人工智能專用芯片是大勢所趨，而IP授權(quán)是當(dāng)前實現(xiàn)商業(yè)化的最佳選擇
8月中旬，人工智能芯片初創(chuàng)公司寒武紀獲得1億美元的A輪融資，至此成為該領(lǐng)域的第一個獨角獸，緊接著，9月初，華為在IFA2017上正式發(fā)布了全球首款面向手機的人工智能芯片麒麟970。
就在這前后不到一個月的時間里，人工智能芯片成為了人人爭相熱議的一個產(chǎn)品、一個產(chǎn)業(yè)。
人工智能芯片熱度漸多家公司早已著手布局
前段時間，因為被看做是當(dāng)前智能家居的入口之一，智能音箱一下子受到了人們的極大關(guān)注，而隨著小愛同學(xué)、天貓精靈等產(chǎn)品的相繼推出，更是將這股熱潮推上了頂端。
就在這股浪潮漸漸平穩(wěn)的時候，人工智能芯片緊跟而上，引起了人工智能領(lǐng)域的又一波新的浪潮。事實上，在這第三次的人工智能浪潮中，作為讓人工智能技術(shù)更快、更好運行的基礎(chǔ)硬件設(shè)施，人工智能芯片必然是未來智能化時代的一種趨勢。也因此，雖然人工智能芯片相比于其他人工智能技術(shù)和應(yīng)用顯得低調(diào)得多，但它的布局依舊是眾多廠商眼中不能錯過的機遇：
買買買的英特爾至今，為了不再錯過人工智能芯片，英特爾陸陸續(xù)續(xù)收購了Altera、Yogitech、Nervana、Movidius、Mobileye等多家公司，拿下了他們的FPGA等多種技術(shù)。
GPU在手，誰與爭鋒的英偉達憑借著GPU在人工智能應(yīng)用中的先天性優(yōu)勢，英偉達已經(jīng)走在了人工智能芯片的前列。不過，就在最近，黃仁勛也發(fā)布了一款針對深度學(xué)習(xí)而打造的芯片TeslaV100。
緊盯FPGA的微軟微軟把重心放在FPGA人工智能芯片上，已經(jīng)被用在Bing搜索的支持上。另外，其也推出了基于FPGA的視覺芯片A-eye，讓攝像頭具有視覺理解能力，可應(yīng)用在機器人、汽車和無人機等多種智能產(chǎn)品。
與此同時，國內(nèi)的廠商也是蠢蠢欲動。
首個獨角獸寒武紀因為高達1億美元的A輪融資，寒武紀成為了人工智能芯片領(lǐng)域的首個獨角獸，通過的IP授權(quán)的形式，其技術(shù)已經(jīng)在華為人工智能芯片麒麟970上面得到了商業(yè)化；
主打嵌入式的地平線機器人地平線機器人致力于打造基于深度神經(jīng)網(wǎng)絡(luò)的人工智能大腦平臺，包括軟硬件。在硬件上，其此前曾表示旗下的人工智能芯片盤古已經(jīng)成功流片商用；
從上面多家企業(yè)的布局和產(chǎn)品來看，我們能夠清晰地認知到，雖然人工智能芯片相比于語音識別等技術(shù)并沒有得到大眾更多的關(guān)注，但是作為人工智能的基礎(chǔ)硬件設(shè)施，其已經(jīng)成為諸多公司搶奪市場、占據(jù)風(fēng)口的一大戰(zhàn)略制勝點。
人工智能加速人工智能專用芯片是未來趨勢
深度學(xué)習(xí)算法是實現(xiàn)人工智能技術(shù)和應(yīng)用的核心，其在運行過程中需要對海量的數(shù)據(jù)進行運算處理用已有的樣本數(shù)據(jù)去訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)、用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)去運算其他數(shù)據(jù)。對于傳統(tǒng)計算架構(gòu)而言，這將是一個極大的挑戰(zhàn)。
面對深度學(xué)習(xí)算法這一計算新需求，GPU（圖形處理器）、FPGA（可編程門陣列）、ASIC（專用集成電路）等成為了人工智能芯片領(lǐng)域的被追捧者。比如GPU，相比于CPU，其具有高并行結(jié)構(gòu)，擁有更多的ALU（ArithmeticLogicUnit，邏輯運算單元）用于數(shù)據(jù)處理，適合對密集型數(shù)據(jù)進行并行處理。
值得我們注意的事，不管是讓英偉達一舉聞名的GPU，抑或是當(dāng)前與GPU不分伯仲的FPGA，在屬性上，它們都只能算是人工智能通用芯片。相比于一開始就是私人訂制的ASIC，在深度學(xué)習(xí)算法的運行上，KUKA機器人示教器維修，GPU和FPGA或多或少都有著一些局限：
GPU局限：GPU能夠游刃有余的訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，但在輸出應(yīng)用時，它一次只能處理一張圖像；相比于FPGA的靈活，GPU硬件結(jié)構(gòu)固定，不具備可調(diào)整性；在實現(xiàn)相同性能的功耗上，GPU遠大于FPGA以及ASIC。
FPGA局限：為了實現(xiàn)可重構(gòu)特性，F(xiàn)PGA內(nèi)部有大量極細粒度的基本單元，但是每個單元的計算能力都遠遠低于GPU中的ALU模塊；在深度學(xué)習(xí)算法的運行速度和功耗上，F(xiàn)PGA表現(xiàn)的都不如ASIC；FPGA價格較為昂貴，在某些情況下甚至?xí)哂贏SIC。
不可否認，對于當(dāng)前人工智能的發(fā)展，GPU和FPGA都做出了不小的貢獻，但是從未來發(fā)展趨勢來看，人工智能專用芯片才是未來的核心。
從上面的一些比較我們可以看出，在功耗和速度上，GPU、FPGA與ASIC之間還是有著一定差距的。
針對人工智能芯片的通用與專用的區(qū)別，地平線機器人芯片專家馬鳳翔稱，相比于通用芯片，專用芯片是為特定場景而定制的，具備低功耗、低成本、高性能的優(yōu)勢。再通俗一點講，就如寒武紀創(chuàng)始人之一的陳云霽所舉出的例子，普通的處理器就好比瑞士軍刀，雖然通用，但不專業(yè)，造成浪費，但是做菜的時候，還是菜刀得心應(yīng)手，而專業(yè)的深度學(xué)習(xí)處理器就是這把更高效、更快捷的菜刀。
與此同時，不僅僅是性能的要求，隨著人工智能技術(shù)的發(fā)展，其應(yīng)用范圍也將進一步擴大。未來，自動駕駛、機器人、智能家居等等終將充斥我們的生活，這其中所隱藏的將是一個無可估量的市場需求。屆時，不管是所需要處理的數(shù)據(jù)，抑或是運算速度，與現(xiàn)在相比都將不是一個量級，若想做的更好，就只能向人工智能專用芯片靠攏。
人工智能專用芯片商業(yè)化IP授權(quán)是當(dāng)前的最佳出路
隨著寒武紀成為AI芯片領(lǐng)域首個獨角獸、華為麒麟970的推出，以及后面蘋果、三星等多家重量級廠商相繼宣布AI芯片的規(guī)劃，如何實現(xiàn)技術(shù)、產(chǎn)品的商業(yè)化落地就成為了接下來需要廠商們亟待解決的問題。
目前，運用ASIC架構(gòu)的人工智能專用芯片中，最典型、最具代表性的當(dāng)屬寒武紀旗下的產(chǎn)品和谷歌的TPU了，不同的是，前者服務(wù)的對象是廣大客戶，而后者則是服務(wù)于自己的人工智能系統(tǒng)Tensor-flow。
談及商業(yè)化，雖然中星微、寒武紀的產(chǎn)品此前都有所流片，但是從當(dāng)前的整體來看的話，相比于流片，IP授權(quán)或許更適合人工智能專用芯片，尤其是對于創(chuàng)企而言。至于原因，可以總結(jié)為兩點：
第一，與其急著流片實現(xiàn)商業(yè)化，不如緩下腳步達到芯片生態(tài)圈
的確，對于企業(yè)來說，流片是一種能夠快速實現(xiàn)商業(yè)化的方法，并且收獲的利潤也是可觀的。但是，這樣一來難免顯得有些激進，一不小心或許就會造成失誤。相比之下，通過IP授權(quán)來慢慢拉攏客戶構(gòu)建生態(tài)圈、蠶食人工智能芯片市場顯得更為從容有序。
說到IP授權(quán)，我們第一個想到的就是ARM，作為后起之秀的它通過IP授權(quán)的策略打敗了當(dāng)時的業(yè)內(nèi)老大Intel。ARM大中華區(qū)總裁吳雄昂曾一句話總結(jié)成功建立了一個有強大活性和創(chuàng)新力的生態(tài)圈，為生態(tài)圈的合作伙伴提供了一種共贏模式，參與其中的企業(yè)有很高的成功率和利潤空間。另外，ARM生態(tài)圈的成員并不受限于ARM平臺，在此基礎(chǔ)上可以有無限的創(chuàng)新空間。