人工智能芯片發(fā)展趨勢分析

1、 人工智能芯片發(fā)展趨勢分析目 錄 TOC o 1-3 h z u HYPERLINK l _Toc526838697 1.AI的技術(shù)之源 PAGEREF _Toc526838697 h 3 HYPERLINK l _Toc526838698 2.真正的AI芯片的任務(wù) PAGEREF _Toc526838698 h 7 HYPERLINK l _Toc526838699 3.AI芯片的未來 PAGEREF _Toc526838699 h 8隨著技術(shù)的不斷進(jìn)步，人工智能逐漸成為科技發(fā)展的又一個熱點，去年，百度出了無人駕駛汽車，今年，阿里出了酒店服務(wù)機(jī)器人。明年還會出來什么？人工智能的新變化，總是日

2、新月異。那么，作為人工智能中必不可少的芯片，它的前世今生和未來，究竟如何呢？人工智能的今天來之不易，將來也有很長的路要走。最近人工智能（AI）的話題非常火爆。AI在醫(yī)療診斷、新化合物合成、罪犯識別等方面得到了廣泛應(yīng)用，還能駕駛汽車，甚至能創(chuàng)造出藝術(shù)品。有時似乎感覺沒有什么AI做不到的，似乎每個人都要失業(yè)，只要看著AI替我們做好一切就行了。為了理解AI技術(shù)的起源，這篇文章將會帶你瀏覽AI的歷史。它還會介紹AI芯片的現(xiàn)狀，以及為了讓AI能真正影響到人類生活，創(chuàng)造出高級駕駛輔助系統(tǒng)（ADAS）和自動駕駛汽車等，我們還需要做些什么。我們先來從AI的歷史開始。隨著AI的發(fā)展，它越來越偏向特定的技術(shù)，即機(jī)

3、器學(xué)習(xí)，這項技術(shù)依賴于經(jīng)驗學(xué)習(xí)來做決策，而不是靠程序做決策。而機(jī)器學(xué)習(xí)為深度學(xué)習(xí)打下了基礎(chǔ)，后者的算法需要對數(shù)據(jù)的進(jìn)一步理解。AI的技術(shù)之源“人工智能”這個詞由科學(xué)家John McCarthy、Claude Shannon和Marvin Minsky與1956年在Dartmouth會議上創(chuàng)造。人工智能是信息時代的尖端技術(shù)。從人類建立起需要指導(dǎo)控制才能運行的計算機(jī)，到計算機(jī)擁有可以自己去學(xué)習(xí)的能力，這一飛躍對各行各業(yè)都產(chǎn)生了巨大的影響。雖然此時此刻可能是下一個 AI 冬季（圖8）到來之前的給予承諾又讓人失望的周期，但這些投資和新技術(shù)至少會給我們帶來有形的機(jī)器學(xué)習(xí)生產(chǎn)力的經(jīng)濟(jì)利益。與此同時，人工智

4、能、機(jī)器人和無人駕駛汽車已經(jīng)成為了流行文化甚至是政治話語的前沿。五十年代末，Arthur Samuel將“機(jī)器學(xué)習(xí)”這個詞定義為能夠從錯誤中學(xué)習(xí)的程序，這種程序甚至能在下棋方面比它的創(chuàng)造者更優(yōu)秀。這是計算機(jī)技術(shù)發(fā)展的黃金時期，許多研究人員都認(rèn)為AI能很快“解決”?？茖W(xué)家們對基于人類大腦功能的計算做了很多研究，看它們是否能解決真實世界中的問題，從而創(chuàng)造了“神經(jīng)網(wǎng)絡(luò)”的概念。1970年，Marvin Minsky告訴Life雜志，“只需三到八年的時間，我們就能創(chuàng)造出擁有普通人類智能的機(jī)器”。到了二十世紀(jì)八十年代，AI走出實驗室進(jìn)入商業(yè)領(lǐng)域，創(chuàng)造了一段投資的神話。當(dāng)AI技術(shù)的泡沫在八十世紀(jì)末破碎時，

5、AI回到了學(xué)術(shù)界，科學(xué)家們繼續(xù)研究它的潛力。商業(yè)圈的觀察人士稱AI為“過早到來的技術(shù)”，或者“未來的技術(shù)”，等等不一而足。這段相當(dāng)長的時期被稱為“AI的寒冬”，但隨后AI在商業(yè)圈又得到了迅猛發(fā)展。1986年，Geoffrey HInton和他的同事們發(fā)表了里程碑式的論文，描述了名為“反向傳播”的算法，這個算法可以用于大幅度改善多層“深度”神經(jīng)網(wǎng)絡(luò)的性能。1989年，貝爾實驗室的Yann LeCun和其他研究人員演示了一項新技術(shù)在真實世界中的應(yīng)用，即訓(xùn)練神經(jīng)網(wǎng)絡(luò)來識別手寫的郵政編碼。他們只花了三天時間就訓(xùn)練了一個深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）。快進(jìn)至2009年，斯坦福大學(xué)的Rajat Raina、A

6、nand Madhavan和Andrew Ng發(fā)表了一篇論文，討論了利用計算性能遠(yuǎn)超現(xiàn)代多核CPU的GPU提高深度學(xué)習(xí)速度的方法。AI的盛宴就此開始了。權(quán)威機(jī)構(gòu)預(yù)測，2020 年，中國人工智能市場將從 2015 年的 12 億人民幣增長至 91 億人民幣。2015 年，約 14 億資本（年增長率 76%）流入了中國的人工智能市場。在政府政策方面，中國的國家發(fā)展改革委員會（發(fā)改委）和其他相關(guān)政府機(jī)構(gòu)于 2016 年 5 月 18 日發(fā)布了互聯(lián)網(wǎng)+人工智能三年行動實施方案。方案指出了人工智能領(lǐng)域發(fā)展的六大保障措施，包括資金支持、標(biāo)準(zhǔn)體系、知識產(chǎn)權(quán)保護(hù)、人才培養(yǎng)、國際合作和組織實施。方案提出，到 2

7、018 年，中國的人工智能基礎(chǔ)資源與創(chuàng)新平臺、產(chǎn)業(yè)體系、創(chuàng)新服務(wù)體系、標(biāo)準(zhǔn)化體系應(yīng)基本建立。發(fā)改委期望中國人工智能產(chǎn)業(yè)整體與國際同步，系統(tǒng)級別（system-level）的人工智能技術(shù)和應(yīng)用要位于市場領(lǐng)先位置。中國已經(jīng)做出一些重大舉措，而且根據(jù)提及深度學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)的被引用期刊論文數(shù)量，2014 年，中國已經(jīng)超越美國（Exhibit 23）。中國擁有世界領(lǐng)先的語音和視覺識別技術(shù)，其人工智能研究能力也令人印象深刻（Exhibit 24）。百度于 2015 年 11 月發(fā)布的 Deep Speech 2 已經(jīng)能夠達(dá)到 97% 的正確率，并被麻省科技評論評為 2016 年十大突破科技之一。另外，

8、早在 2014 年香港中文大學(xué)開發(fā)的 DeepID 系統(tǒng)就在 LFW 數(shù)據(jù)庫中達(dá)到了 99.15% 的面目識別正確率。Exhibit 23：提到深度學(xué)習(xí)或者深度神經(jīng)網(wǎng)絡(luò)的期刊文章Exhibit 24：至少被引用一次的、并提到深度學(xué)習(xí)或者深度神經(jīng)網(wǎng)絡(luò)的期刊文章真正的AI芯片的任務(wù)為什么今天AI的話題無處不在？一系列的關(guān)鍵因素最終都聚集在一點上：人們相信科技的巨大進(jìn)步能夠解決越來越重要的真實世界問題。有了今天互聯(lián)網(wǎng)提供的基礎(chǔ)設(shè)施，全世界的研究人員都能夠使用強(qiáng)大的計算能力、海量的數(shù)據(jù)和高速的通訊，從而創(chuàng)造出新的算法和解決方案。例如，汽車工業(yè)已經(jīng)表示愿意在AI科技方面投入巨大的研發(fā)資源，因為機(jī)器學(xué)習(xí)可

9、能解決諸如自動駕駛等高度復(fù)雜的任務(wù)。AI芯片設(shè)計的一個主要問題就是集成。這里討論的是超大規(guī)模的定制系統(tǒng)芯片（SoC），其中的深度學(xué)習(xí)由多種硬件加速器實現(xiàn)。設(shè)計AI芯片是非常困難的，特別是在汽車工業(yè)苛刻的安全和可靠性的要求下。但是，AI芯片依然只是芯片，或許再加上一些處理器、內(nèi)存、I/O和互聯(lián)技術(shù)方面的新技術(shù)而已。像Google和Tesla等芯片設(shè)計方面的新手，以及AIMotive、Horizon Robotics等AI芯片創(chuàng)業(yè)公司，都擁有豐富的深度學(xué)習(xí)的計算復(fù)雜度方面的知識，但他們可能會面臨尖端系統(tǒng)芯片設(shè)計等方面的巨大挑戰(zhàn)?？膳渲玫摹⒒ヂ?lián)的知識產(chǎn)權(quán)的作用非常重要，它能讓這些芯片界的新手迅速制造

10、出可以使用的芯片。以帶有深度學(xué)習(xí)加速器的AI芯片為例，這種芯片的使用場景如汽車前置攝像頭，可以進(jìn)行圖像分析，對路邊的物體進(jìn)行檢測和分類。每個AI芯片都有獨特的內(nèi)存訪問方式，以保證最大的帶寬。芯片內(nèi)的數(shù)據(jù)流必須經(jīng)過優(yōu)化，以保證最大的帶寬，才能在必要的時候滿足性能需求，但又要盡可能在芯片面積、成本和能量消耗方面進(jìn)行優(yōu)化。每個連接必須為高層的AI算法進(jìn)行優(yōu)化。更麻煩的是，新的AI算法每天都在涌現(xiàn)。從某些方面來說，現(xiàn)在的深度學(xué)習(xí)就像香蕉一樣，沒人想要爛香蕉，也沒人想要AI芯片中的舊算法。對于這些尖端科技產(chǎn)品來說，上市時間比許多其他半導(dǎo)體產(chǎn)品更為重要。AI芯片的未來盡管深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)快速地推動了人工智能技術(shù)的發(fā)展，許多研究人員依然相信，要達(dá)到最終的AI目標(biāo)，我們依然需要更多的不同方法。大多數(shù)AI芯片的設(shè)計思路依然是LeCun和Hinton等人在十幾年前發(fā)表的思想的改進(jìn)版本，但沒有任何理由相信，這條路上的指數(shù)級增長能夠讓AI像人類那樣思考。我們今天所知的AI并不能把一個任務(wù)上獲得的深度學(xué)習(xí)經(jīng)驗推廣到其他新的、不同的任務(wù)上。而且，神經(jīng)網(wǎng)絡(luò)并不能很好地吸收以前的知識，或吸收“上下”或者“孩子有父母”這種簡單的規(guī)則。最后，基于神經(jīng)網(wǎng)絡(luò)的AI需要大量的數(shù)據(jù)進(jìn)行學(xué)習(xí)，而人類只需一次觸摸火爐的經(jīng)驗就能學(xué)會不再碰火爐?，F(xiàn)在依然不清楚怎樣才能將現(xiàn)在的AI技術(shù)應(yīng)用到?jīng)]有大量數(shù)據(jù)的問