江苏龙网

  1. 首页 > 人文 > >

成为“AI芯片之王”，要烧掉多少钱？

成为“AI芯片之王”，要烧掉多少钱？
文章图片
30秒快读
1、英特尔、台积电一喜一忧 ， 国产AI芯片第一股寒武纪登陆A股科创板 ， 当天大涨229.9% ， 风云变幻的芯片圈 ， 隐藏着什么变局？
2、从CPU、GPU到xPU ， 下一代AI芯片的主流框架会是什么？中国AI芯片企业是做专用芯片还是通用芯片 ， 是横在创业者面前的一道难题 。
3、谁是下一个AI芯片之王？中国会出现像英伟达一样的企业吗？
一份布满愁云的财报 ， 暗示着芯片厂商们的又一场战事拉开序幕 。
7月24日 ， 英特尔在今年2季报中宣布 ， 因7nm芯片工艺存在缺陷 ， 进展落后与原计划的6个月 ， 同时量产日期也被推迟了近一年 。
当天 ， 英特尔收盘暴跌16.24% 。
另有媒体报道 ， 英特尔已将2021年6nm芯片代工订单交于台积电 ， 后者还有望获得5nm、3nmCPU芯片的代工 。
受该利好消息刺激 ， 7月27日台积电创下83.4美元/股的历史新高 。 截至7月29日收盘 ， 台积电的市值高达4289亿美元 ， 是当天英特尔收盘市值的两倍多 。
成为“AI芯片之王”，要烧掉多少钱？
文章图片
台积电和英特尔市值对比 ， 图源：东方财富网
一忧一喜间 ， 暗示着
英特尔自销自产的时代落幕
。 曾经的CPU芯片巨头如今陷入颓靡 。 但江湖中 ， 后浪们正在奋起追逐 。7月20日 ， 国产AI芯片第一股寒武纪登陆A股科创板 ， 当天大涨229.9% 。
成为“AI芯片之王”，要烧掉多少钱？
文章图片
7月17日 ， 寒武纪发布科创板上市公告 ， 图源：寒武纪
当人工智能进入越来越多人的生活 ， 这片江湖争夺或许会聚焦于AI芯片上 。
根据Gartner预测 ， 全球AI芯片的市场规模将有望从2018年的42.7亿美元上升到2023年的323亿美元 ， 2019-2023年平均增速约为50% 。
如果说 ， 英特尔和英伟达象征着CPU、GPU芯片的荣光 ， 那么在AI芯片赛道中 ， 谁会是下一个霸主？
成为“AI芯片之王”，要烧掉多少钱？
文章图片
01
从CPU、GPU到xPU
深度学习是目前AI的神经网络主流算法 ， 需要处理大量非结构化数据和“蛮算” 。 这对芯片的多核并行运算、片上存储、带宽、低延时访存等提出了较高需求 。
事实上 ， CPU芯片可以用于AI运算 ， 适用于逻辑复杂的串行计算 。 由于CPU中有晶体管用于构建控制电路和高速缓冲存储器 ， 缩减了计算单元的空间 ， 也在一定程度上限制了算力 。
成为“AI芯片之王”，要烧掉多少钱？
文章图片
CPU集成电路上有数以万计的晶体管 ， 图源：英特尔
目前深度学习下的图像识别、语音识别的计算主要涉及矩阵向量乘法、加法 ， 计算逻辑也不复杂 ， 主要靠数据大量多次计算 ， 因此相比串行运算的CPU ，
具有并行运算能力的GPU芯片性能更高 ， 更适合深度学习
。 成为“AI芯片之王”，要烧掉多少钱？
文章图片
CPU和GPU架构对比 ， 图源：OmniSci
这是为什么GPU一哥英伟达能在AI芯片市场占有一席之地 。 据广证恒生研报数据 ， 英伟达在数据中心GPU市场占有率超过80% 。 2019年度 ， 英伟达数据中心业务收入占比增长至接近三成 。
除了CPU、GPU外 ，
ASIC被认为是下一代AI芯片主流架构 。
针对特定任务专门设计框架 ， ASIC芯片能在快速提升算力的同时降低能耗 。 成为“AI芯片之王”，要烧掉多少钱？
文章图片
ASIC专用集成芯片架构 ， 为特定应用需要而设计制造的集成电路 ， 图源：AnySilicon
谷歌的TPU（张量处理单元）便是其中之一 。 谷歌定义了十几个为神经网络计算而设计的高级指令 ， 采用单线程控制 ， 避免缓存、多道处理等问题 ， 提高了深度学习运算效率 。 不过 ， 和所有ASIC芯片一样 ， TPU是一款非通用芯片 。
成为“AI芯片之王”，要烧掉多少钱？
文章图片
谷歌TPU芯片 ， 图源：GoogleCloud
在众多xPU芯片中 ， Graphcore推出的IPU（智能处理单元）是一款激进产品 。
这款专为AI训练、推理任务设计的新型处理器 ， 运用大规模并行同构众核架构 。
成为“AI芯片之王”，要烧掉多少钱？
文章图片
Graphcore推出的IPU（智能处理单元）芯片 ， 图源：Graphcore
加州大学圣芭芭拉分校教授谢源曾表示 ， 在运算过程中 ， 把数据从内存搬到处理单元所需能量占比非常大 ， 而数据搬运效率不会因摩尔定律发展而提高 。
IPU采用的是大规模分布式片上SRAM（静态随机存取储存器） ， 数据不储存在片外 ， 意味着运算过程中可以直接调动 ， 节省能耗和时延 。 不过 ， 一旦供电不足 ， 会导致部分数据缺失 。 为此 ， IPU相应减少了用于机器学习运算单元面积 。
成为“AI芯片之王”，要烧掉多少钱？
文章图片
IPU芯片内部结构 ， 图源：Graphcore
日前 ， Graphcore已发布第二代IPUGC200 ， 晶体管数量高达594亿个 ， 内部有1472个独立的处理器内核 ，
能够执行8832个独立的并行线程
， 均由900MB的RAM支持 。 成为“AI芯片之王”，要烧掉多少钱？
文章图片
装有4个IPUGC200芯片的机器 ， 每一枚芯片内有高达594亿个晶体管 ， 图源：Graphcore
此外 ， IPUGC200芯片另一亮点为能适用于稀疏样本数据的深度学习 。
新的架构有的方法是为每个处理核心配备了专用存储单元 ， 能更有效分散和搜集信息 ， 避免部分数据被过滤 。
Graphcore曾被多家媒体对标为下一家英伟达 。
介绍这款特立独行的产品时 ， 高级副总裁兼中国区总经理卢涛表示 ， “IPU不是GPU ， 但现在很多芯片公司做的其实还是GPU ， 在某些领域 ， 未来一段时间里 ， IPU可能会和GPU呈现竞争胶着状态 ， “这是最大的挑战 ， 也是最大的机会 。 ”
02
垂直领域突围战
对于不少中国AI芯片企业而言 ， 选择做专用芯片还是通用芯片 ， 是一道难题 。
亿欧科创事业部商业分析师张继文直言 ，
目前行业中还没有诞生一款真正意义上的AI通用芯片
， 因为不同场景下 ， 对芯片算力有不同要求 。比如 ， 安防领域对图像处理要求比较高 ， 智能家居对语音处理要求很高 ， 而自动驾驶需要多模态处理 。
“现阶段设计者仍在具体场景下摸索 ， 建议做垂直领域的芯片 。 ”她表示 。
如果你是一个不走心的芯片设计师 ， 做出芯片并不难 。 如果不愿意付ARM框架授权费用 ， 可以选开源的Risk-V框架 ， 去除无用功能后 ， 从GitHub下载代码 ， 交由芯片厂家做模型转换 。
成为“AI芯片之王”，要烧掉多少钱？
文章图片
图源：GitHub
但在中科院自动化研究所研究员王金桥看来 ， 这样的算法无法保证算法的精度 。
设计芯片时 ， 设计师需要对网络规模、参数、效果等选项不断调整 ， 提高芯片的适配能力 。 如果芯片已经固定了支持的网络结构 ， 之后要想更换 ， 只会前功尽弃 。
根据亿欧智库数据 ， ASIC芯片的开发费用高达800-2500万美元以上 ， 开发周期长达1-3年 。 这是耗费的资本 。
这便是专注于ASIC芯片研发 ， 寒武纪的困顿 。
在招股书上 ， 寒武纪预计今年净利润亏损4亿元至6.5亿元 。 寻求资本市场融资 ， 是这次寒武纪上市的缘由 。 成为“AI芯片之王”，要烧掉多少钱？
文章图片
寒武纪近几年财务状况 ， 图源：寒武纪招股书
据悉 ， 寒武纪计划分别以IPO募集资金7亿元、6亿元、6亿元和9亿元用于投资云端训练芯片及系统、新一代云端推理芯片及系统、新一代边缘端人工智能芯片及系统和补充流动资金 。
成为“AI芯片之王”，要烧掉多少钱？
文章图片
图源：寒武纪招股书
比资本更重要的 ， 还有人才 。 王金桥感慨AI芯片领域设计人才稀缺 。 在成为芯片设计师前 ， 需要至少3-5年的工作经验 。
【成为“AI芯片之王”，要烧掉多少钱？】行业一流的设计师 ， 起码要在生产线上跟过10年 ， 以防流片失败 。


    推荐阅读


    上一篇：远山墨雨|在密林中有童话里的小木屋，品茶、喝咖啡，尽在昆明西郊美早庄园

    下一篇：三易生活|网红傍身的小红书，也有了“抄底”旅游业的底气