給機器人“造腦”：英偉達在A(yíng)I芯片領(lǐng)域有多牛？

　　2013年11月 IBM和英偉達聯(lián)合開(kāi)發(fā)超級計算機

　　IBM與芯片廠(chǎng)商英偉達Nvidia達成戰略合作，共同設計開(kāi)發(fā)新型超級計算機系統和服務(wù)器。英偉達開(kāi)發(fā)的圖形處理單元芯片(GPU)，很好適用于浮點(diǎn)計算，表現勝于英特爾的傳統CPU Xeon和AMD的Opteron。排名第二位的“泰坦”也搭載了GPU。

　　根據IBM和英偉達合作內容，雙方在芯片方面就行合作，通過(guò)技術(shù)共享，讓英偉達的Tesla GPU更好與前者的Power 8芯片協(xié)同工作。

　　早期的Tesla車(chē)型曾使用過(guò)Tegra 2，但處理能力遠遠不夠，所以后來(lái)升級到了Tegra 3。特斯拉Model S電動(dòng)車(chē)的車(chē)載娛樂(lè )系統也是基于Tegra 3設計。Nvidia基于在圖形處理方面長(cháng)期積累與CUDA架構，和特斯拉建立密切的合作。而特斯拉為Nvidia在高度智能化的汽車(chē)上的布局上起到助推作用。

　　2014年早期特斯拉ModelS搭載英偉達Tegra 3

　　Nvidia不僅在硬件上有布局，同時(shí)已經(jīng)滲透到了軟件層面。Nvidia將一輛Jeep進(jìn)行深度改裝，但改的不是發(fā)動(dòng)機、輪轂或包圍，而是中控系統。改裝后的Jeep采用3D打印制造出的中控臺，搭配一個(gè)17英寸的電容屏。屏幕劃分為3個(gè)區域，上中下分貝顯示地圖、娛樂(lè )信息以及HVAC(比如空調控制)。配合Tegra K1，Nvidia直接切入到了車(chē)輛的CAN總線(xiàn)中，實(shí)現了對整個(gè)車(chē)輛的控制。

　　2014年初，世界上采用NVIDIA處理器的汽車(chē)已經(jīng)超過(guò)450萬(wàn)輛，涉及20多個(gè)品牌、100多款車(chē)型，其中包括奧迪、寶馬、大眾等車(chē)企巨頭，也包括特斯拉這種車(chē)界新貴。2015年，Tegra芯片在汽車(chē)領(lǐng)域發(fā)展加快，在道路上跑的汽車(chē)有超過(guò)800萬(wàn)輛搭載Tegra芯片。2015年第三季度Nvidia在汽車(chē)領(lǐng)域的業(yè)務(wù)銷(xiāo)量增長(cháng)了51%。

　　2015年12月 Facebook開(kāi)源BigSur

　　Facebook研發(fā)代號為“BigSur”的新一代硬件的設計目標是訓練神經(jīng)網(wǎng)絡(luò )。除人工智能外，這一技術(shù)還經(jīng)常被稱(chēng)作機器或深度學(xué)習。Facebook與Nvidia進(jìn)行合作，是第一家采用英偉達TeslaM40GPU加速器的廠(chǎng)商。M40GPU面向深度神經(jīng)網(wǎng)絡(luò )，是BigSur平臺和OpenRack兼容硬件的關(guān)鍵。

　　采用M40的BigSur平臺的速度是該Facebook上一代產(chǎn)品的2倍，使得訓練規模相當于原來(lái)2倍的神經(jīng)網(wǎng)絡(luò )的速度提高1倍。BigSur是第一款針對機器學(xué)習、人工智能研究開(kāi)發(fā)的開(kāi)放源代碼計算系統，Facebook將把設計材料提交給開(kāi)放計算項目。

　　2016年新款特斯拉model S采用Tegrak1

　　2016年新款狀態(tài)顯示器分辨率升級，從過(guò)去的1280x480 升級到1920x720，因此副處理器也從Tegra 2升級為T(mén)egra 3，主處理器從Tegra 3升級到了Tegra k1 從而更好地支持自動(dòng)輔助駕駛功能。

　　Tesla P40、Tesla P4高性能計算卡

　　2016年9月，NVIDIA發(fā)布新一代高性能計算卡Tesla P40、Tesla P4，它們倆將取代上代麥克斯韋架構的Tesla M40/M4，進(jìn)化到最新的帕斯卡架構，擁有16nm工藝。這兩款計算卡主要負責圖像、文字和語(yǔ)音識別，專(zhuān)為人工智能、深度學(xué)習、神經(jīng)網(wǎng)絡(luò )推演而生。

　　Tesla P4及P40特別針對推論設計，使用經(jīng)訓練的深度神經(jīng)網(wǎng)絡(luò )識別語(yǔ)音、影像及文字以回應使用者和裝置要求。Pascal架構GPU具備以8位(INT8)運算為主的專(zhuān)門(mén)推論指令，提供比CPU快45倍的反應速度，與不到一年前推出的GPU解決方案相比則提升了4倍。

　　深度學(xué)習超級計算機NVIDIADGX-1

　　深度學(xué)習最苛刻的部分是訓練。NVIDIA專(zhuān)為深度學(xué)習設計的PASCAL架構，助推深度學(xué)習加速高達65倍，并且能夠支持每個(gè)主要的深度學(xué)習框架。在此架構基礎上，NVIDIA創(chuàng )造了專(zhuān)為GPU深度學(xué)習所設計的超級計算機DGX1。

　　NVIDIA的DGX-1基于Tesla P100加速卡(研發(fā)費用高達20億美元)是世界上首款專(zhuān)為深度學(xué)習而打造的系統，具備全面集成的硬件和軟件，可以輕松快速地完成部署。NVIDIADGX-1革命性的性能可大幅加快訓練速度，成為世界上首款體積小性能強(單機箱)的深度學(xué)習超級計算機。

　　協(xié)同駕駛AI Co-Pilot

　　XAVIER已經(jīng)被英偉達安裝在一輛基于林肯MKC所打造的自動(dòng)駕駛測試車(chē)BB8上，另外，英偉達還將在自動(dòng)駕駛領(lǐng)域同奧迪展開(kāi)合作，其全自動(dòng)駕駛汽車(chē)預計將在2020年上路。

　　AI Co-Pilot(人工智能協(xié)同駕駛)系統該系統具有人臉識別、頭部追蹤、視線(xiàn)追蹤等功能，能在行車(chē)中輔助駕駛者，提高駕駛安全性與便利性。AI Co-Pilot還能在復雜的噪聲環(huán)境中通過(guò)讀唇獲知駕駛者的需求，準確率已達93.4%。

　　英偉達的優(yōu)勢真的是無(wú)人能擋嗎?

　　英偉達上周發(fā)布的第一季財報再次超出業(yè)界預期，財報顯示這一季度總收入增長(cháng)了66%，其中數據中心業(yè)務(wù)營(yíng)收增長(cháng)71%達到7.01億美元。英偉達的數據中心業(yè)務(wù)包含HPC(高性能計算)、數據中心GPU以及AI加速器即使相比過(guò)去幾年2-3倍的增長(cháng)率要少很多，但極具潛力的AI芯片市場(chǎng)空間依舊吸引了眾多巨頭和創(chuàng )業(yè)者的參與。

　　不過(guò)英偉達現在具有優(yōu)勢并不意味著(zhù)AI市場(chǎng)的蛋糕會(huì )被英偉達獨吞，無(wú)論是科技巨頭英特爾、谷歌、IBM、AMD還是OURS、地平線(xiàn)、寒武紀等初創(chuàng )企業(yè)都紛紛加入了AI芯片領(lǐng)域的競爭。

　　英特爾這幾年也是卯足了勁入軍AI市場(chǎng)，英特爾的All in AI實(shí)力也是不容小覷。除了鞏固資深的優(yōu)勢產(chǎn)品以外，還進(jìn)行了一系列的收購以增強自己的能力。英特爾針對已有的優(yōu)勢產(chǎn)品XeonPhi加速計算卡、收購的Altera FPGA、 Nervana System幾大產(chǎn)品線(xiàn)進(jìn)行深度學(xué)習的優(yōu)化，從AI構建的訓練和部署都能夠看出這均與英偉達形成競爭，在自動(dòng)駕駛應用場(chǎng)景中也通過(guò)收購Mobileye與英偉達形成強競爭關(guān)系。同時(shí)還基于FPGA打造自己在A(yíng)I領(lǐng)域的特色，對人工智能初創(chuàng )芯片企業(yè)的持續投資也有助于英特爾在A(yíng)I芯片領(lǐng)域實(shí)現后來(lái)居上。

　　除了英特爾All In AI全面叫板英偉達，眾多初創(chuàng )公司也會(huì )成為挑戰英偉達不可忽視的對手。

　　以2017年由兩位華人在美國硅谷創(chuàng )立的OURS為代表，OURS以低功耗端計算AI芯片為核心技術(shù)，目標是解決工業(yè)/商業(yè)、機器人、汽車(chē)自動(dòng)駕駛、安防等領(lǐng)域的3D機器視覺(jué)和多傳感器融合的問(wèn)題。OURS的核心技術(shù)之一就是硅光技術(shù)，這一技術(shù)很適合于計算機內部和多核之間的大規模通信，其最大的優(yōu)勢在于擁有相當高的傳輸速率，可使處理器內核之間的數據傳輸速度比目前快 100 倍甚至更高。OURS 采用的是以數據為中心的RISC-V 計算機指令集架構，這也是OURS的另一大核心優(yōu)勢。

　　寒武紀近日也發(fā)布了一款云端智能芯片Cambricon MLU100，詞云端芯片也延續了寒武紀產(chǎn)品通用性的特點(diǎn)，支持各類(lèi)深度學(xué)習和經(jīng)典機器學(xué)習算法，滿(mǎn)足視覺(jué)、語(yǔ)音、自然語(yǔ)言處理、經(jīng)典數據挖掘等領(lǐng)域復雜場(chǎng)景下(如大數據量、多任務(wù)、多模態(tài)、低延時(shí)、高通量)的云端智能處理需求。

　　不只是硬件，寒武紀還努力實(shí)現軟硬件的協(xié)同工作，寒武紀從 2016 年起逐步推出了寒武紀 NeuWare 軟件工具鏈，該平臺終端和云端產(chǎn)品均支持，可以實(shí)現對 tensorflow、caffe 和 mxnet 的 API 兼容，同時(shí)提供寒武紀專(zhuān)門(mén)的高性庫，可以方便地進(jìn)行智能應用的開(kāi)發(fā)，遷移和調優(yōu)。

　　小結：

　　AI芯片全球起步時(shí)間幾乎同步，此時(shí)，人工智能領(lǐng)域尚未出現“獨步天下”的國際巨頭。但是也要警惕“全民造芯”虛火，目前還沒(méi)有出現像CPU(中央處理器)一樣的AI通用算法芯片，AI的殺手級應用還沒(méi)出現，未來(lái)這個(gè)產(chǎn)業(yè)還有很長(cháng)一段路要走。