國內AI芯片百家爭鳴，何以抗衡全球技術(shù)寡頭

　　計算機視覺(jué)領(lǐng)域的攪局者——英特爾

　　英特爾作為世界上最大的計算機芯片制造商，近年來(lái)一直在尋求計算機以外的市場(chǎng)，其中人工智能芯片爭奪成為英特爾的核心戰略之一。為了加強在人工智能芯片領(lǐng)域的實(shí)力，不僅以 167 億美元收購 FPGA 生產(chǎn)商 Altera 公司，還以 153 億美元收購自動(dòng)駕駛技術(shù)公司 Mobileye，以及機器視覺(jué)公司 Movidius 和為自動(dòng)駕駛汽車(chē)芯片提供安全工具的公司 Yogitech，背后凸顯這家在 PC 時(shí)代處于核心位置的巨頭面向未來(lái)的積極轉型。

　　Myriad X就是英特爾子公司 Movidius 在 2017 年推出的視覺(jué)處理器 (VPU，vision processing unit)，這是一款低功耗的系統芯片 (SoC)，用于在基于視覺(jué)的設備上加速深度學(xué)習和人工智能——如無(wú)人機、智能相機和 VR / AR 頭盔。Myriad X 是全球第一個(gè)配備專(zhuān)用神經(jīng)網(wǎng)絡(luò )計算引擎的片上系統芯片(SoC)，用于加速設備端的深度學(xué)習推理計算。該神經(jīng)網(wǎng)絡(luò )計算引擎是芯片上集成的硬件模塊，專(zhuān)為高速、低功耗且不犧牲精確度地運行基于深度學(xué)習的神經(jīng)網(wǎng)絡(luò )而設計，讓設備能夠實(shí)時(shí)地看到、理解和響應周?chē)h(huán)境。引入該神經(jīng)計算引擎之后，Myriad X 架構能夠為基于深度學(xué)習的神經(jīng)網(wǎng)絡(luò )推理提供 1TOPS 的計算性能。

　　執 “能效比” 之牛耳——學(xué)術(shù)界

　　除了工業(yè)界和廠(chǎng)商在人工智能領(lǐng)域不斷推出新產(chǎn)品之外，學(xué)術(shù)界也在持續推進(jìn)人工智能芯片新技術(shù)的發(fā)展。

　　比利時(shí)魯汶大學(xué)的 Bert Moons 等在 2017 年頂級會(huì )議 IEEE ISSCC 上面提出了能效比高達 10.0TOPs/W 的針對卷積神經(jīng)網(wǎng)絡(luò )加速的芯片 ENVISION，該芯片采用 28nm FD-SOI 技術(shù)。該芯片包括一個(gè) 16 位的 RISC 處理器核，1D-SIMD 處理單元進(jìn)行 ReLU 和 Pooling 操作，2D-SIMD MAC 陣列處理卷積層和全連接層的操作，還有 128KB 的片上存儲器。

　　韓國科學(xué)技術(shù)院 KAIST 的 Dongjoo Shin 等人在 ISSCC2017 上提出了一個(gè)針對 CNN 和 RNN 結構可配置的加速器單元 DNPU，除了包含一個(gè) RISC 核之外，還包括了一個(gè)針對卷積層操作的計算陣列 CP 和一個(gè)針對全連接層 RNN-LSTM 操作的計算陣列 FRP，相比于魯汶大學(xué)的 Envision，DNPU 支持 CNN 和 RNN 結構，能效比高達 8.1TOPS/W。該芯片采用了 65nm CMOS 工藝。

　　相比較于魯汶大學(xué)和韓國科學(xué)技術(shù)院都針對神經(jīng)網(wǎng)絡(luò )推理部分的計算操作來(lái)說(shuō)，普渡大學(xué)的Venkataramani S 等人在計算機體系結構頂級會(huì )議 ISCA2017 上提出了針對大規模神經(jīng)網(wǎng)絡(luò )訓練的人工智能處理器 SCALLDEEP。

　　該論文針對深度神經(jīng)網(wǎng)絡(luò )的訓練部分進(jìn)行針對性?xún)?yōu)化，提出了一個(gè)可擴展服務(wù)器架構，且深入分析了深度神經(jīng)網(wǎng)絡(luò )中卷積層，采樣層，全連接層等在計算密集度和訪(fǎng)存密集度方面的不同，設計了兩種處理器 core 架構，計算密集型的任務(wù)放在了 comHeavy 核中，包含大量的 2D 乘法器和累加器部件，而對于訪(fǎng)存密集型任務(wù)則放在了 memHeavy 核中，包含大量 SPM 存儲器和 tracker 同步單元，既可以作為存儲單元使用，又可以進(jìn)行計算操作，包括 ReLU，tanh 等。而一個(gè) SCALEDEEP Chip 則可以有不同配置下的兩類(lèi)處理器核組成，然后再組成計算簇。

　　論文中所用的處理平臺包括 7032 個(gè)處理器 tile。論文作者針對深度神經(jīng)網(wǎng)絡(luò )設計了編譯器，完成網(wǎng)絡(luò )映射和代碼生成，同時(shí)設計了設計空間探索的模擬器平臺，可以進(jìn)行性能和功耗的評估，性能則得益于時(shí)鐘精確級的模擬器，功耗評估則從 DC 中提取模塊的網(wǎng)表級的參數模型。該芯片僅采用了 Intel 14nm 工藝進(jìn)行了綜合和性能評估，峰值能效比高達 485.7GOPS/W。