【【科技紅利】全球人工智能AI芯片有望提前在安防領(lǐng)域落地】http://toutiao.com/group/6516411722343907853/?iid=15906422033&app=explore_article&timestamp=1517737849&tt_from=copy_link&utm_source=copy_link&utm_medium=toutiao_ios&utm_campaign=client_share

  人工智能應(yīng)用場景眾多,，認同AI安防優(yōu)先落地，有些場景需要在終端實現(xiàn),，對芯片功耗,、效率，運算能力要求較高,，這是當(dāng)前AI芯片發(fā)展方向,，也是制約AI終端應(yīng)用大范圍落地的瓶頸。深鑒科技就在朝著這個方向努力,，從基于FPGA和ASIC芯片的硬件定制化架構(gòu),，到算法壓縮，深鑒致力于提供高效,、低能耗的處理器,。當(dāng)前已有標準化模組產(chǎn)品，助力圖像識別,、結(jié)構(gòu)化算法加速,，測試結(jié)果表明深鑒產(chǎn)品與其他終端處理器相比,，在性能、效率方面等均有優(yōu)勢,。

人工智能場景：應(yīng)用場景眾多,，復(fù)雜程度不一。主要典型場景如下：

阿爾法狗下圍棋場景：行為較為單一,，任務(wù)其實相對簡單,。

機器人運動場景：人的行走相對復(fù)雜，考慮因素眾多,，相對復(fù)雜,。

自動駕駛場景：更為復(fù)雜，需要考慮社群行為,。即除了自動駕駛行為決策外,，還要考慮其他行駛者行為的影響。

行業(yè)應(yīng)用落地場景：認同AI落地第一個場景-AI安防的觀點,。

當(dāng)前AI安防已經(jīng)有大量需求,，2016年安防監(jiān)控出貨量：1億4千萬個模組和傳感器。安防主要部署在終端,，對處理器的成本,、帶寬，延時等性能都有較高要求,。

其他終端應(yīng)用場景：機器人和無人機

要求：時延低,，功耗低，價格敏感,，是AI具有挑戰(zhàn)性場景,。

目前市場上已經(jīng)有消費類產(chǎn)品：家庭陪伴機器人，掃地機器人,，家庭語音聊天機器人等,。主要是通過云端進行語音識別進行人機交互。

還有提升空間,，核心處理轉(zhuǎn)移到前端將會帶來市場空間,。

AI處理器現(xiàn)狀，目前尚處于早期,，效率,，功耗等均有待提高。阿爾法狗戰(zhàn)勝李世石用了2千個CPU,，3千個GPU,，同時還花費電費3千美元，難以在現(xiàn)實場景應(yīng)用,。AI真實場景應(yīng)用,，對計算能力,，功耗，開發(fā)門檻要求較高,。終端應(yīng)用對功耗要求更高,，無論是終端還是云端都面臨成本壓力：降低前期投入成本和后期運維成本。

AI三個關(guān)鍵因素：數(shù)據(jù),，算法,，硬件。當(dāng)前許多AI處理都在是云端完成,，因為需要計算集群提供強大運算能力,，短時間完成算法優(yōu)化、數(shù)據(jù)清洗,、適配,，訓(xùn)練數(shù)據(jù)，快速迭代,。但是有些場景不適用云端場景：延時要求較高的場景,。終端設(shè)備無需連接服務(wù)器、延時較低,，可以適用這些場景,。預(yù)計未來終端應(yīng)用將會增加,，數(shù)據(jù)也越來越多,，形成數(shù)據(jù)量和處理能力之間的剪刀差。這是阻礙AI大范圍應(yīng)用的主要因素,。

當(dāng)前大量公司開發(fā)硬件,，基本所有AI相關(guān)公司都有想法或已經(jīng)付諸行動，部署相應(yīng)加速硬件,。未來趨勢,，未來AI大規(guī)模應(yīng)用落地，高效,、合適的計算平臺是必要條件,。

深度學(xué)習(xí)處理器：大公司都在做，比如谷歌,，百度,，英偉達為典型。

創(chuàng)業(yè)公司主要有：寒武紀,、深鑒科技,、地平線機器人等等。

大家共同的目標：便宜高效完成AI計算,。

深鑒科技主要擅長：

1.硬件加速：基于賽靈思的FPGA硬件和ASIC專為深度學(xué)習(xí)定制,，設(shè)計專門AI硬件架構(gòu),。

2.算法壓縮和量化：人類神經(jīng)元數(shù)量連接數(shù)量3-5歲達到最高峰，十幾歲人腦功能達到穩(wěn)定,，連接數(shù)減少到2/3-3/4,。這一階段是學(xué)習(xí)最快的階段，大腦會自動砍掉無效連接,。算法壓縮就在做同樣的事,，在不損失精度情況下壓縮網(wǎng)絡(luò)。對模型進行剪枝,、壓縮,、量化，在不損精度情下,，可以將運算速度提升數(shù)倍至數(shù)十倍,。

測試1.分類網(wǎng)絡(luò)壓縮：

對分類網(wǎng)絡(luò)做壓縮前后，兩類不同對象處理性能對比：可以在將模型壓縮到51%神經(jīng)元的情況下,，達到同樣精度,，大大提高處理速度。

測試2.SSD網(wǎng)絡(luò)壓縮：

測試表明：可以在實現(xiàn)相同精度情況下,，將網(wǎng)絡(luò)縮小至10%,。也就是原來一秒1張圖片，現(xiàn)在可處理10張圖片,。

功耗需求：

面向AI終端定制芯片的目標功耗是：1-10W區(qū)間,，這一領(lǐng)域尚處空白，各公司均向這方向努力,。

橫坐標：功耗,，縱坐標：運行速度，斜率越高效率越高,。

1-10w的紅圈區(qū)域：空白區(qū),。當(dāng)前IOT功耗是幾十-幾百W，需要大規(guī)模量產(chǎn)化才能降低成本,，并且?guī)资甒難以作為應(yīng)用端芯片,。其他性能強大的芯片過高功耗，需要的成本較高,。

測試3.效率比較：

衡量芯片兩個關(guān)鍵指標：峰值性能：取決于公司的技術(shù)水平以及財力,，較高工藝需要較大成本。

效率：取決于公司技術(shù)情況,。

效率定義：運行時工作芯片單元占總芯片單元數(shù)比重,，即100個計算單元，每個時鐘周期有多少在工作。

深鑒科技可達50%以上,；iphone8可以達到20-40%,；Kirin970：20%左右。

深鑒科技產(chǎn)品：

當(dāng)前市場主流AI應(yīng)用場景：安防,，數(shù)據(jù)中心,，機器類相關(guān)。深鑒科技也都在做,。

深鑒目前標準量產(chǎn)化產(chǎn)品：前端智能模組,，可以提高前端運算能力?？梢酝ㄟ^增加硬件的方式,，實現(xiàn)支持多路、實時視頻處理,，可以輔助進行人臉識別,，結(jié)構(gòu)化模型處理。