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
标签:
GPU   FPGA   AI   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
AD9854的工作原理和应用电路图

AD9854采用80脚LQFP封装,其内部共有40个8位的控制寄存器,分别用来控制输出信号频率、相位、幅度、步进斜率等,以及一些特殊控制位。下表给出了控制寄存器的分布情况。

深度学习框架比较,Caffe/Tensorflow/ Keras有何不同?
深度学习框架比较,Caffe/Tensorflow/ Keras有何不同?

人工智能的浪潮正席卷全球,诸多词汇时刻萦绕在我们的耳边,如人工智能,机器学习,深度学习等。“人工智能”的概念早在1956年就被提出,顾名思义用计算机来构造复杂的,拥有与人类智慧同样本质特性的机器。

AI优先,应用为王:2018应用型AI企业TOP50排行榜

2017年,阿尔法狗(AlphaGo)的升级版来华对战世界第一的围棋冠军柯洁并取得完胜,将人工智能的话题热度推向一个新高潮。紧随着,中国中央和地方政府连续发放针对人工智能产业的政策“红包”,将人工智能推向落地应用的快车道。

让摩尔定律死亡的不是芯片工艺和设计,而是AI芯片的出现?
让摩尔定律死亡的不是芯片工艺和设计,而是AI芯片的出现?

昨天,OpenAI发布了一份名为《AI与计算》的分析报告,自2012年以来,AI训练任务所运用的算力每3.43个月就会翻倍,这一数字大大超越了芯片产业长期存在的摩尔定律(每18-24个月芯片的性能会翻一倍)。

无人驾驶车祸频频,或许是没有解决这些技术问题?

无人驾驶已是全球追逐的趋势,科技巨头早已争相开始了相关领域的研发。从安防角度看,无人驾驶的安全技术研究应该作为无人驾驶技术研究的重中之重。

更多资讯
部分企业打破竞争格局,光芯片产业链深度分析

 当前,以信息技术与制造业融合创新为主要特征的新一轮科技革命和产业变革正在孕育兴起,我国90%以上的信息量是通过光纤传输的,光通信及相关光电子产业正在成为带动整个信息产业的新的经济增长点,而光子芯片更是其中的技术核心点。

小米澎湃S2上线台积电,采用16nm制程工艺
小米澎湃S2上线台积电,采用16nm制程工艺

手机处理芯片作为一部手机的大脑,其地位也是尤为的重要,从做MIUI起家的小米很早就敏锐的发掘我们国家在半导体方面与发达国家的差距,毕竟落后就要挨打,没了处理器的手机也就没了灵魂,所以小米公司在很早就立项要研发自己的手机处理芯片。

长文分析:从手机芯片到服务器芯片,中国芯困境下的奋进
长文分析:从手机芯片到服务器芯片,中国芯困境下的奋进

一道禁令,一段往事,一场博弈,中兴事件敲醒了落后世界20多年的中国芯片产业,这场漫长的沉睡似乎在事件发酵的27天里才真正进入清醒。

2018年LED芯片行业的发展趋势(附国内外知名厂商)

从2016年开始,LED行业就出在高速发展的阶段,到2018年,又出现了新的格局。纵观整个LED产业链,我们可以看到,LED 芯片领域是LED 产业链的高毛利环节。

东芝出售芯片业务通关,高通收购恩智浦也快了?

东芝公司昨日宣布,中国监管部门已经批准了贝恩资本财团180亿美元收购其芯片业务部门交易。

Moore8直播课堂
电路方案