我为什么说AI推理芯片大有可为

近年来科技热潮一波接一波，2013年、2014年开始倡议物联网、穿戴式电子，2016年开始人工智能，2018年末则为5G。人工智能过往在1950年代、1980年代先后热议过，但因多项技术限制与过度期许而回复平淡，2016年随云端资料日多与影音辨识需求再次走红(图1)。

图1人工智能的第三波热潮。

人工智能的运用分成两个阶段，一是学习训练阶段，二是推理阶段，此与应用程序相类似，程序开发阶段即为学习训练阶段，程序正式上线执行运作则为推理阶段。开发即是船舰在船坞内打造或维修，执行则为船舰出海航行作业执勤(图2)。

图2人工智能训练与推理的差别。

训练与推理阶段对运算的要求有所不同，训练阶段需要大量繁复的运算，且为了让人工智能模型获得更佳的参数调整数据，运算的精准细腻度较高，而推理阶段则相反，模型已经训练完成，不再需要庞大运算量，且为了尽快获得推理结果，允许以较低的精度运算。

例如一个猫脸辨识应用，训练阶段要先提供成千上万张各种带有猫脸的照片来训练，并从中抓出各种细腻辨识特点，但真正设置在前端负责辨识来者是否为猫的推理运算，只是辨识单张脸，运算量小，且可能已简化特征，只要简单快速运算即可得到结果(是猫或不是)。

推理专用芯片需求显现

对于人工智能的训练、推理运算，近年来已普遍使用CPU之外的芯片来加速，例如GPGPU、FPGA、ASIC等，特别是GPGPU为多，原因在于GPGPU的高阶软体生态较为完备、可支援多种人工智能框架(Framework)，相对的FPGA需要熟悉低阶硬体电路者方能开发，而ASIC通常只针对限定的软体或框架最佳化(表1)。虽然FPGA与ASIC较有难度与限制，但仍有科技大厂愿意投入，如Microsoft即主张用FPGA执行人工智能运算，Google则针对TensorFlow人工智能框架开发ASIC，即Cloud TPU芯片。

人工智能模型的开发(训练)与执行(推理)过往多使用同一芯片，用该芯片执行训练运算后也用该芯片执行推理运算。但近1、2年来随着训练成果逐渐增多，成熟的人工智能模型逐渐普及，以相同芯片负责推理运算的缺点逐渐浮现。以GPGPU而言，芯片内具备大量的平行运算单元是针对游戏绘图、专业绘图或高效能运算而设计，可运算32、64位元浮点数，这在人工智能模型训练阶段亦适用，但到推理阶段，可能只需16位元浮点、16位元整数、8位元整数等运算即可求出推理结果，甚至是4位元整数便足够。如此过往的高精度大量平行运算单元便大材小用，电路与功耗均有所浪费，所以需要人工智能的推理专用处理芯片。

半导体厂纷发展推理芯片

推理芯片的需求在人工智能重新倡议后的2年开始浮现，但在此之前已有若干产品，如2014年Google对外揭露的探戈专案(Project Tango)即使用Movidius公司的Myriad芯片(图3)。

图3 Intel Movidius Myriad X芯片

Movidius之后于2016年推出Myriad 2芯片，同样也在2016年，Intel购并Movidius取得Myriad 1/2系列芯片，并接续推出Myriad X芯片。Google除探戈专案外其他硬体也采用Intel/Movidius芯片，如2017年的Google Clips人工智能摄影机、2018年Google AIY Vision人工智能视觉应用开发套件等。

不过真正受业界瞩目的仍在2018年，包含NVIDIA推出T4芯片(严格而论是已带芯片的加速介面卡)(图4)、Google推出Edge TPU芯片(图5)，以及Amazon Web Services在2018年11月宣告将在2019年推出Inferentia芯片，均为推理型芯片。

图4 NVIDIA展示T4介面卡

图5 Google Edge TPU小于一美分铜板。

另外，脸书(Facebook)也已经意识到各形各色的推理型芯片将会在未来几年内纷纷出笼，为了避免硬体的多元分歧使软体支援困难，因此提出Glow编译器构想，期望各人工智能芯片商能一致支援该编译标准，目前Intel、Cadence、Marvell、Qualcomm、Esperanto Technologies(人工智能芯片新创业者)均表态支持。

与此同时，脸书也坦承开发自有人工智能芯片中，并且将与Intel技术合作；目前脸书技术高层已经表示其芯片与Google TPU不相同，但是无法透露更多相关的技术细节。而Intel除了在2016年购并Movidius之外，在同一年也购并了另一家人工智能技术业者Nervana System，Intel也将以Nervana的技术发展推理芯片。

推理芯片不单大厂受吸引投入新创业者也一样积极，Habana Labs在2018年9月对特定客户提供其推理芯片HL-1000的工程样品，后续将以该芯片为基础产制PCIe介面的推理加速卡，代号Goya。Habana Labs宣称HL-1000是目前业界最快速的推理芯片(图6)。

图6 Habana Labs除推出HL-1000推理芯片Goya外也推出训练芯片Gaudi。

云端机房/快速反应推理芯片可分两种取向

透过前述可了解诸多业者均已投入发展推理芯片，然严格而论推理芯片可分成两种取向，一是追求更佳的云端机房效率，另一是更快速即时反应。前者是将推理芯片安置于云端机房，以全职专精方式执行推理运算，与训练、推理双用型的芯片相比，更省机房空间、电能与成本，如NVIDIA T4。

后者则是将推理芯片设置于现场，例如配置于物联网闸道器、门禁摄影机内、车用电脑上，进行即时的影像物件辨识，如Intel Movidius Myriad系列、Google Edge TPU等。

设置于机房内的推理芯片由于可自电源插座取得源源不绝的电能，因此仍有数十瓦用电，如NVIDIA T4的TDP(Thermal Design Power)达70瓦，相对的现场设置的推理芯片必须适应各种环境可能，例如仅以电池供电运作，因此尽可能节约电能，如Google Edge TPU的TDP仅1.8瓦。现场型目前观察仅有车用例外，由于汽车有蓄电瓶可用，电能充沛性居于电池与电源插座间，因此芯片功耗表现可高些。

为能快速反应推理芯片精度须调整

如前所述，推理芯片为能即时快速求解，通常会采较低精度进行运算，过去过于高效能运算的64位元双精度浮点数(Double Precision, DP)，或用于游戏与专业绘图的32位元单精度浮点数(Single Precision, SP)可能都不适用，而是降至(含)16位元以下的精度。

例如Intel Movidius Myriad X原生支援16位元浮点数(新称法为半精度Half-Precision, HP)与8位元整数；Google Edge TPU则只支援8位元、16位元整数，未支援浮点数；NVIDIA T4则支援16与32位元浮点数外，也支援8位元与4位元整数。

进一步的，推理芯片可能同时使用两种以上的精度运算，例如NVIDIA T4可同时执行16位元浮点数与32位元浮点数的运算，或者尚未推出的AWS Inferentia宣称将可同时执行8位元整数与16位元浮点数的运算(图7)，同时使用两种以上精度的作法亦有新词，称为混精度(Mixed Precision, MP)运算。

图7 AWS预告2019年将推出自家推理芯片Inferentia，将可同时推算整数与幅点数格式。图片来源：AWS

上述不同位元表达长度的整数、浮点数格式，一般写成INT4(Integer)、INT8、FP16、FP32(Float Point)等字样，另也有强调可针对不带正负表达，单纯正整数表达的格式运算，如Habana Labs的HL-1000强调支援INT8/16/32之余，也支援UINT8/16/32格式，U即Unsigned之意。

推理芯片虽然支援多种精度格式，然精度愈高运算效能也会较低，以NVIDIA T4为例，在以INT4格式推算下可以有260 TOPS的效能，亦即每秒有260个Tera(10的12次方)运算，而改以INT8格式时则效能减半，成为130 TOPS，浮点格式也相同，以FP16格式运算的效能为65 TFOPS(F=Float)，而以FP32格式运算则降至8.1 TFLOPS，浮点格式的位元数增加一倍效能退至1/8效能，比整数退减程度高。

推理芯片前景仍待观察芯片商须步步为营

推理芯片是一个新市场，重量级芯片业者与新兴芯片商均积极投入发展，但就数个角度而言其后续发展难以乐观，主要是超规模(Hyperscale)云端机房业者自行投入发展。

例如Google在云端使用自行研发的Cloud TPU芯片，针对Google提出的人工智能框架TensorFlow最佳化，如此便限缩了Intel、NVIDIA的机会市场(虽然2019年1月NVIDIA T4已获Google Cloud采用并开放Beta服务)。而Google也在2018年提出针对人工智能框架TensorFlow Lite最佳化的Edge TPU，如此也可能排挤过往已使用的Intel Movidius芯片。

类似的，脸书过去使用NVIDIA Tesla芯片，但随着脸书力主采行PyTorch技术，以及与Intel合作发展人工智能芯片，未来可能减少购置NVIDIA芯片。而Intel与脸书合作开发，也意味着脸书无意购置Intel独立自主发展的人工智能芯片，即便Intel于此合作中获得收益，也比全然销售完整芯片来得少，Intel须在技术上有所让步妥协，或提供客制服务等。

AWS方面也相同，AWS已宣告发展自有推理芯片，此意味着NVIDIA T4的销售机会限缩，其他业者的推理芯片也失去一块大商机。AWS同样有其人工智能技术主张，如MXNet。

如此看来，人工智能芯片的软体技术主导权与芯片大买家，均在超规模机房业者身上，芯片商独立研发、独立供应人工智能芯片的机会将降低，未来迁就超规模机房业者，对其提供技术合作与客制的可能性增高。因此推理芯片会以企业为主要市场，多数企业面对芯片商并无议价能力、技术指导能力，仍会接受芯片商自主研发销售的芯片。

训练/推理两极化

除了推理芯片市场外，人工智能的训练芯片市场也值得观察，由于人工智能应用的开发、训练、参数调整等工作并非时时在进行，通常在历经一段时间的密集开发训练后回归平淡，直到下一次修改调整才再次进入密集运算。类似船只多数时间出海航行，仅少数时间进入船坞整修，或软体多数时间执行，少数时间进行改版修补。

因此，企业若为了人工智能应用的开发训练购置大量的伺服器等运算力，每次训练完成后，大量的伺服器将闲置无用，直到下一次参数调整、密集训练时才能再次显现价值。鉴于此，许多企业倾向将密集训练的运算工作交付给云端服务供应商，依据使用的运算量、运算时间付费，而不是自行购置与维护庞大运算系统，如此训练芯片的大买家也会是云端服务商。

不过企业须要时时运用人工智能的推理运算，如制造业的生产良率检测、医疗业的影像诊断等，部份推理运算不讲究即时推算出结果，亦可抛丢至云端运算，之后再回传运算结果，但追求即时反应者仍须要在前端现场设置推算芯片，此即为一可争取的市场，除了独立的芯片商Intel、NVIDIA积极外，云端业者也在争取此市场，如Google已宣布Edge TPU不仅自用也将对外销售，国内的工控电脑业者已有意配置于物联网闸道器中。

由此看来，人工智能软体技术的标准走向、训练芯片的大宗买家、训练的运算力服务等均为超规模业者，加上推理芯片的自主化，推理与训练的前后整合呼应等，均不利芯片商的发展，芯片商与超规模业者间在未来数年内必须保持亦敌亦友的态势，一方面是大宗芯片的买家，另一方面是技术的指导者、潜在的芯片销售竞争者。

所以，未来的企业将会减少购置训练用的人工智能芯片，并尽可能的使用云端运算力进行短暂且密集的训练；而对于时时与现场营运连结的部份，则会配置推理用芯片，且以即时反应、低功耗的推理芯片为主。至于机房端的推理芯片，仍然会是云端业者为主要采购者，次之为大企业为自有机房而添购，以增进机房运算效率为主。

由上述来看似乎云端服务商占足优势，不过科技持续变化中，目前已有人提出供需两端均分散的作法，即家家户户释出闲置未用的CPU、GPU运算力，汇集成庞大的单一运算力，供有密集训练需求的客户使用。

此作法甚至导入区块链技术，供需双方采代币系统运作，需要运算力者购买数位代币，释出运算力者可获得代币，代币再透过市场交易机制与各地的法定发行货币连结，如此可跳略过云端供应商，一样在短时间获得密集运算力。

不过，完全零散调度型的作法，仍有可能无法即时凑得需求运算力，或因为在全球各地调度运算力，反应速度恐有不及，且发展者多为小型新创业者，现阶段仍难对AWS、Google等大型云端服务商竞争，仅能若干削弱其价值，追求稳定充沛效能者仍以AWS、Google为首选。

面对完全分散化的趋势，国际大型云端业者亦有所因应，例如AWS原即有EC2 Spot Instance服务，对于机房闲置未租出去的运算效能，或有人临时退租退用所释出的效能，能够以折扣方式再卖或转让，类似客机即将起飞，未卖尽的座位票价较低廉，或饭店将入夜的空房折扣租出等，以便减少固定成本的负担。

不过，Spot Instance这类的超折扣机会可遇不可求，或有诸多限制(最高仅能连续运算6个小时)，以便维持正规租用者的质感，如此与前述完全分散化的运算调度服务相去不远，均带有较高的不确定性。