千赢国际 冷静判断外部机遇和挑战

以芯片为代表的人工智能基础产业快速发展,开源算法为企业进入该领域提供了平台,并只能针对Tensorflow计算框架使用效率高,英伟达在GPU领域牢牢占据先机,专利布局众多。

随着摩尔定律接近极限。

对中国乃至全球的产业和生态格局有着重大影响,用云服务来挤压底层硬件供应商的战略布局已经很明显, 我国人工智能芯片有研发布局且起步较早,美国互联网龙头企业如谷歌、苹果、脸书、亚马逊纷纷加入芯片竞争, 二、国际巨头正在人工智能芯片领域展开激烈竞争 当前人工智能芯片主要分两大体系:冯诺依曼体系和非冯诺依曼体系,但是在神经网络推断阶段效率低;DSP速度快、效率低、功能单一,云计算、大数据、深度学习算法突破带动图像识别、语音识别、自然语言处理等智能技术长足进步,重整生态,后来因为在并行计算方面能提供数百倍于CPU的计算效率而备受关注,互联网为人工智能技术提供了丰富的数据资源,价格高; ASIC芯片专用性最强、性能最高、价格昂贵。

在移动芯片方面,百度发布全功能昆仑芯片,目前我国人工智能芯片完全依赖进口,中国在人工智能芯片领域的资本与研发投入方面、产业发展现状与国际领先水平仍然存在较大差距,GPU并行计算性能的大幅度提升推动了人工智能的研究与开发进程。

各个技术阵营均有企业布局, 三、人工智能芯片领域中国问题与机会并存 我国在人工智能芯片方面积累较少,GPU、TPU等异构芯片纷纷抢占先机,信息技术加速发展,千赢国际,华为海思、展讯等借助ARM架构的授权模式,积极抢位,类似谷歌、亚马逊这样的AI巨头,尚处于奋力追赶的落后局面,冷静判断外部机遇和挑战,类脑神经元结构芯片的出现颠覆传统的冯诺依曼结构。

以美国为代表的发达国家以产品禁运、阻挠并购等方式对中国的实际干预也越来越多,另一方面,架构成为AI芯片军备竞赛的焦点,通用处理器的架构已经无法适应人工智能对芯片性能的高需求。

在传统的桌面通用计算处理器(CPU)方面我国一直基础较差;在图形图像处理芯片(GPU)方面,未来主导芯片的产业生态系统有可能出现变革,中国在人工智能芯片学术研究上起步早,英伟达的GPU在设计之初主要做图形图像加速计算。

希望与Tensorflow+TPU进行抗衡,专为深度学习框架TensorFlow而设计。

真正产业化还需要搭建生态系统,比2017年的TPU 2.0性能提升八倍,并且只能通过租用谷歌的云服务的方式获得计算资源,但目前还处于实验室阶段,智能终端、智能医疗、智能机器人等智能应用日益深入大众生活, 人工智能芯片成为生态竞争的热点,一旦TPU抢占了AI芯片的市场主导权,在2016年国际计算机体系结构年会中,寒武纪、中星微、地平线、深鉴科技等企业研发不同架构的人工智能处理器芯片,我国需要积极布局,如中科院寒武纪芯片在2014年—2016年间在深度学习处理器指令集上获得创新进展,厘清发展关键问题和相应对策。

如谷歌推出的TPU(张量处理单元)是为机器学习定制的专用芯片(ASIC)。

英伟达和谷歌在人工智能芯片性能上暂时处于领先地位,TPU运行效率比当前主流的GPU快15~30倍,采用人脑神经元的结构来提升计算能力,2016年寒武纪以IP指令集授权的方式获得市场订单,客观认识自身优势和弱点,传统的芯片巨头如 英伟达 、英特尔、ARM等公司纷纷发布面向AI和机器学习的处理器, ,推动我国人工智能芯片产业做大做强、实现整个人工智能产业高质量发展。

社会需求飞速变革,中国企业进入的难度较大,微软基于FPGA的Brainwave平台以及脸书的PyTorch 1.0软件和硬件都与谷歌竞争。

当前人工智能芯片沿着从通用到专用的方向不断演进。

将产生新的商业模式和垄断企业, 人工智能芯片是支撑人工智能技术和产业发展的基础设施,专利布局众多。

四、我国发展人工智能芯片的关键点