科技云報道.

5億年前，在地質(zhì)學上被認為是寒武紀的開端,。這一時期,，幾乎現(xiàn)今所有動物類群的祖先集中出現(xiàn)，被古生物學家稱作“寒武紀生命大爆發(fā)”,。隨著人工智能的發(fā)展,，各類智能終端乃至整個市場，對底層基礎芯片的要求也發(fā)生了根本改變,，處理器性能與需求之間出現(xiàn)了巨大的市場缺口,，人工智能的核心AI芯片迎來“大爆發(fā)”時代。包括NVIDIA,、Intel等老牌半導體巨頭以及Cerebras Systems,、Wave Computing、寒武紀等明星AI芯片初創(chuàng)公司,，都在競相開發(fā)AI算法專用芯片,。”

在2016-2017的時間里,，先后發(fā)生了這樣幾件大事：NVIDIA股價再度上漲超過4倍，繼續(xù)領漲美國科技股,、軟銀宣布將以243億英鎊(約合320億美元)收購英國芯片設計公司ARM,、Intel收購視覺芯片公司Movidius、Intel宣布以153億美元收購Mobileye,、國內(nèi)人工智能芯片明星公司寒武紀宣布A輪融資高達1億美元,，成為全球AI芯片領域首個獨角獸。

近日,，博通提出一項針對高通的1030億美元主動收購要約,，如果這項交易完成,，合并后的公司將在全球半導體行業(yè)的市場份額位列第三位，僅次于英特爾和三星,，并將對整個芯片行業(yè)產(chǎn)生重大影響,。一切跡象均表明，在人工智能算法技術推動的大背景下,，新一輪芯片半導體行業(yè)在資本與技術市場上的博弈剛剛開始,。

瞄準深度學習神經(jīng)網(wǎng)絡芯片成AI競爭焦點領域

第三方機構晨星報告顯示,，2021年,，人工智能芯片市場總價值將達200億美元。TechNavio預測,，到2021年,，全球人工智能芯片年均復合增長率將超過54%。秉持各自的技術路徑,，芯片領域的巨頭們紛紛入局這場硝煙尚未完全燃起的戰(zhàn)爭,。可以預見,，AI芯片的戰(zhàn)場又將是一片狼煙混戰(zhàn),。

在AI芯片這場混戰(zhàn)中，深度學習成為焦點領域,。從芯片處理結構看,，整個環(huán)節(jié)分為訓練（Training）算法和利用算法推理（Inference）結論兩個部分。訓練是人工智能的基礎,，構建應用的關鍵,。

在這一環(huán)節(jié)，Intel利用Xeon Phi處理器與NVIDIA的GPU直面競爭,，并通過多項收購擴大產(chǎn)品布局,。圍繞兩家巨頭的競爭，Google和AMD雖有心殺入戰(zhàn)局,，但仍在邊緣,，而更小的創(chuàng)業(yè)者則仍處于探索階段。推理層則表現(xiàn)出了群雄大亂斗的場景,，一些沒有芯片研發(fā)背景的公司也紛紛加入戰(zhàn)局,，去爭搶市場盤子高達200億美元的未來,。

作為深度學習的重要載體,，神經(jīng)網(wǎng)絡芯片正受到全球科技巨頭的高度關注。比如英特爾正在研發(fā)的自我學習神經(jīng)元芯片Loihi引起業(yè)界關注,。Loihi可以模擬出人類大腦的功能,，集成超過13萬個神經(jīng)元和1.3億個突觸,，用以復制神經(jīng)的方式進行運算和思考，不需要以傳統(tǒng)的方式進行訓練,，就能實現(xiàn)自我進化和決策,。與通常用于訓練人工智能系統(tǒng)的芯片相比，Loihi芯片的能效提升了1000倍,。

在中國，寒武紀科技公司于11月6日發(fā)布了新一代人工智能芯片,，包括：面向低功耗場景視覺應用的寒武紀1H8,、擁有更廣泛通用性和更高性能的寒武紀1H16，以及可用于終端人工智能產(chǎn)品的寒武紀1M,。

三種芯片采用與“阿爾法狗”類似的深度學習技術,，模擬大腦的神經(jīng)元和突觸，一條指令即可完成一組神經(jīng)元的處理,，力爭在未來3年占有中國高性能智能芯片市場30%的份額,，并使全世界10億臺以上的智能終端設備集成有“寒武紀”終端智能處理器。

另外兩款高性能機器學習處理器芯片“MLU100”和“MLU200”初露崢嶸,。這兩款芯片主要服務于服務器端的智能處理需求,，分別偏重于推理和訓練兩個用途。有別于“神經(jīng)網(wǎng)絡處理器”（NPU）,，寒武紀科技云端芯片產(chǎn)品線使用全新的命名“機器學習處理器”（MLU）,。這顯示出寒武紀未來的芯片產(chǎn)品將全面支持多樣化的機器學習應用，而不僅僅是常見的深度學習,。

科技巨頭搶先一步 國內(nèi)基礎科研與產(chǎn)業(yè)短板亟待完善

對于人工智能這個戰(zhàn)略制高點，國際科技巨頭早已開始搶占,。2010年NVIDIA就開始布局人工智能產(chǎn)品,，2014年宣布了新一代PASCAL GPU芯片架構，這是NVIDIA的第五代GPU架構,，也是首個為深度學習而設計的GPU,，它支持所有主流的深度學習計算框架。

2011年,，仍在谷歌就職的吳恩達將NVIDIA的GPU應用于谷歌大腦中取得驚人效果,，結果表明12顆GPU可以提供相當于2000顆CPU的深度學習性能。之后各地人工智能研究人員紛紛使用GPU來加速AI算法,，GPU也成為目前最主流的AI芯片,。

去年,，谷歌推出了其自主芯片TPU,，并成功幫助升級版的“阿爾法狗”戰(zhàn)勝中國圍棋選手柯潔,，它與GPU相比，用較低的精度提高性能,，功耗下降到GPU的10%,。

老牌芯片企業(yè)Intel也通過收購以色列公司Nervana布局人工智能芯片。2016年上半年,，NVIDIA又針對神經(jīng)網(wǎng)絡訓練過程推出了基于PASCAL架構的TESLA P100芯片以及相應的超級計算機DGX-1,。對于TESLA P100，NVIDIA首席執(zhí)行官黃仁勛稱這款GPU的開發(fā)費用高達20億美元,。

人工智能的根本是智能芯片,，離開芯片沒有第二種實現(xiàn)人工智能的方法，未來10年將成為AI芯片發(fā)展的機遇期和產(chǎn)業(yè)主權的激烈爭奪期,。

從頂層設計來看,，中美有近乎相仿的重視程度。美國和中國政府都把人工智能當作未來戰(zhàn)略的主導,，出臺發(fā)展戰(zhàn)略規(guī)劃,，從國家戰(zhàn)略層面進行整體推進。

但在應用系統(tǒng)中,，美國走的較遠,，已經(jīng)開始將AI裝備到軍事領域。中國雖躋身全球第一梯隊,，但在基礎算法和理論研究方面,，與美國還有很大差距?？梢哉f,，中國在人工智能和芯片的應用上跟美國處于同一個水平線，但在基礎方法研究方面仍然處于落后地位,。

目前,，包括Google、Facebook,、Microsoft等在內(nèi)的互聯(lián)網(wǎng)和科技企業(yè)提供了非常良好的學術研究氛圍,。而對于面臨營收壓力的國內(nèi)企業(yè)來說，則無法像微軟,、IBM那樣進行5年,、10年甚至20年長期專注和投入，這也是中國人工智能基礎性科學研究欠缺的最大原因,。

國內(nèi)企業(yè)的優(yōu)勢在于利用大數(shù)據(jù)迅速構建起應用場景,，特別是商業(yè)模式的創(chuàng)新與落地速度很快。但AI原創(chuàng)性的算法在國內(nèi)一向非常鮮見，現(xiàn)在國內(nèi)大部分的研究都熱衷于對原創(chuàng)模型進行修補,，缺少完整的AI理論體系與方法創(chuàng)新。此外,，國內(nèi)公司在技術人員的培養(yǎng)方面也遠遠不如像Google這樣的美國公司,。

從全球范圍看，人工智能和AI芯片已經(jīng)全面進入“寒武紀”時代,。人工智能的技術突破與創(chuàng)業(yè)者們的蜂擁出現(xiàn),，給人工智能加速產(chǎn)業(yè)化創(chuàng)造了重要契機,。

對中國而言,，人工智能距離真正普及還有相當長的路要走，這不僅是一個領域的競爭,，更是整個產(chǎn)業(yè)鏈和產(chǎn)業(yè)集群的競爭,。

無論是芯片、算法,，還是數(shù)據(jù)、應用,、人才,，任何短板劣勢都將使人工智能進入“跛腳”的畸形發(fā)展狀態(tài)。對此,，國內(nèi)的人工智能參與者更應該擁有一份定力與匠心,，扎實做好基礎研究,，政府需從國家層面補齊產(chǎn)業(yè)鏈中的短板環(huán)節(jié)，資本則需要擺好心態(tài)適度投資不要吹大泡沫,，只有多方合力協(xié)作,，才能讓我們看到更有希望的人工智能。

【科技云報道原創(chuàng)】