来越越来越智能。预测到2022年80%的手机会具备端侧AI的能力，大家认为端侧AI是工人的发展趋势。他介绍说，在麒麟970推出的时候华为推出了HiAI移动AI开放平台，在芯、端、云三个层次提供AI的接入能力。在云侧提供了HiAI Service，做到让服务快速主动地找到人；在端侧提供了HiAI Engine的服务，用户、开发者可以迅速让应用获取智慧化的能力；芯片侧HiAI Foundation提供了加速，提供了性能和能效比，这样合作伙伴、应用可以在NPU的加速下获得更好的极致体验。
 
王孝斌表示，华为HiAI能够给用户带来三方面的价值：1.实时性，在端侧本地完成计算，减少了上云的需求，消除上云时延；2.隐私保护，数据不用上云，在本地完成处理，用户自己拥有数据的所有权；3.成本减少，成本也是两个维度，一个成本是网络传输，大量数据往云传输占用流量的成本，其次在本地做完减少了服务器侧对硬件的需求，因此在时延、流量、服务器侧两方面都降低成本。
 
GTIC 2019上，演讲的嘉宾还包括Wave Computing高级副总裁兼CTO Chris Nicol、探境科技CEO 鲁勇、寒武纪副总裁 钱诚、Cadence公司全球AI研发中心高级AI研发总监 丁渭滨、Imagination Technologies视觉及AI部门高级总监 Andrew Grant、比特大陆AI产品线总裁 阮沈勇、大华股份研发中心副总裁、先进技术研究院院长兼中央研究院院长 殷俊、海尔优家智能科技有限公司副总经理 陈国伙、地平线智慧城市事业部总经理 刘俊华、云知声联合创始人、副总裁 康恒、智一科技CEO 龚伦常。他们也从各自的芯片产品和应用市场给到场观众详细解读了当前AI芯片的发展。

从芯片发展的大趋势来看，现在还是 AI芯片的初级阶段。现今的 AI芯片在某些具体任务上可以大幅超越人的能力，但究其通用性与适应性，与人类智能相比差距甚远，大多处于对特定算法的加速阶段。未来，AI芯片将拥有自己的智慧，将赋能更多的应用，将具有可编程性、架构可变性、自主学习能力、高能效、易开发等特点，为人类社会进步贡献更多的动力。智东西和GTIC也会持续关注AI芯片的发展。