第一款双核手机亚马逊杀入AI芯片大战，Alexa的野心是当家(2)

在云端，除了上文的英伟达，英特尔在收购 Altera 之后推出了基于FPGA的专用深度学习加速卡，更收购了 Nervana，瞄准为深度学习专门定做和优化的 ASIC 芯片；收购了 Movidius，其高性能视觉处理芯片将补足英特尔在移动端 AI 芯片的缺失。另外还有 IBM 的类脑芯片 TrueNorth。当然还有本文开头讲到的谷歌 TPU。日前，百度又正式推出了 XPU，它是基于百度 FPGA 的新一代 AI 处理架构，拥有GPU的通用性和FPGA的高效率和低能耗，对百度的深度学习平台PaddlePaddle做了高度的优化和加速。

在移动端，谷歌、苹果和三星等都在用专门的 AI 芯片构建手机。微软正在为增强现实耳机专门设计这样的芯片。同时从科技巨头谷歌到传统车厂丰田，所有人都在进行自动驾驶汽车的研发，正需要能够在移动端良好运行的 AI 芯片。

比如擅长底层架构改进的苹果，其最新发布的 Apple X 采用了定制的芯片来处理人工智能工作负载。这是一个双核的“A11 生物神经网络引擎”（A11 bionic neural engine）芯片，每秒运算次数最高可达6000亿次。该芯片赋能的最重要的事情就是使 Face ID 身份认证功能能够快速识别人脸，从而解锁 iPhone X 或进行购物。第一款双核手机第一款双核手机

芯片走向定制化，以满足AI软件的需求，在行业中已经变成一股新的大趋势。谷歌已经设计了两代芯片来处理数据中心的AI计算工作负载。 微软也为未来版本的 HoloLens 混合现实头盔开发了一款AI芯片。在iPhone上安装新的专用芯片意味着主芯片的工作量将会减少，从而提高电池寿命。 否则，例如，通过手机进行物体识别同时进行视频录制时，可能会迅速地将电池消耗完。此外，在不久的将来， iPhone以外的更多移动设备都可能包含针对AI的处理器。

又如华为。在德国IFA 2017举办期间，华为正式发布全球首款人工智能移动计算平台麒麟970。华为方面表示，这一带有强大AI计算力的手机端移动计算平台，是业界首颗带有独立NPU（Neural Network Processing Unit）专用硬件处理单元的手机芯片。 创新性集成NPU专用硬件处理单元，创新设计了HiAI移动计算架构，其AI性能密度大幅优于CPU和GPU。相较于四个Cortex-A73核心，处理相同AI任务，新的异构计算架构拥有约 50 倍能效和 25 倍性能优势，图像识别速度可达到约2000张/分钟。麒麟970高性能8核CPU，对比上一代能效提高20%。率先商用 Mali G72 12-Core GPU，与上一代相比，图形处理性能提升20%，能效提升50%，可以更长时间支持3D大型游戏的流畅运行。

此外，中国也有几家公司在进行 AI 芯片的研发。此前腾讯发布的 AI 产业报告指出，AI 芯片作为产业核心，也是技术要求和附加值最高的环节，产业价值和战略地位远远大于应用层创新。而在这一点上，中国和美国的差距还很大。报告显示，从基础层的芯片企业数量来看，中国拥有14家，美国33家，中国仅为美国的42%。

国内在 AI 芯片研发表现突出的企业，除上文介绍的寒武纪外，还有推出具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片“星光智能一号”的中星微电子，致力于软硬件一体化解决方案的地平线机器人，以及打造了“深度学习处理单元”（Deep Processing Unit，DPU）的深鉴科技。深鉴科技的目标是以 ASIC 级别的功耗，达到优于 GPU 的性能，目前第一批产品基于FPGA平台。

美国国防部研究部门 Darpa 的项目经理吉尔·普拉特（Gill Pratt）表示，这种向芯片和新的计算机架构转型的趋势可能导致人工智能芯片的“寒武纪爆炸”。正如他所看到的那样，将计算量扩展到大量微小的低功耗芯片，以使机器可以像人类的大脑一样运行，这样就有效地利用了能量。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shouji/article-77942-2.html