AI駕臨人間 四大芯片流派華山論劍

　　隨著(zhù)AI產(chǎn)業(yè)快速突破，各大公司在AI領(lǐng)域的人才動(dòng)向也在引起極大關(guān)注，你來(lái)我往、歸去來(lái)兮，AI江湖上大有一片血雨腥風(fēng)之勢。當然，AI領(lǐng)軍人物的變動(dòng)，會(huì )對具體公司業(yè)務(wù)造成影響。但從整個(gè)行業(yè)來(lái)看，人才流動(dòng)的頻繁，反倒有可能促進(jìn)產(chǎn)業(yè)的整體進(jìn)程。

　　不信你翻翻歷史。AI這門(mén)功夫自1956年問(wèn)世以來(lái)，至今已經(jīng)歷60年風(fēng)風(fēng)雨雨，一直是流派眾多，難學(xué)難練，沒(méi)有大成。

　　難學(xué)，是因為必須要掌握一種叫做“算法”的神功;難練，是因為需要有足夠算力，能夠處理數據樣本，訓練機器。

　　幾十年來(lái)，一直是有算法沒(méi)算力，甚至于有人認為，人工智能就是一個(gè)科幻，就是小說(shuō)家跟人類(lèi)開(kāi)的一個(gè)玩笑而已。誰(shuí)也沒(méi)想到，進(jìn)入21世紀后算力大爆炸。引發(fā)了整個(gè)AI產(chǎn)業(yè)開(kāi)天辟地般的變化。

　　其中，算法上升為天——深度學(xué)習，分成DBN，CNN，BP，RBM等等諸多分支，其中佼佼者當屬CNN(convolutional neural networks)，人稱(chēng)卷積神經(jīng)網(wǎng)絡(luò )，應用廣泛。

　　算力，下降為地——AI芯片。各種芯片如雨后春筍涌現，拿過(guò)來(lái)訓練機器，得心應手啊。

　　廟堂之上也為AI駕臨人間雀躍不已。世界各國意識到人工智能的重要性，紛紛簞食壺漿，以迎AI。

　　聯(lián)合國于2016年發(fā)布告示，召集人類(lèi)討論機器人的制造和使用如何促進(jìn)人工智能的進(jìn)步，以及可能帶來(lái)的社會(huì )與倫理問(wèn)題。

　　美國政府于2016年連續頒發(fā)三道金牌：《美國國家人工智能研發(fā)戰略計劃》、《為人工智能的未來(lái)做好準備》、《人工智能、自動(dòng)化與經(jīng)濟報告》，宣稱(chēng)加入人工智能教派，并且描繪了此舉能帶來(lái)的種種美好的前景。

　　英國政府見(jiàn)此立即照方抓藥，刊發(fā)了《機器人技術(shù)和人工智能》報告，詳細的闡述英國的機器人技術(shù)與AI的親密關(guān)系。

　　有算法有算力，天地已定。有政策有戰略，和風(fēng)細雨。正是產(chǎn)業(yè)萌芽，草長(cháng)鶯飛，欣欣向榮的時(shí)刻。人才的流動(dòng)正是產(chǎn)業(yè)加速的信號。

　　書(shū)歸正傳。芯片定義了產(chǎn)業(yè)鏈和生態(tài)圈的基礎計算架構，正如CPU是IT產(chǎn)業(yè)的核心一樣，芯片也是人工智能產(chǎn)業(yè)的核心。

　　話(huà)說(shuō)天下AI芯片共分四大流派：

　　GPU，目前銳氣正盛，恰似東邪，憑借并行計算形成先發(fā)優(yōu)勢。

　　FPGA，蟄伏北方，正在暗地里合縱連橫，大有號令群雄的勢頭，恰似丐幫。

　　ASIC，割據南方，占領(lǐng)了大片市場(chǎng)，參與的公司林立。

　　類(lèi)腦芯片，這個(gè)更“邪性”，打算直接復制大腦，也暗藏著(zhù)問(wèn)鼎中原的野心。

　　根據互聯(lián)網(wǎng)公開(kāi)發(fā)布信息，今年，四大流派已經(jīng)派出幾十路高手，參與華山論劍，這些高手均屬于芯片設計期高手。

　　這些高手都有什么特點(diǎn)?誰(shuí)能逐鹿中原?下文一一分析。

　　GPU一派

　　市場(chǎng)上名氣最大的應該是GPU一派。GPU也稱(chēng)視覺(jué)處理器，專(zhuān)門(mén)用于圖像及相關(guān)處理的芯片。

　　2012年，Alex Krizhevsky，多倫多大學(xué)的博士研究生，憑此在ImageNet大賽上奪下了2012屆的冠軍。Alex提出了一個(gè)奇妙的模型，僅憑借兩個(gè)GPU就取得了訓練深層神經(jīng)網(wǎng)絡(luò )的極佳效果。江湖頓時(shí)為之轟動(dòng)，于是引發(fā)了GPU訓練神經(jīng)網(wǎng)絡(luò )的風(fēng)潮。要知道，AI領(lǐng)域過(guò)去曾用CPU處理數據，但CPU效力太低。

　　當年，谷歌曾經(jīng)花費巨資購買(mǎi)1.6萬(wàn)個(gè)處理器，堆成谷歌大腦，峰值功耗在10萬(wàn)瓦以上，占地面積數十平方米。試問(wèn)天下，有幾人能玩的起1.6萬(wàn)個(gè)處理器?

　　隨著(zhù) AlexNet的劃時(shí)代論文橫空出世，于是GPU 在服務(wù)器端橫掃天下。

　　有人會(huì )問(wèn)，CPU和GPU，都是處理器，兩者有什么不同?

　　與CPU相比，GPU 出現得遠比 CPU 晚，但并行計算能力能卻常令CPU望塵莫及。并行計算是相對于串行計算來(lái)說(shuō)的。要知道，自計算機誕生以來(lái)，電腦編程幾乎一直都是串行計算，絕大多數的程序只存在一個(gè)進(jìn)程或線(xiàn)程，好比一個(gè)人只能先吃飯再看聊天。

　　但更多人喜歡邊吃飯邊聊天怎么辦?遇到這類(lèi)問(wèn)題，串行計算就傻眼了。并行計算一次可執行多個(gè)指令的算法，能夠完美解決吃飯聊天難題。解決方式可分為時(shí)間上的并行和空間上的并行。時(shí)間上的并行就是指流水線(xiàn)技術(shù)，而空間上的并行則是指用眾多個(gè)處理器并發(fā)的執行計算。

　　深度學(xué)習所依賴(lài)的是神經(jīng)系統網(wǎng)絡(luò )，通常網(wǎng)絡(luò )越深，需要的訓練時(shí)間越長(cháng)。對于一些網(wǎng)絡(luò )結構來(lái)說(shuō)，如果使用串行的X86 處理器來(lái)訓練的話(huà)，可能需要幾個(gè)月、甚至幾年，因此必須要使用并行甚至是異構并行的方法，才有可能讓訓練時(shí)間變得可以接受。

　　在當前的人工智能芯片領(lǐng)域，GPU的應用領(lǐng)域不容小覷，據Jon Peddie Research(簡(jiǎn)稱(chēng)JPR)市場(chǎng)調研公司統計，在2008至2015年期間，除了2008年GPU市場(chǎng)規模稍有下降，其余年份全球獨立顯卡的出貨量和銷(xiāo)售額都呈現出明顯的上升趨勢，并且在2012至2015年有加速上升的表現。

　　GPU領(lǐng)域只有兩大公司，一是英偉達，占市場(chǎng)份額約7成，另一位則是萬(wàn)年老二AMD，占市場(chǎng)份額約3成。

　　從GPU用戶(hù)數量來(lái)看，根據英偉達2016年的財務(wù)報告，相比2013年的100家，2014年的1549家，2015年已有3409家機構或企業(yè)使用英偉達的GPU產(chǎn)品，從事人工智能的研究。這些企業(yè)和機構包括各大高等院校的人工智能實(shí)驗室，互聯(lián)網(wǎng)企業(yè)，軍事企業(yè)等。

　　AMD雖然落后于英偉達，但2016年的市場(chǎng)份額已呈現出上升趨勢，在發(fā)布了代號Vega織女星的GPU芯片，市場(chǎng)一片叫好，未來(lái)可能有繼續上升的趨勢。

　　不足的是，GPU 很費電(比如高端顯卡動(dòng)輒200W+)，一旦開(kāi)啟，散熱就成了麻煩事。