在人工智能领域,算法的实现依赖于计算机强大的运行速度,因此芯片就显得尤为重要。目前 AI 芯片这个市场,已经吸引了很多玩家,无论是传统的半导体业者,还是所谓的初创企业,都开始投奔这个下一个金矿。本文为大家盘点人工智能领域的芯片厂商和他们的产品,来看看有哪些典型代表。

 

 

1、英伟达

凭借具备识别、标记功能的图像处理器,在人工智能还未全面兴起之前,英伟达就先一步掌控了这一时机。在 2016 年,英伟达更是一连发布了多款针对深度学习的芯片,像 4 月份发布的一款可执行深度学习神经网络任务的 Tesla P100 GPU,又比如 9 月份发布的基于 Pascal 架构的深度学习芯片 Tesla P4 和 Tesla P40,其中,Pascal 架构能助推深度学习加速 65 倍。

 

除了研发芯片,英伟达还发布了多个用于不同领域的硬件和平台,进一步扩大了自己的人工智能布局。在 CES 2017 上,英伟达发布的自动驾驶芯片 XAVIER AICAR SUPERCOMPUTER、智能家居硬件 Spot 以及搭载了人工智能系统 ProAI(由 ZF、英伟达联合研发)的车载电脑等。据悉,ProAI 系统可以通过深度学习处理来自汽车传感器摄像头的数据,能够清晰的识别周围环境,在高清地图上精确定位,为车辆规划出一条安全的前行道路,进一步适用于高速公路自动化驾驶。

 

2、ARM

迄今为止,全球 85%的智能移动设备中都采取了 ARM 架构,其中,超过 95%的智能手机运用了 ARM 的处理器,在智能硬件和物联网高速发展的如今,ARM 有着绝对的地位。

 

此外,根据其 2015 年 Q4 财报,ARM 所授权的芯片主要都用在了移动计算、智能汽车、安全系统和物联网。在智能汽车领域,包括 NVIDIA、高通在内都是基于 ARM 设计开发了面向驾驶辅助系统的超级计算机。早前,对于收购 ARM 一事,软银 CEO 孙正义就曾明确表示 ARM 芯片将推动人工智能走向奇点。而在收购之后,软银也对 ARM 早已开始的人工智能项目“Blue Sky Program”表示了极大的支持。

 

3、Intel & Nervana

在 2016 年 11 月,Intel 公司发布了一个叫做 Nervana 的 AI 处理器,他们宣称会在明年年中测试这个原型。如果一切进展顺利,Nervana 芯片的最终形态会在 2017 年底面世。这个芯片是基于 Intel 早前购买的一个叫做 Nervana 的公司。按照 Intel 的人所说,这家公司是地球上第一家专门为 AI 打造芯片的公司。

 

Nervana 一直在努力将机器学习功能全力引入到芯片之中,是人工智能 ASIC 芯片供应商。得到 Intel 的支持后,Nervana 正计划推出其针对深度学习算法的定制芯片 Nervana Engine。据 Nervana 相关人员表示,相比 GPU,Nervana Engine 在训练方面可以提升 10 倍性能。

 

4、IBM

百年巨人 IBM,在很早以前就发布过 wtson,现在他的人工智能机器早就投入了很多的研制和研发中去。而在去年,他也按捺不住,投入到类人脑芯片的研发,那就是 TrueNorth,邮票大小、重量只有几克,但却集成了 54 亿个硅晶体管,内置了 4096 个内核,100 万个“神经元”、2.56 亿个“突触”,能力相当于一台超级计算机,功耗却只有 65 毫瓦。

 

TrueNorth 是 IBM 参与 DARPA 的研究项目 SyNapse 的最新成果。这种芯片把数字处理器当作神经元,把内存作为突触,跟传统冯诺依曼结构不一样,它的内存、CPU 和通信部件是完全集成在一起。因此信息的处理完全在本地进行,而且由于本地处理的数据量并不大,传统计算机内存与 CPU 之间的瓶颈不复存在了。同时神经元之间可以方便快捷地相互沟通,只要接收到其他神经元发过来的脉冲(动作电位),这些神经元就会同时做动作。

 

5、谷歌

谷歌的人工智能相关芯片就是 TPU。也就是 Tensor Processing Unit。

 

TPU 是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度,减少实现每个计算操作所需的晶体管数量,从而能让芯片的每秒运行的操作个数更高,这样经过精细调优的机器学习模型就能在芯片上运行的更快,进而更快的让用户得到更智能的结果。Google 将 TPU 加速器芯片嵌入电路板中,利用已有的硬盘 PCI-E 接口接入数据中心服务器中。

 

6、中星微

在极度依赖国外进口的我国芯片产业中,中星微可谓一匹突出重围的“黑马”。在 2016 年 6 月份,中星微率先推出了中国首款嵌入式神经网络处理器(NPU)芯片“星光智能一号”,这也是全球首枚具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片,并已于 3 月 6 日实现了量产。

 

该芯片采用了“数据驱动”并行计算的架构,单颗 NPU(28nm)能耗仅为 400mW,极大地提升了计算能力与功耗的比例,可以广泛应用于智能驾驶辅助、无人机、机器人等嵌入式机器视觉领域。

 

7、微软

微软蛰伏六年,打造出了一个迎接 AI 世代的芯片。那就是 Project Catapult。这个 FPGA 目前已支持微软 Bing,未来它们将会驱动基于深度神经网络——以人类大脑结构为基础建模的人工智能——的新搜索算法,在执行这个人工智能的几个命令时,速度比普通芯片快上几个数量级。有了它,你的计算机屏幕只会空屏 23 毫秒而不是 4 秒。

 

8、KnuEdge

KnuEdge 实际上并不是一个初创公司,它由 NASA 的前任负责人创立,已经在一个隐形模式下运营了 10 年。KnuEdge 最近从隐形的模式中走出,并让全世界知道他们从一个匿名的投资人获取 1 亿美元的投资用来开发一个新的“神经元芯片”。

 

KUNPATH 提供基于 LambaFabric 的芯片技术,LambaFabric 将会通过与现在市场上的 GPUs、CPUs 和 FPGAs 完全不同的架构进行神经网络的计算。LambdaFabric 本质上是为在高要求的运算环境下向上拓展至 512000 台设备而设计,机架至机架延迟时间只有 400 毫微秒,低功耗的 256 核处理器。

 

9、地平线机器人

由余凯创立于 2015 年的初创企业 Horizon Robotics(地平线机器人)已经从包括 Sequoia 和传奇的风险资本家 Yuri Milner 等投资人获得了未透露金额的种子基金。后来更是获得了已经获得了晨兴、高瓴、红杉、金沙江、线性资本、创新工场和真格基金的联合投资。他们正在着手于建立一个一站式人工智能解决方案,定义“万物智能”,让生活更便捷、更有趣、更安全。

 

地平线致力于打造基于深度神经网络的人工智能 “大脑” 平台 - 包括软件和芯片,可以做到低功耗、本地化的解决环境感知、人机交互、决策控制等问题。

 

10、krtkl

创立于 2015 年的 krtkl 致力于创造“一个微小的无线电脑用来创造一些完全不同的东西”。这款开拓板是基于 XilinxZynq SoC,集成了 ARM 处置器和可编程 FPGA。用户甚至可以经过手机上的专用 APP 对其举行编程,供 230 个用户可用的 I/O 接口,应用灵巧兼容很多扩展板卡,其特征如下:选择 Zynq 7010SoCchip,集成双核 ARM Cortex-A9@667Mhz 处置器和 430K LUT 的 FPGA 资源(可晋级为 Zynq 7020@866Mhz1.3M LUT)。

 

这款开拓板的一大亮点是不仅支援传统的 MicroUSB 程序烧写,终端调试等效能,还支援手机终端操控,应用官方供的 Apps,经过 Wi-Fi 连接开拓板,用户可以下载程序,管脚把持,管脚复用以及体系把持能效能。

 

更多最新行业资讯,欢迎点击与非网《今日大事要闻》