加入星计划,您可以享受以下权益:

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入
  • 正文
  • 推荐器件
  • 相关推荐
  • 电子产业图谱
申请入驻 产业图谱

魏少军:人工智能芯片的痛点在哪儿?

2018/04/21
65
阅读需 22 分钟
加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

 

4 月 21 日,由中国电子学会主办的第十三届中国电子信息技术年会在苏州隆重开幕。大会设有主论坛、专题论坛和展览展示等环节,并发布了《中国电子学会会士观点(2018)》等内容。

会上,中国电子学会电子设计自动化专家委员会主任委员、清华大学微电子研究所所长魏少军发表了题为《人工智能芯片:痛点在哪儿?》的演讲,深入浅出地解读了如今 AI 芯片的发展现状。

从上图左边的几张曲线图可以看出,人工智能初创企业的数量、融资额度和并购数量等在 2016 年都有大幅增长,如今人工智能企业的空间已经处于拥挤状态。上图右侧列出的则是一系列的西方企业。

一,人工智能崛起的三个基本要素

 

关于人工智能的发展,早在上世纪 50 年代,达特茅斯会议就已经提出相关概念。到了 80 年卡内基大学才提出机器学习概念,并出版了 Mechine Learing 的期刊。然而人工智能真正引起大众关注的是 2016 年、2017 年 AlphaGo 战胜了人类棋手李世石和柯洁。

人工智能的再次崛起并不是偶然的,主要得益于三大突破:算法、数据和算力。三者缺一不可,而算力则依赖芯片。魏少军表示:“如今的人工智能、大数据、云计算背后的真正支撑点就是芯片,没有芯片一切都是假的,这也是人工智能技术绕不开的话题。”

 

在没有人工智能的时候,智能化已经成了热点。而且新一轮发展的核心驱动力就是智能化,它是由智能和能力组成。

将人脑和电脑作比较,在人脑内,有 140 亿神经元,神经传输速度 120 米 / 秒,工作频率很低,计算能力达到 10 的 16 次方 CPS,功耗只有 20W,重量为 1.2-1.6 公斤,把大脑皮层摊开,其面积达到 0.25 平方米。上图右侧为天河二号的计算机芯片数据,其大概有上百亿个晶体管、传输速度为每秒 340 万公里,工作频率达每秒 42 万亿次,运算能力极强为 10 的 34 次方 CPS,功耗为 24MW(要一个单独的小型发电站),其占地 37 平方米,重量 720 吨。

上图讲的是人工智能模拟人脑的两种方式,还有该方式下的代表芯片。

二,芯片是人工智能技术发展过程中绕不开的话题

说到 GPU,魏少军表示:“GPU 是机器学习平台比较稳定和成熟的代表。”GPU 的计算能力是 CPU 的 6 倍,存储带宽是 CPU 的 4 倍。且 GPU 的计算方式恰好与深度学习的神经网络非常匹配。

除了 GPU,还有 FPGATPU,英特尔还开发了 CPU+GPU 的解决方案。谷歌开发的 TPU 则主要着眼于提高性能并优化功耗,其功耗已经下降刀了 GPU 环境的 10%。

IBM 的 True North 是模拟人脑学习的重要突破,上图有一些它的参数。魏少军认为如果实现这样的产品将会非常“可怕”,它可以形成像人一样的机器,且可以成为家庭中的成员。

除了 IBM,还有其他的企业和研究单位也在做类似的工作,代表的产品概念如 Neuromorphic 和 In—memory computing。

英特尔仍在走专用集成芯片的老路,功耗及成本有优势,不过需要足够大的销量。在深度学习领域,由于算法在不断演进,且演进的速度非常快,很难在一个有限的时间内积累足够的销量。这是深度学习领域 ASIC 遇到的极大挑战。

 

三,人工智能芯片的若干关键要素

目前人工智能芯片面临两个现实问题,一个是算法不断演进,新算法层出不穷;另一个则是一种算法对应一种应用,没有统一的算法。

魏少军表示:“通用化永远是我们做芯片的人最希望获得的发展方向,那么人工智能是否也需要一个所谓的人工智能深度学习的引擎呢?毫无疑问这是必然的。”

总结一下,可以得出人工智能芯片应该具备的基本要素(如上图)。

四,人工智能芯片发展要找准痛点

第一个痛点在应用,我们得知道哪些应用需要 AI,AI 的“杀手级”应用在哪里?

很多企业在 AI 芯片方向努力,上图右侧为一些所谓的垂直集成商,而英伟达、高通等是芯片提供商。华为、三星、小米、vivo 走的是终端路线。

第二个痛点是架构,它是做 AI 芯片的首要问题。

不管怎么样,软件硬件,两者缺一不可。软件是实现智能的载体,而芯片则承载了所需的计算。这样就出现了软件定义芯片的概念。

 

当我们说到可编程、可重构,那就是 FPGA 吗?不是。FPGA 它存在十大缺陷,如上图。FPGA 不是软件定义芯片,它离软件定义芯片还差很远。

软件定义芯片的功能是完全按照软件定义。

从可重构计算与经典计算的比较图可以看出,传统的是应用适应计算结构,而可重构则是计算机构适应应用。

三颗名为思考者的芯片,具体参数如上图。中间这颗用于做人脸识别,它的识别率比人的要高。右边这颗支持语音和声纹的识别,功耗低,一节 7 号电池可以工作一年。

最后魏少军表示:“今天做 AI 芯片的公司很可能是昙花一现,如果集成电路的开发者成为了先烈和先驱,我们只能向他们表示尊重和致敬。”

与非网原创内容,未经许可,不得转载!

推荐器件

更多器件
器件型号 数量 器件厂商 器件描述 数据手册 ECAD模型 风险等级 参考价格 更多信息
ATMEGA88PA-AUR 1 Microchip Technology Inc IC MCU 8BIT 8KB FLASH 32TQFP

ECAD模型

下载ECAD模型
$1.5 查看
STM32F407VET6 1 STMicroelectronics High-performance foundation line, Arm Cortex-M4 core with DSP and FPU, 512 Kbytes of Flash memory, 168 MHz CPU, ART Accelerator, Ethernet, FSMC

ECAD模型

下载ECAD模型
$16.69 查看
ATMEGA328P-MU 1 Microchip Technology Inc IC MCU 8BIT 32KB FLASH 32VQFN

ECAD模型

下载ECAD模型
$2.5 查看

相关推荐

电子产业图谱