人工智能 AI 芯片介绍及中国人工智能 AI 芯片公司近况

  • A+
所属分类:技术资讯

技术编辑:SiFou NewOffice car博客新闻稿:Carl博客
随着人工智能技术的发展,数据、计算能力、算法影响人工智能进步的三个关键因素越来越突出。在这三大要素中,计算能力和算法离不开芯片。传统的CPU已经远远不能满足AI技术的发展需要,GPU正面临能源消耗过度等问题。FPGA、ASIC等芯片相继上市,在一定程度上缓解了计算不足的问题,但AI芯片领域仍有相当大的进步空间。
什么是AI芯片?
AI芯片最简单的定义是用于计算人工智能算法的芯片,目前,这些人工智能算法通常是深度学习算法或一些机器视觉和机器学习算法。
也称为AI加速器或计算卡,这是专门为处理人工智能应用程序的广泛计算任务而设计的模块。目前,AI芯片主要分为GPU、FPGA和ASIC。
AI芯片开发过程
加州理工大学kabermedd第一次开始了ich研究,20世纪80年代开始研究神经模拟系统,他利用模拟电路模仿生物神经系统的结构。
2007年之前的AI技术开发对芯片没有特别强烈的要求,通用CPU芯片可以提供足够的计算能力。2007年,英国CUDA开发了统一计算架CUDA,该架CUDA可以轻松地用c语言开发GPU,允许GPU直接在编程环境中编写程序。
2008年,Tegra芯片作为第一个可用于人工智能领域的GPU推出,现在它已成为英威达最重要的AI芯片之一,主要用于智能驾驶。
之后,视频、游戏、图形设计制作等行业的迅速发展,GPU芯片迅速发展。因为GPU处理数据的逻辑计算设备更多,属于并行处理结构,在处理图形数据和复杂算法方面比CPU更有利,AI深度学习的模型参数更多,数据大小大,计算量大,在以后的一段时间内,GPU取代了CPU,成为了当时AI芯片的主流。
进入2010年,随着云计算的广泛普及,人工智能的研究人员通过云计算,可以使用多个CPU和GPU进行混合计算。事实上,今天人工智能的主要计算平台是云计算。
但是,由于人工智能行业对计算性能的要求继续高速增长,2015年以后,业界开始开发用于人工智能的专用芯片,以更好的硬件和芯片体系结构提供了10倍于计算效率的性能。
2016年谷歌发布TensorFlow框架设计的TPU芯片时,当年采用TPU体系结构的AlphaGo登场,击败了人类世界冠军国际象棋李世硕。
2017年华为以独角兽970成为第一款手机AI芯片。
AI芯片的分类
AI芯片开发方向分类:
一个方向是继续传统的冯诺依曼计算体系结构,主要分为加速计算速度的GPU、半定制FPGA和完全定制的ASIC。
另一个方向是推翻现有的庞诺依曼计算结构,利用基于脑神经结构的神经拟态芯片解决计算力问题。
技术体系结构中的AI芯片分类:
通用芯片(GPU):图形处理单元(GPU)是专门处理图形图像的处理器,与CPU相比,GPU处理的数据类型是单一的。因为计算类似于AI,可以轻松构建大型群集,所以在执行AI计算时,性能、功耗等方面远远优于CPU,并且用于处理AI计算。
semi-custom chip(FPGA):field programmable gate array(FPGA)是具有并行处理优势(例如GPU)的可编程半定制芯片,也可以设计为多核形式。当然,最大的优点也是可编程功能。这也意味着用户可以根据所需的逻辑功能快速刻录电路。在最终项目FPGA中的逻辑块和连接上,用户也可以通过升级软件来配置这些芯片,从而实现定制硬件功能,而无需更改硬件。
Asic(全定制芯片):应用程序专用集成电路(ASIC)芯片的计算能力和计算效率是根据特定算法的需要直接定制的,因此体积小、功耗低、可靠性高、机密性高ASIC芯片的能效目标远远超过CPU、GPU等通用和半定制FPGA,是特定应用领域的目标。
大脑芯片:体系结构是模仿人类大脑的新芯片编程体系结构,复制人类大脑,模拟感知、行为和思维。
AI芯片部署位置分类:
云,即数据中心,在进一步研究阶段需要大量数据和大量运算,单个处理器不能独立完成,因此培训会话只能在云中进行。
终端,即执行边缘计算的智能设备,例如手机、安全摄像头、汽车、智能家庭设备、各种IoT设备等。终端的数量庞大,要求也大不相同。
AI芯片被分类为设计概念
第一个类别是AI加速chip,它可以明显加快某些类型的算法或操作,以满足目标应用程序对速度、功耗、内存占用和部署成本的要求。AI加速芯片目前以两种主要方法开发。一种是将现有GPU、关键核心处理器、DSP和FPGA芯片用于硬件和软件优化。另一个是设计专用芯片,即ASIC。
第二类是智能芯片。此芯片可以使用其他AI算法进行学习和推断,具有处理一系列任务(包括识别、理解、分析、决策和行为)和适应场景变化的能力。目前,针对合成、适应能力的智能芯片研究有两种设计方法,一种是基于大脑计算的“神经模拟芯片”;另一个是基于可重构计算的“软件定义芯片”。
AI芯片执行功能分类。
在培训环境中,通常需要通过大量数据输入来培训复杂的深度神经网络模型。训练过程涉及大量的训练数据和复杂的深度神经网络结构,所需的计算规模非常庞大,通常需要几天、甚至几周的GPU群集训练,训练链接GPU目前起着难以替代的作用。
inference链接是指利用训练有素的模型,“推断”视频监控设备通过后台深度神经网络模型捕捉的脸是否属于黑名单等多种结论。推论比训练计算量小,但伴随着很多矩阵运算。在推理过程中,FPGA和ASIC除了使用CPU或GPU进行运算外,还可能发挥重要作用。
AI芯片的优点?
与一般用途芯片相比,AI算法在AI芯片上运行速度更快,效率更高、功耗更低,并且为不同的AI算法(如图像识别、视觉识别、语音识别、自动驾驶等)提供更经济高效的计算能力支持。
GPU拥有比CPU更多的逻辑计算单元(ALU)(图片来自网络,版权属于创作者)
但是,GPU只是图形处理器,不是AI深度学习专用的芯片。当然,在运行AI应用程序时,并行结构的性能不足,能耗往往很高。
与此同时,随着AI技术应用的增长,您将看到AI在教育、医疗、无人值守等领域的表现。但是,由于GPU芯片的过度能耗无法满足行业需求,因此将改用FPGA芯片和ASIC芯片。
如何理解AI芯片
面对新的AI芯片,我们可以从以下方面理解:
1、应用领域。此AI芯片属于云或终端。
2、体系结构。SoC或专用NPU,不同的组合意味着芯片本身的复杂性和产品定位不同。
3、运营效率。AI芯片必须运行AI算法以达到多大的效率,根据深度模型,计算力的结构不同,芯片本身的设计也不同,这一点很重要。
4、价格和功耗。芯片也是一种商品,必然伴随着价格问题。功耗与应用程序方案、智能手机或云的要求完全不同。
AI芯片的发展和未来
据Gartner的预测数据显示,全球人工智能芯片市场规模预计在未来5年内将暴涨,从2018年的42.7亿美元增至343亿美元,增长7倍以上,AI芯片市场的增长空间将大幅增加。
以中国IP市场为例,据中国信通院的数据显示,中国人工智能市场规模2018年超过300亿元,2019年以后将超过500亿元。
市场的年增长率从2017年的52.8%上升到2018年的56.3%,然后逐年减少,2020年下降到42.0%。其中,2017年芯片销售额占人工智能市场规模的22%,约47.7亿元。
为了国内AI芯片的发展,中国工程学院学者ni guangnan表示:“芯片设计阈值很高,只有极少数企业能负担中高端芯片研发费用,芯片领域的创新也受到限制。”我国可以根据开源软件成功的经验,降低创新的门槛,提高企业自主性,开发国产开源芯片。”他说
中国的人工智能芯片正在崛起
根据2019年8月19日在美国出版的报告《Who Is Winning the AI Race: China, the EU or the United States?》:
尽管中国在超级计算机领域与美国竞争,但至少在人工智能芯片上,美国和半导体领域的差距开始显示出可能会迅速缩短。在过去的两年里,一些中国AI芯片新企业获得了至少1亿美元的资金。一些专家认为,在人工智能芯片市场上,中国的竞争力比整个半导体市场更大。
例如,为机器人开发人工智能芯片的Horizo n Robotics在2018年b轮融资中,获得了世界领先的韩国半导体企业sk hinix主导的6亿美元。
类似地,维特本土首次开发了比特币开采芯片,从2017年到2018年获得了近7.65亿美元的支持。最后,Cambricon Technologies于2016年开发了世界上第一个手机业务深入学习处理器,2018年在中国政府支持下的国家开发投资公司获得了100万美元。
另外,百度、腾讯、阿里巴巴、华为等一些中国领先技术公司正在开发针对孩子优化的集成电路,美国大型技术公司也在这样做。华为——特别是在设计方面表现出了非凡的实力——苹果公司是第一家使用7纳米(nm)工艺技术(指处理器中晶体管的大小)制造智能手机处理器的公司。较小的晶体管较大的晶体管更有效地使用功率,增加了处理器中晶体管的潜在数量,潜在更强大。
这种发展不能保证中国在短期内超过美国。最终,中国的发展相对较新,AI芯片的稳定市场份额没有改变。例如,比特大陆2018年上半年销售额的0.1%来自与加密无关的工作。
相比之下,几十年来,很多西方半导体公司设计了处理器,培养了工程人才。实际上,中国官方机构表示,中国在AI芯片上竞争的最好机会是开发专用AI芯片,希望这些芯片对AI比Nvidia主导的GPU更重要。
美国公司也在开发特殊的AI芯片,例如Google的Tensor处理单元、Luminous Computing使用不同颜色的光移动数据的光学微芯片。尽管如此,中国资金困难的AI芯片新企业的发展和芯片设计的进展至少表明有能力弥合与美国的差距。
对中国的建议
一些中国AI芯片新公司最近获得了数亿美元的资金,华为等公司也开发了令人印象深刻的芯片设计。尽管如此,芯片开发的复杂性、中国人才的不足、多个全球销售排名前15位的中国半导体公司的情况表明,中国在半导体领域仍需要与美国相当的重大进展。中国还必须停止强迫技术转让和知识产权盗窃等不正当贸易行为。因此,美国外国投资委员会(CFIUS)对本公司企业的审查越来越严格,西方半导体和设计使用能力在中国得到了利用。危险。计算能力一度是中国很容易获得的商品。
教育部门应与大学合作开发侧重于教授AI芯片设计的AI工程课程和学位项目。据产业信息化部的数据显示,到2030年,中国至少需要40万人以上的人才,才能达到半导体行业的领先目标。
国内AI芯片公司及其最新发展
比特大陆:
维特大陆于2013年2020年1月9日在休伦研究院公布了《2019 胡润中国 500 强民营企业》中比特大陆,市值为300亿元,排在第246位。
维特本土从2015年底开始,清华大学和中国科学院的学术背景,多年来从事集成电路设计工作的简森团主要启动了规划方案。吴奎毕业于北京大学心理学系经济学2学位,主攻比特币。
吴智韩去年10月29日发表了前职员内部信函,宣布解除在维特本土的詹克总经理的所有职务。比特大陆内部的战斗公布于世。
11月7日,jen在朋友之间因公共出差和无知被“替换法定代表人”,猛烈攻击最信任的“兄弟们”,并发表文章说,他将拿起法律武器回到比特大陆。
沉默了半年后,5月8日,在北京市海淀区政务服务中心,雅克团获得法人北京比特大陆公司营业执照的人群正在现场抢营业执照。
寒武纪
2016年,2020年1月9日,寒武纪科学研究院公布了《2019 胡润中国 500 强民营企业》,寒武纪技术以市值160亿元位居第443位。
5月7日晚,人工智能芯片公司寒武纪先交战监查咨询的答复被递交。
寒武纪该答卷涵盖了发行人的股权结构、事业、核心技术、财务信息、风险暴露和其他事项等6个问题。
其中,寒武纪总统一一回答了20多个问题,包括“IP认证项目2019年销售额大幅减少的原因”和“目前自身资金足以满足研究和筹集项目的资金需求的情况”。
地平线
地平线成立于2015年6月,是专注于智能驾驶的AI芯片独角兽,近年来在芯片开发和商业着陆方面取得了很大进展。
2020年1月地平线矩阵2自动驾驶计算平台在CES 2020上正式发布。2020年3月,装有2台地平线等级ICP的长安汽车unie-t上市,预计今年6月正式批量生产。此时,第二代将成为第一个量产中的国产ICP。
永嘉
龙芝于2017年7月创立,主要致力于开发TPU芯片,是一家致力于云芯片的AI新企业,由智信本和长岭资本铸造。核心团队是和美国硅谷一起来的。
在美国媒体上,2020年被称为前10大AI计划供应商的龙枝计划不仅提供了icompution链接,还提供了全面的应用加速功能。灵活的编程功能,可应对未来的AI变化。
参考报告《谁在AI竞赛中获胜:中国,欧盟还是美国?》:https://www . data innovation . or.
参考文档:https://www.toutiao.com/a6669.
文章参考:https://baijiahao.baidu.com/s.
参考文档:http://m.elecfans.com/article.

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: