人工智能芯片發展現狀與前景預判
時間：2017-10-19
信息產業與技術研究部 陳健
在海量數據、深度學習算法和高性能計算力的推動下，人工智能技術不斷取得突破性進展。根據Gartner發布的2017年技術成熟度曲線，深度學習、機器學習、自動駕駛汽車、認知計算等多項人工智能技術正處于曲線巔峰，Gartner預計，人工智能將成為未來十年最具顛覆性的技術。人工智能芯片快速發展，以GPU、FPGA等加速器為代表的人工智能云計算平臺，和以NPU為代表的移動計算平臺代表了產業化的兩個重要方向。
以GPU、FPGA等通用芯片作為加速器應用廣泛。GPU適用于處理大規模并行計算，在深度學習領域應用廣泛，英偉達憑借超強的GPU性能成為人工智能芯片霸主，公司營收年度增速超過100%。2017年5月，英偉達發布新一代架構（Volta）GPU GV100，機器學習訓練速度比上一代產品提升約3倍、推理性能提升約10倍。研究報告顯示，Xilinx、Altera共同占據FPGA市場85%的份額，隨著英特爾收購Altera，IBM與Xilinx開展深度合作，FPGA將在基于x86、Power兩大架構的深度學習計算中占據重要地位。此外還有谷歌開發的TPU，和英特爾首款為深度學習設計的基于x86眾核架構的芯片Knights Mill。全球云服務商通過在數據中心中導入加速芯片提升機器學習計算性能，開發深度學習工具打造人工智能云計算平臺，通過云服務的形式為人工智能技術開發企業提供計算力。
NPU為代表的人工智能專用芯片。在移動終端人工智能應用需求的推動下，面向移動計算的低功耗人工智能專用芯片興起。IBM True North芯片和隨機相變神經元芯片代表了一類類腦計算——神經擬態計算——的兩個層面：神經網絡層和神經元層。2016年，中國科學院計算技術研究所發布全球首款能夠深度學習的NPU芯片——寒武紀“Dian Nao”芯片，面向認知計算應用，在人臉識別、語音識別等領域占據優勢。蘋果開發了基于ASIC的深度學習解決方案——神經網絡引擎模塊，聚焦語音識別和圖像識別領域，支持Face ID解鎖技術。隨著專用芯片的成熟，人工智能計算硬件在移動端的應用落地。2017年9月，華為和蘋果相繼推出新一代手機處理器，麒麟970搭載寒武紀NPU處理器，A11 Bionic內嵌“神經網絡引擎”模塊，人工智能硬件首次應用于智能手機。
人工智能專用芯片市場前景廣闊。人工智能專用芯片在智能手機中的成功應用，將開啟智能硬件的下一個趨勢，即在智能硬件中嵌入人工智能計算單元。考慮到當前智能硬件的巨大出貨量，這一趨勢將創造人工智能專用芯片的巨量市場需求。僅智能手機一項，隨著各主流品牌跟進華為和蘋果，人工智能手機芯片出貨量有望在未來數年突破億顆甚至10億顆。