AI時代，我的中國「芯」

本文來自微信公眾號「小研聊科技」（ID: xiaoyan_tech），歡迎關注。

如果說過去一百年人類最偉大的發明是計算機，相信沒有人會懷疑。從比一間屋子都大的ENIAC的發明，到PC機的普及，到智能手機的出現，再到萬物智能時代的來臨，計算能力的提升給人類社會科技的進步帶來了源源不斷的動力。

一、最強「大腦」

nnnn

人類的大腦就是經過幾十萬年進化後形成的的長待機、低功耗處理器，這個處理器有兩個特點，第一可以處理各種各樣不同的問題，大腦的構造是分區的，不同的區域分別負責特定的任務，第二大腦在通過感知處理信息的時候是並行處理，比如大家可以讀一下這段文字：研表究明，漢字的序順並不一定能影閱響讀，比如當你看完這句話後，才發這現里的字全是都亂的。你們會發現文字的順序並不影響閱讀理解。

nn

實際上在過去幾十年里，人類在不斷地用計算機模擬人腦，去輔助人類，甚至解決一些人類不能解決的問題，因為計算機在計算和存儲能力方面是遠遠超過人類的。於是在摩爾定律的驅使下（當價格不變時，晶元上的晶體管數目，每18個月增加一倍，性能也將提升一倍），人類社會發生了翻天覆地的變化，處理器的計算能力支撐了各種應用軟體和app的需求。

nn

然而隨著單位面積上晶體管的數量接近物理極限，近幾年摩爾定律遇到了挑戰。那麼科技進步是不是至此就要裹足不前了呢？上文提到的人腦的兩個特點可以給我們一些啟發。第一，CPU是通用晶元，在處理特定任務時效率受限，我們可以針對不同應用開發專用晶元處理不同任務，也就是學界所說的異構計算。第二，CPU是串列處理器，隨著人工智慧的逐漸普及，深度學習演算法需要大量的並行計算，因此並行處理器更適合用來達到加速AI演算法的目的。

二、AI晶元的戰國時代

nnnn

晶元定義了產業鏈和生態圈的基礎計算架構，因此是兵家必爭之地。CPU作為主處理器，異構計算部分由各種協處理器提供AI演算法的加速。如果要形容一下今天的AI晶元領域，那就是群雄逐鹿。目前的AI晶元分為四大流派：

nnnn

1. nGPU

nnnn

AI大潮下最幸運的寵兒非英偉達莫屬。英特爾的CPU是串列計算架構，如果用於加速深度學習演算法效率不高，於是科學家們便滿世界尋找更適合的晶元，於是便找到了能處理並行計算任務的圖形處理器GPU。有的時候是英雄造時勢，有的時候是時勢造英雄，英偉達就是被時代選擇的幸運兒。當然，英偉達的CEO黃仁勛的確是一位出色的企業領袖，這幾年他帶領英偉達不斷研發和推出為人工智慧加速的新型GPU，成為了技術開發者們的首選。

nn

2. nFPGA

nnnn

FPGA，即現場可編程邏輯門陣列。它是一種高性能、低功耗的可編程晶元，用戶可以通過燒入FPGA配置文件來自定義晶元內部的電路連接，以實現特定功能。這種燒入不是一次性的，是可擦寫的，也就是說今天用戶可以把它配置成功能A，明天可以把它配置成功能B。FPGA的提供商目前主要有兩大（Xilinx和Altera）兩小（Lattice和Actel）4家公司，AI晶元公司利用它們提供的可編程晶元來開發解決方案。

nnnn

3. nASIC

nnnn

ASIC，即專用集成電路，是為某種特定需求而專門定製的晶元，一旦設計製造完成，內部的電路和演算法就固定了，無法再改變。它的優越性就在於體積小、功耗低、計算性能和計算效率高，並且晶元出貨量越大成本就會越低。

nnnn

FPGA和ASIC的區別，就好比你是用樂高積木自己搭一個玩具，還是去工廠開模定製生產一樣。FPGA上市速度快，一次性投入小，但性能差一些，量產後成本降不下來。ASIC類似開模生產，流片的成本很高，設計固化後不可更改，所以需要的研發時間長，上市速度快，前期投入很高，但性能優越，且一旦量產後單片成本會攤的很低。

nn

4. n類腦晶元

nnnn

大家知道人類的大腦是由千億數量級的神經元組成的，神經元之間由成千上萬的突觸相連。於是科學家們便模擬人腦的機理，在晶元上打造出了電子的神經元，連接形成神經元迴路。IBM投入研發TrueNorth就是這種類腦晶元 ，這是一項顛覆性的技術，徹底打破了傳統計算機的馮諾依曼結構，相當於在硅基上造了一個大腦，未來可以具備像人一樣的認知能力。但是目前類腦晶元仍處於前期研發階段，從性能上看，計算能力和精度還不能超越GPU和FPGA的最好水平。

nn

三、大風起於青萍之末

nnnn

目前國內外巨頭均投入重兵在AI的研發和應用上，英偉達主推GPU，英特爾收購了ASIC公司Movidius、Nervana以及FPGA廠商Altera，谷歌在開發TPU，高通在開發NPU，IBM在開發類腦晶元，BAT、亞馬遜、微軟不約而同地推出了FPGA雲服務。在這樣的重兵把守下，創業公司該如何尋找自己的突破口呢？

nnnn

1. n從"通用"到"專用"

nnnn

從CPU到ASIC，晶元中晶體管的效率越來越高，晶元的靈活性越來越低。AI晶元的Flexbility（靈活性）和Performance（性能）是一對tradeoff的關係。AI晶元是軟硬一體化的設計，硬體上固化的部分越多，晶元的靈活易用性就越受限，但是針對具體場景中特定任務的加速效果就會越好，反之想開發通用晶元就必然以犧牲特定應用中的性能為代價。巨頭們都希望構建通用的計算平台，很難深入到具體場景中的落地，開發專用晶元就是創業公司的領地了。

nnnn

2. n從"中心"到"邊緣"

nnnn

我們過去的計算很多都是放到雲上，所以才有了數據中心和雲服務商的大規模崛起，這是」中心計算「。在《人工智慧時代，你的商業模式升級了嗎？》這篇文章（點擊」閱讀原文「可查看）中我提到過，在很多情況下，由於低延遲、實時性和隱私保護的要求，一些任務比如感知、識別、交互、推薦、決策等，必須要在終端上完成，n這種趨勢在智能手機時代已經初見端倪，這個我們叫做」邊緣計算「。巨頭們大多以雲計算為切入，在各類智能終端上開發嵌入式計算剛好是創業公司的機會。

nnnn

3. n從「訓練」 到「推理」

nnnn

深度學習是通過上百層的大規模深度神經網路來完成的，網路中的連接、參數需要通過training（訓練）來確定，於是人們通過給神經網路喂大數據來調參，這個過程基本上都是GPU上進行的。網路參數一旦確定下來，模型就固化了，人們可以用這個模型在具體應用中完成檢測、識別等任務，這個過程叫Inference（推理）。GPU體積大，功耗高，在training上優勢明顯，但是到inference上就變成了包袱，不易部署而且精度還會下降，這就給其他玩家留下了機會，所以非得說AI晶元就英偉達的天下那也不盡然。

四、中國「芯」

nnnn

中國過去幾十年在底層晶元的設計和研發上一直缺位，人工智慧時代的來臨重新定義了異構計算架構，給了中國最好的彎道超車的機會。我們欣喜地看到中國的創業企業迅速成長，並獲得了巨額投資。

nnnn

1. n地平線機器人

nnnn

Horizon Robotics，由百度深度學習研究院( IDL )創始人余凱創辦，致力於打造面向未來的人工智慧晶元BPU（Brain Processing Unit），並提供完整開放的軟硬體解決方案。目前產品有安徒生平台，面向智能家居和智能玩具；雨果平台，面向自動駕駛和ADAS。

nnnn

投資方：晨興資本、高瓴資本、紅杉資本、金沙江創投、創新工場、真格基金、線性資本、DST、n雙湖投資、青雲創投、祥峰投資。

nnnn

2. n深鑒科技

nnnn

深鑒科技源於清華，專註於深度學習處理器與編譯器技術，研發了一種名為「深度壓縮」的技術，它不僅可以將神經網路壓縮數十倍而不影響準確度，還可以使用「片上存儲」來存儲深度學習演算法模型，減少內存讀取，大幅度減少功耗。

nnnn

投資方： 聯發科MTK、高榕資本、金沙江創投、方和資本、清華控股、賽靈思。

nnnn

3. n中科院寒武紀

nnnn

中科院計算所少年天才陳氏兄弟——陳雲霽和陳天石創辦。n寒武紀系列已包含三種原型處理器結構：寒武紀1號（英文名DianNao，面向神經網路，在終端上使用）；寒武紀2號（英文名DaDianNao，面向大規模神經網路，在伺服器端布設）；寒武紀3號（英文名PuDianNao，面向多種機器學習演算法的多功能晶元）。

nnnn

投資方：中科院、元禾原點創投、科大訊飛、涌金集團。

nnnn

4. n西井科技

nnnn

一家專註於研究類腦強人工智慧的公司，其基於神經形態工程學，目前已推出了自主研發的擁有100億規模的神經元人腦模擬模擬器（Westwell Brain）和可商用化的5000萬類腦神經元晶元（DeepSouth）兩款產品。

nnnn

投資方：合力投資、源政投資、PreAngel。

nnnn

5. n中星微

nnnn

這是一支國家隊，國家信息產業部直接領導，他們的中國首款「星光智能一號」嵌入式NPU （Neural Processing Unit）已經實現了量產，並在視頻監控領域實現了產業化，未來將廣泛應用於智能輔助駕駛、無人機、機器人等領域。

nnnn

投資方：國資背景。

五、未來之路任重道遠

nnnn

近兩年AI的大熱使得創業者和投資人大量湧入，在泡沫之下還應該冷靜地思考行業的本質。AI晶元公司未來還會面臨重重考驗，在各個方面展開比拼。

nn

1. n技術水平

nnnn

目前人工智慧尚處於發展早期，演算法基本上三個月一迭代。AI晶元是軟硬體結合的設計思路，需要謹慎地選擇哪些部分通過硬體設計來固化，哪些部分通過軟體指令來執行，這對創業公司的技術水平提出了很高的要求。

nnnn

2. n產業整合

nn

晶元行業從設計、研發，到生產、製造，考驗的是對整個產業的整合能力，中國在產業上的實力一直比較落後。前段時間擁有卓越的自動駕駛單目視覺演算法的以色列公司Mobileye賣身給了Intel，最主要的原因是Mobileye想要推出自動駕駛嵌入式ASIC晶元必須要藉助Intel作為產業王者的整合能力。英特爾擁有世界一流的7nm工藝和處理器製程，可以提供領先的產能和品質保證，這些能力的積累非一日之功，絕對不是一家演算法公司能夠hold住的。

nnnn

3. n資源渠道

nnnn

AI晶元目前處於起步階段，贏得客戶的接受和信任需要時間，很難靠單純賣晶元生存，創業公司的商業模式大多採用賣軟硬一體化解決方案為主。很多行業（如安防、家居、汽車等）中的大客戶，都有很強的話語權，搞定它們絕非易事，非常考驗創業公司的渠道和資源能力。正所謂上得了廳堂，下得了廚房，搞得了科研，幹得了BD，這對科技行業出身的創業者們還是一個不小的挑戰。

nnnn

4. n生態戰略

nn

晶元作為底層硬體，是否成功很重要的一條就是看有多少開發者在用。英偉達的脫穎而出絕不僅僅只是它的技術領先，而是因為它可以向開發者們提供高效、簡潔、易用、兼容的開發工具，即使是新手也能快速上手，今年英偉達剛剛宣布將通過深度學習學院培訓10萬名開發者。所以如何讓自己的介面更易用，如何打造開發者生態，這個是晶元創業公司必須要考慮的問題。

nnnn

5. n資金實力

nnnn

老黃在GTC大會上宣稱新款深度學習GPU Tesla V100研發成本大概花了30億美元，財大氣粗的感覺有木有，令其他玩家望塵莫及啊！晶元研發前期投入比較大，沒有很強的融資能力是萬萬不能的。所以「忽悠」是一種很重要的能力，直接決定著能把公司帶到什麼樣的level，關鍵是要不斷超越投資人的預期，吹過的牛逼咬著牙也得實現了。老黃在GTC大會上2個小時的演講就讓英偉達的股票應聲上漲了17%，這方面國內的公司還是差那麼一些的。

nnnn

6. n國際競爭

nn

如果說做AI應用的公司是在國內競爭的話，做晶元的公司絕對是在國際化的舞台上去爭奪。技術開發者會選擇對他們最友好、使用效果最好、穩定性魯棒性最高的硬體平台，而且選擇以後很難遷移到其他平台上，國內創企必須要直面這種bloody的競爭環境。

nnnn

總的來說，雖然前路曲折而漫長，中國的AI晶元公司還是讓我們看到了很多希望的。中國過去在這個領域沒有太多優勢，中國的創業者也是剛剛開始發力，中國的投資人大多沒有領域知識，看不懂也不敢投。但很多艱難的開端往往孕育著偉大的機會，未來中國在這個領域中會誕生世界級的公司。令人激動和欣慰的是，中國的創業者和投資人們在共同成長，一起去擁抱這個變革的時代。

推薦閱讀：