人工智能說(shuō)了60年，為何還沒(méi)有普及？

　　人工智能(Artificial Intelligence， AI)無(wú)疑是科技圈近來(lái)最火爆的話(huà)題，不過(guò)對于A(yíng)I這個(gè)提出已經(jīng)超過(guò)60年的概念，能否在第三波浪潮中解決算法、計算效率、數據等問(wèn)題實(shí)現普及成為了業(yè)界關(guān)注的焦點(diǎn)。為加速人工智能的落地與普及，我們看到谷歌、英偉達、英特爾、高通等巨頭紛紛從處理器入手，解決重要的計算效率問(wèn)題。當然，為解決計算效率問(wèn)題也給芯片IP授權商帶來(lái)了機會(huì )與挑戰。那么，IP授權商如何加速人工智能的普及?

　　歷經(jīng)60多年 人工智能為何仍未普及?

　　對此，CEVA分部營(yíng)銷(xiāo)總監Yair Siegel在接受《華強電子》記者采訪(fǎng)時(shí)表示：“就AI的夢(mèng)想而言，它們距離模仿人腦功能仍然非常遙遠?！?/p>

　　即便距離AI夢(mèng)想還遙遠，2012年之前關(guān)于人工智能的兩極化觀(guān)點(diǎn)也還同時(shí)存在，但2015年之后，人工智能又迎來(lái)了第三次浪潮。Cadence亞太區IP業(yè)務(wù)銷(xiāo)售總監陳會(huì )馨女士接受采訪(fǎng)時(shí)表示：“人工智能的實(shí)現需要處理器有很強的運算能力，但人工智能提出的時(shí)候芯片行業(yè)剛剛起步，集成電路也還未到大規模的狀態(tài)，硬件的運算能力遠遠不能滿(mǎn)足人工智能的需求。這幾年人工智能再次受到關(guān)注，其中重要的原因就是硬件載體的運算能力有了飛速的提升?！盰air Siegel補充到：“業(yè)界研究人工智能和機器學(xué)習已有多年時(shí)間，最近數年中，在稱(chēng)為神經(jīng)網(wǎng)絡(luò )的學(xué)術(shù)算法研究領(lǐng)域取得了重大突破。這些用于神經(jīng)網(wǎng)絡(luò )的全新算法可以更好地模仿人腦學(xué)習和取得結論的能力。2016年谷歌的DeepMind AlphaGo深度神經(jīng)網(wǎng)絡(luò )項目在中國圍棋比賽中打敗了人類(lèi)圍棋冠軍李世石，也可能是這項技術(shù)一個(gè)很好的轉折點(diǎn)。同時(shí)，我們也看到了許多其它的神經(jīng)網(wǎng)絡(luò )和深度學(xué)習技術(shù)能夠實(shí)現目標識別、語(yǔ)音識別和語(yǔ)言理解等人工智能功能?！?/p>

　　人工智能普及三大核心要素 運算效能等成IP授權商重要挑戰

　　“人工智能雖然沒(méi)有達到普及的程度，但現在正在對世界科技格局產(chǎn)生重要影響。影響人工智能發(fā)展的核心要素有三個(gè)，一、深度學(xué)習算法的提出;二、移動(dòng)互聯(lián)網(wǎng)產(chǎn)生足夠的大數據;三、計算能力的大幅度提高。隨著(zhù)算法、計算能力和大數據這三大人工智能要素的發(fā)展，人工智能范式遷移已現端倪，技術(shù)和產(chǎn)業(yè)兩個(gè)維度的‘奇點(diǎn)時(shí)刻’正在臨近?！?Arm戰略聯(lián)盟業(yè)務(wù)發(fā)展總監金勇斌如此總結人工智能普及的三大核心要素。

　　金勇斌進(jìn)一步表示，影響人工智能普及的三大核心要素相互影響，相互促進(jìn)。具體來(lái)說(shuō)，計算效率方面，人工智能的普及需要將智能推進(jìn)到邊緣和終端設備中，與云計算不同，邊緣和終端設備芯片對功耗特別敏感。數據方面，無(wú)處不在的智能節點(diǎn)采集的數據是分散的多樣的，形成的大數據是無(wú)標簽的，需要邊緣智能物聯(lián)網(wǎng)設備處理標簽數據，處理標簽后的數據才能進(jìn)行分析、學(xué)習?，F有的處理器基本框架結構不是為人工智能所設計的，應用受到很多限制，所以越來(lái)越多的廠(chǎng)商認為需要新的處理器來(lái)滿(mǎn)足深度學(xué)習技術(shù)進(jìn)而實(shí)現人工智能。

　　陳會(huì )馨就表示：“深度學(xué)習的芯片是一個(gè)全新的設計架構，和以往的網(wǎng)絡(luò )或AP等技術(shù)不一樣，如何在深度學(xué)習的芯片中給IC設計的廠(chǎng)商一些特殊接口的IP實(shí)際上既是機遇也是挑戰。具體來(lái)說(shuō)，為了讓深度學(xué)習的設備達到一個(gè)很好的能效比，處理器中需要引入新的IP。另外，以往的處理器中的內存接口就是關(guān)注的焦點(diǎn)，對于深度學(xué)習的芯片來(lái)說(shuō)，大家希望有更高帶寬的內存接口來(lái)支撐整個(gè)芯片計算的吞吐，因此內存接口的瓶頸在深度學(xué)習的芯片中會(huì )更加突出?！?/p>

　　金勇斌認為，面對人工智能IP授權商面臨三大挑戰，首先從計算效能看，需要增加更多計算能力到系統級芯片(SoC)上，并考慮如何在復雜運算環(huán)境下降低成本與功耗，使得在邊緣和終端的智能設備擁有高效的人工智能任務(wù)處理能力，同時(shí)具備靈活性和低功耗的特點(diǎn)。其次從安全性角度看，數以?xún)|萬(wàn)計的設備聯(lián)網(wǎng)需要從IP與標準的角度就考慮確保數據從傳感器到服務(wù)器的安全。最后從通用性角度看，人工智能的節點(diǎn)計算能力提高之后，無(wú)處不在的智能設備使得人工智能場(chǎng)景變得碎片化，智能節點(diǎn)收集的數據結構化和標準化之后，才能供機器學(xué)習，進(jìn)一步處理分析使用。

　　Yair Siegel也強調高效能和靈活性方面的挑戰。他表示，今天深度學(xué)習算法需要結合大量計算和大量數據使用，為了實(shí)現大眾市場(chǎng)使用，這項技術(shù)必需具有高能效，以便用于電池供電設備中。此外，深度學(xué)習技術(shù)仍然在快速演進(jìn)和改進(jìn)，任何IP解決方法必須足夠靈活，以便在產(chǎn)品生命周期內進(jìn)行技術(shù)的更新，并且需要實(shí)現靈活的編程和易于使用的工具，縮短從研發(fā)到生產(chǎn)的過(guò)程。而且，它必須具有應對業(yè)界不斷發(fā)展的新標準、新特性和新功能的能力。

　　面對效能與運算效率等挑戰 IP授權商各有應對之道

　　至此，我們不難發(fā)現高效能、安全性、靈活性、通用性等都是IP廠(chǎng)商推應對深度學(xué)習處理器或者說(shuō)人工智能商機需要解決的挑戰。作為全球重要的IP授商，它們如何應對?陳會(huì )馨介紹：“Cadence針對深度學(xué)習芯片已經(jīng)有了四年的研發(fā)和儲備，今年五月份推出了一款獨立完整的神經(jīng)網(wǎng)絡(luò )DSP —Cadence Tensilica Vision C5，面向對神經(jīng)網(wǎng)絡(luò )計算能力有極高要求的智能視覺(jué)設備。針對自動(dòng)駕駛、監控安防、無(wú)人機、機器人和移動(dòng)/可穿戴設備應用，Vision C5 DSP 1TMAC/s的計算能力完全能夠勝任目前終端設備的CNN的計算任務(wù)，這款產(chǎn)品的推出對神經(jīng)網(wǎng)絡(luò )處理器市場(chǎng)格局來(lái)說(shuō)將產(chǎn)生很大的變化，后續我們也將根據市場(chǎng)的反饋來(lái)提供滿(mǎn)足深度學(xué)習芯片帶寬需求的產(chǎn)品?！?/p>

　　同樣推出DSP IP的還有CEVA，Yair Siegel表示：“第一波人工智能算法研究主要使用GPU是因為它們是現成的而且已經(jīng)廣泛用于離線(xiàn)進(jìn)行的訓練部分。然而進(jìn)入開(kāi)發(fā)和生產(chǎn)消費類(lèi)產(chǎn)品需要更高能效和更高性能的解決方案。多年來(lái)CEVA一直開(kāi)發(fā)用于計算機視覺(jué)、語(yǔ)音和深度學(xué)習的DSP IP ，CEVA-XM 系列視覺(jué)DSP內核連同CEVA深度神經(jīng)網(wǎng)絡(luò )(CDNN)工具套件，不僅能夠實(shí)現低功耗和高效的性?xún)r(jià)比，滿(mǎn)足大眾市場(chǎng)設備的要求，還能讓產(chǎn)品快速的從研發(fā)走向生產(chǎn)。CDNN套件可以應對嵌入式挑戰，比如降低數據帶寬和處理存儲器傳送，并以軟件更新來(lái)靈活的應對技術(shù)創(chuàng )新，實(shí)現各種產(chǎn)品的可擴展性?！?/p>

　　Arm則是在今年專(zhuān)為人工智能推出全新的DynamIQ技術(shù)。金勇斌介紹，DynamIQ技術(shù)將為今后所有新的Cortex-A系列處理器帶來(lái)全新的特性和功能，包括：1、針對機器學(xué)習(ML)和人工智能的全新處理器指令集，第一代采用DynamIQ技術(shù)的Cortex-A系列處理器在優(yōu)化應用后，可實(shí)現比基于Cortex-A73的設備高50倍的人工智能性能，并最多可提升10倍CPU與SoC上指定硬件加速器之間的反應速度。2、增強的多核靈活性，SoC設計者可以在單個(gè)群集中最多部署8個(gè)核，每一個(gè)核都可以有各自不同的性能特性。這些先進(jìn)的能力會(huì )為機器學(xué)習和人工智能應用帶來(lái)更快的響應速度。全新設計的內存子系統也將實(shí)現更快的數據讀取和全新的節能特性。3、在嚴苛的熱限制下實(shí)現更高的性能，通過(guò)對每一個(gè)處理器進(jìn)行獨立的頻率控制，高效地在不同任務(wù)間切換最合適的處理器。4、更安全的自動(dòng)控制系統，DynamIQ技術(shù)為ADAS解決方案帶來(lái)更快的響應速度，并能增強安全性，確保合作伙伴能夠設計ASIL-D合規系統，即使在故障情況下仍然能夠安全運行。