泛谈“芯”知 | 人工智能的实现,需要什么样的芯片?-半导体-热点资讯-野望文存-科技 
    欢迎来到野望文存-科技!
当前位置:野望文存-科技 > 热点资讯 > 半导体 >  泛谈“芯”知 | 人工智能的实现,需要什么样的芯片?

泛谈“芯”知 | 人工智能的实现,需要什么样的芯片?

发表时间:2020-02-20 13:00:00  来源:野望文存  浏览:次   【】【】【


近几个月来,《海上钢琴师》《美丽人生》《龙猫》等经典电影及动画修复版在中国影院重新上映,也有很多经典影视剧近年来纷纷在视频网站推出修复版,这些都让大家以更好的观感体验来回忆经典,而其中的修复技术便运用到人工智能技术。

除此之外,人工智能技术也已渗透于我们日常生活的诸多方面,例如语音识别、智能机器人、智能家居和无人驾驶汽车等。无论是百度、阿里巴巴等行业巨头,还是众多初创公司,都已纷纷开始布局。随着人工智能的全面高速发展,作为利用算法实现硬件基础的AI芯片,也成为未来分羹人工智能市场的重要战略。

早期的人工智能应用程序是在传统芯片上运行的。之后,人工智能芯片专业化的新时代开始了,设计师们开始开发专门的芯片来处理与人工智能相关的大量数据,例如,最初为游戏开发的GPU被部署到诸如深度学习之类的应用中。通常来说,人工智能芯片是专门为某些人工智能应用场景定制的芯片,其适用性更高,数据处理速度更快,能效更高,功耗更低。

目前,行业内为实现人工智能计算,采用的芯片主要有通用型的GPU 、可定制的FPGA 、专用的ASIC、面向图片视频的DSP以及类脑芯片等多种类别,其中GPU、FPGA芯片架构的技术已经较为成熟,ASIC是针对特定应用场景的专用芯片。相较而言,通用性相对较差的芯片,在某些特定领域,性能和功耗更具优势。

● GPU架构芯片能满足海量计算深度学习的需求,是高性能计算领域的主力芯片之一;

FPGA架构芯片编程更为复杂,但兼具计算能力和足够的灵活性,容错率高;

ASIC架构芯片是面向特定用户需求的定制芯片,不具备通用性,但数据处理速度更快,能效更高,功耗更低,其单一成本高,因此常用于有大量需求的项目中;

DSP芯片类型众多,主要用于处理视觉系统,因体积小能耗小可编程的特点,常被用于终端设备中;

● 类脑芯片架构,顾名思义是模拟人类大脑神经运作的芯片架构,通过模拟人类大脑功能进行感知、思维及行为判断,是一片新的开发区,仍有很多方面有待研究。

如今,虽然AI芯片在某些领域内已经超越人类的能力极限,但越来越多的智能化架构需求下, 未来AI芯片应具备可编程性、架构的动态可变性、易于应用等特点。

2018年,人工智能芯片市场价值66.38亿美元,预计到2025年将达到911.85亿美元。

(数据来源:Artificial Intelligence Chip Market: Global Opportunity Analysis and Industry Forecast, 2019-2025, by Allied Market Research

由此可见,AI芯片未来的发展空间巨大。目前,全球众多传统及非传统芯片玩家都开始加入这盘大棋,打造自身具有代表性的AI芯片:


谷歌的TPU从 2016 年推出已演进到第三代,其应用TPU的人工智能AlphaStar曾和人类顶尖职业电竞选手对战星际争霸2并保持着10胜1败的战绩;


苹果的A13仿生芯片被搭载于iPhone 11/Pro以及iPhone 11 Pro Max;


高通最新骁龙TM865芯片于去年12月推出,着重5G、AI体验的提升,其AI性能是前代平台的两倍;


华为开发的麒麟990 5G是目前首款集成5G基带的芯片,华为云近期还宣布,基于其昇腾系列AI芯片的强大算力,推出新型冠状病毒肺炎AI辅助医学影像量化分析服务;


阿里巴巴在去年9月发布其第一颗自研芯片含光800,强调其AI推理性能。

此外还有中科院计算所推出的寒武纪边缘AI芯片“思元220”等,这些亮眼的成绩,无一不在预示未来人工智能领域发展趋势的迅猛。


如今,人工智能技术正以前所未有的速度“赋能”人类,而AI芯片在科研领域及产业应用仍具有极大的创新空间。未来,AI芯片将继续利用半导体处理技术、计算机架构的进步来提高处理能力,以实现下一代人工智能算法,同时也需要先进的存储系统为深度学习提供大数据基础

责任编辑:蔡学森