英伟达GPU笑傲AI芯片江湖,三大类芯片都有搏一搏的机会?

2017-06-19 09:03:37 来源:StarryHeavensAbove
分享到:
标签:
AI   FPGA   GPU   人工智能

 

去年11月的时候第一次思考这个题目,今年3月做过一次更新。短短几个月,AI芯片领域变化不断,新闻不断,有必要再更新一下这个讨论。希望这次能把一个更为完整的分析呈现给大家。


我认为相关的市场主要可分成三大类。第一类是Data Center(Cloud)中用于training和inference的专用芯片或者FPGA(非GPU/CPU芯片)。第二类是需要较强智能的终端芯片(面向手机,安防监控,无人机,机器人,自动/辅助驾驶,VR/AR等),或许可以叫“泛手机终端芯片”。这类应用主要也是inference功能,不排除未来有training的需求;第三,是智能需求较低的终端芯片(穿戴,玩具,智能家居等等),以下叫“弱智能终端芯片”。当然,终端设备对智能的需求是相对的,可能覆盖很大范围。这里说的第三类实际上也可以看作是指受到成本,功耗等因素限制的inference需求。


还是先说结论:
Cloud training/inference(专用芯片/FPGA):可以一搏;
泛手机终端芯片:机会很小;
弱智能终端芯片:充满变数;


先说说第二类吧。为什么说第二类对于初创公司基本没有机会?因为这是目前芯片产业竞争最激烈的战场。手机芯片大厂(高通,MTK,海思,展讯,苹果,三星)已经非常强大,而且还在不断把自己的技术能力推广到无人机,机器人,安防监控,自动驾驶,VR/AR等领域。很难想象会有初创公司能够再挤进来。


那么以IP形式进入是否有机会?个人的看法也是机会很小。第一,从技术能力来讲,这些公司都有实力(多年做通信基带和多媒体的经验)自己设计复杂的加速器或者专用处理器;第二,传统的IP厂商,比如CEVA,Synopsys,Cadence(tensilica)和Vericilicon也都盯着AI IP这个机会。最近这些公司也都频繁发布支持AI应用的DSP和硬件加速器产品(参考神经网络DSP核的一桌麻将终于凑齐了)。初创公司的IP如果有一定的技术特点和价格上的灵活性,有可能在大厂预热过程中得到试用的机会。但最终出现在量产芯片中的可能性非常小。第三,目前很多带AI性质的应用,要么是在cloud端实现,要么就直接拿现有的硬件资源来实现,比如ARM CPU/GPU或者已有的multimedia DSP来实现。手机芯片巨头都在定义AI相关的user case,是否有killer app需要在手机芯片中增加额外的硬件代价还有待观察。最后,ARM前段时间也推出了面向AI的DynimicIQ方案,其中定义了CPU和DL加速器的接口;后续还可能有更多动作,可能会对这个领域有很大的冲击。而Nvidia开源xavier DLA,会进一步拉低inference实现的门槛(从Nvidia开源深度学习加速器说起)。最近MTK最近也有所动作,可以看出AI在其未来战略中的重要性。

 


不过在这个Deep Learning IP领域,国内的一个Startup可能会给我们带来好消息,值得期待。


第三类弱智能计算应用,实际上可以也和第二类应用一起叫做边缘计算应用。这里加以区别,是因为这类应用对功耗、成本甚至尺寸的压力更大,主要包括一些物联网,可穿戴应用。其硬件平台的处理器能力非常有限(传统的MCU领域)。这类应用的总量很大,但差异化明显,需求五花八门,存在很多变数,技术上很难用一种架构来实现。相对泛手机芯片而言,这类芯片的资金投入门槛不高。随着Nvidia开源DLA,如果配合开源的RSIC-V CPU,门槛可能会进一步降低(当然,用开源的东西,技术门槛可能会更高)。所以,能不能成功的关键还得看芯片的spec定义是不是合理,能不能在市场出现的时候及时拿出芯片。相信未来可以看到不少初创公司在这个领域出现和死亡。目前看得比较清楚的是智能语音应用,从技术的可行性到市场的驱动都已经具备了芯片化的条件。


在这个领域,我还是比较看好由应用驱动芯片研发的公司。目前国内有很多Startup在图像处理,声音处理的算法和应用方面已经有了不错的积累。如果它能在某个细分领域获得领导地位,并根据应用定义和开发自己的芯片,巩固技术优势,则是一个比较好的状态。简而言之,就是顺势而为,水到渠成,而不是为了做芯片而做芯片。(当然,很多公司也是为了拿到投资而把设计芯片作为噱头的,这种情况我就不予置评了。)

 

 
关注与非网微信 ( ee-focus )
限量版产业观察、行业动态、技术大餐每日推荐
享受快时代的精品慢阅读
 

 

继续阅读
NVIDIA亮相SC17大显风采,GPU加速已成为科学计算的关键
NVIDIA亮相SC17大显风采,GPU加速已成为科学计算的关键

NVIDIA亮相本周在美国丹佛举行的SC17超算大会,并展现了其在高性能计算领域取得的傲人成绩。

决战人工智能,英特尔除了至强处理器还有啥?
决战人工智能,英特尔除了至强处理器还有啥?

“每家企业都需要人工智能战略,否则就会落后于时代,AI战略甚至决定企业的未来胜负”,英特尔CEO科再奇如此表示。

一个人掀起Uber和谷歌纠纷,现在创立了AI神教
一个人掀起Uber和谷歌纠纷,现在创立了AI神教

关于对AI的恐惧或者崇拜并不是一件新鲜事,但是新鲜的来了——现在有个人创立了一个“AI神教”。他的名字叫Anthony Levandowski。

机器人通过国家医考,医疗领域“人机大战”接连上演

机器人能通过医考,标志我国人工智能已具备全球领先的“语言理解能力、自我学习能力、联想与推理的能力”,即有能力建立起比较完备的医学知识体系,并在一定程度上具备了自主学习和运用医学知识解决医学相关问题的能力。

百度“杀入”智能硬件,入局智能音箱市场

这应该是百度有史以来最“硬”的一次发布会。

更多资讯
SiP封装成超越摩尔定律的要塞,日月光/安靠/长电科技谁将赢取IC封装的未来
SiP封装成超越摩尔定律的要塞,日月光/安靠/长电科技谁将赢取IC封装的未来

进入2017年,摩尔定律的脚步愈加沉重,“摩尔定律已死”的言论笼罩着整个半导体行业,超越摩尔定律发展的想法在半导体从业人员的脑海里愈加清晰。在这样的大环境下, SiP封装技术重新走到了聚光灯下。从一味追求功耗下降及性能提升(摩尔定律),转向更加务实的满足市场的需求(超越摩尔定律), SiP是实现的重要路径。

东芝:东芝存储不会卖给贝恩资本财团中的单一成员

北京时间11月17日消息,路透社报道,东芝周五表示,该公司不考虑接受贝恩资本财团中一家成员对存储芯片业务的单独投资。此前,该财团已同意以180亿美元的价格收购东芝的存储芯片业务。

第二代UFS 2.1获认证,骁龙/麒麟处理器的手机有望搭载?
第二代UFS 2.1获认证,骁龙/麒麟处理器的手机有望搭载?

对于一款手机来说,闪存的读写速度十分重要,一款手机如果能使用UFS 2.1级别的闪存,那么基本可以将其定位为旗舰机型了。虽然说UFS 2.1的读写速度高达700M/s,但是与iPhone的NVMe闪存相比还是有些差距。

AMD CEO苏姿丰成第一台APU笔记本的购买者
AMD CEO苏姿丰成第一台APU笔记本的购买者

10月底,AMD正式发布了第8代APU产品,首发笔记本平台,型号分别是Ryzen 7 2700U和Ryzen 5 2500U。

联发科抱上谷歌大腿,新一代神级处理器要诞生?

联发科与Google在GMS Express等项目达成的合作,以及最新的入门级4G智能手机芯片方案,以此帮助中国手机厂商拓展海外市场。

微话题

工作 or 考研?

又到一年招聘季,考研or工作让你实现了怎样的逆袭?……
Moore8直播课堂