國內AI芯片百家爭鳴，何以抗衡全球技術(shù)寡頭

　　國外：技術(shù)寡頭，優(yōu)勢明顯

　　由于具有得天獨厚的技術(shù)和應用優(yōu)勢，英偉達和谷歌幾乎占據了人工智能處理領(lǐng)域 80% 的市場(chǎng)份額，而且在谷歌宣布其 Cloud TPU 開(kāi)放服務(wù)和英偉達推出自動(dòng)駕駛處理器 Xavier 之后，這一份額占比在 2018 年有望進(jìn)一步擴大。其他廠(chǎng)商，如英特爾、特斯拉、ARM、IBM 以及 Cadence 等，也在人工智能處理器領(lǐng)域占有一席之地。

　　當然，上述這些公司的專(zhuān)注領(lǐng)域卻不盡相同。比如英偉達主要專(zhuān)注于 GPU 和無(wú)人駕駛領(lǐng)域，而谷歌則主要針對云端市場(chǎng)，英特爾則主要面向計算機視覺(jué)，Cadence 則以提供加速神經(jīng)網(wǎng)絡(luò )計算相關(guān) IP 為主。如果說(shuō)前述這些公司還主要偏向處理器設計等硬件領(lǐng)域，那么ARM 公司則主要偏向軟件，致力于針對機器學(xué)習和人工智能提供高效算法庫。

　　注：上述表格中所給為截止到 2017 年各研制單位公開(kāi)可查的最新數據。

　　獨占鰲頭——英偉達

　　在人工智能領(lǐng)域，英偉達可以說(shuō)是目前涉及面最廣、市場(chǎng)份額最大的公司，旗下產(chǎn)品線(xiàn)遍布自動(dòng)駕駛汽車(chē)、高性能計算、機器人、醫療保健、云計算、游戲視頻等眾多領(lǐng)域。其針對自動(dòng)駕駛汽車(chē)領(lǐng)域的全新人工智能超級計算機Xavier，用 NVIDIA 首席執行官黃仁勛的話(huà)來(lái)說(shuō)就是 “這是我所知道的 SoC 領(lǐng)域非常了不起的嘗試，我們長(cháng)期以來(lái)一直致力于開(kāi)發(fā)芯片?！?/p>

　　Xavier是一款完整的片上系統 (SoC)，集成了被稱(chēng)為 Volta 的全新 GPU 架構、定制 8 核 CPU 架構以及新的計算機視覺(jué)加速器。該處理器提供 20 TOPS(萬(wàn)億次運算 / 秒)的高性能，而功耗僅為 20 瓦。單個(gè) Xavier 人工智能處理器包含 70 億個(gè)晶體管，采用最前沿的 16nm FinFET 加工技術(shù)進(jìn)行制造，能夠取代目前配置了兩個(gè)移動(dòng) SoC 和兩個(gè)獨立 GPU 的 DRIVE PX 2，而功耗僅僅是它的一小部分。

　　而在 2018 年拉斯維加斯 CES 展會(huì )上，NVIDIA 又推出了三款基于 Xavier 的人工智能處理器，包括一款專(zhuān)注于將增強現實(shí)(AR)技術(shù)應用于汽車(chē)的產(chǎn)品、一款進(jìn)一步簡(jiǎn)化車(chē)內人工智能助手構建和部署的 DRIVE IX 和一款對其現有自主出租車(chē)大腦——Pegasus 的修改，進(jìn)一步擴大自己的優(yōu)勢。

　　產(chǎn)學(xué)研的集大成者——谷歌

　　如果你只是知道谷歌的 AlphaGo、無(wú)人駕駛和 TPU 等這些人工智能相關(guān)的產(chǎn)品，那么你還應該知道這些產(chǎn)品背后的技術(shù)大牛們：谷歌傳奇芯片工程師 Jeff Dean、谷歌云計算團隊首席科學(xué)家、斯坦福大學(xué) AI 實(shí)驗室主管李飛飛、Alphabet 董事長(cháng) John Hennessy 和谷歌杰出工程師 David Patterson。

　　時(shí)至今日，摩爾定律遇到了技術(shù)和經(jīng)濟上的雙重瓶頸，處理器性能的增長(cháng)速度越來(lái)越慢，然而社會(huì )對于計算能力的需求增速卻并未減緩，甚至在移動(dòng)應用、大數據、人工智能等新的應用興起后，對于計算能力、計算功耗和計算成本等提出了新的要求。與完全依賴(lài)于通用 CPU 及其編程模型的傳統軟件編寫(xiě)模式不同，異構計算的整個(gè)系統包含了多種基于特定領(lǐng)域架構(Domain-Specific Architecture， DSA)設計的處理單元，每一個(gè) DSA 處理單元都有負責的獨特領(lǐng)域并針對該領(lǐng)域做優(yōu)化，當計算機系統遇到相關(guān)計算時(shí)便由相應的 DSA 處理器去負責。而谷歌就是異構計算的踐行者，TPU 就是異構計算在人工智能應用的一個(gè)很好例子。

　　2017 年發(fā)布的第二代 TPU 芯片，不僅加深了人工智能在學(xué)習和推理方面的能力，而且谷歌是認真地要將它推向市場(chǎng)。根據谷歌的內部測試，第二代芯片針對機器學(xué)習的訓練速度能比現在市場(chǎng)上的圖形芯片(GPU)節省一半時(shí)間;第二代 TPU 包括了四個(gè)芯片，每秒可處理 180 萬(wàn)億次浮點(diǎn)運算;如果將 64 個(gè) TPU 組合到一起，升級為所謂的 TPU Pods，則可提供大約 11500 萬(wàn)億次浮點(diǎn)運算能力。