香港新丰电子有限公司

如果说2016年3月AlphaGo与李世石的人机大战只在科学界和围棋界产生了巨大的影响，那么2017年5月AlphaGo与世界顶级围棋冠军柯洁的对决则将人工智能技术带入了公众视野。AlphaGo是第一个击败人类职业围棋选手和世界冠军的人工智能程序，由谷歌公司DeepMind的杰米斯·哈萨比斯(Demis Hassabis)领导的团队开发，主要基于“深度学习”原理。


事实上，早在2012年，深度学习技术就在学术界被广泛讨论。在今年的ImageNet大规模视觉识别挑战赛ILSVRC中，AlexNet，一种具有5个卷积层和3个全连接层的神经网络结构，取得了历史最佳错误率top-5(15.3%)，而第二名的结果为26.2%。从那时起，又出现了更多的层和更复杂的神经网络结构，如ResNet, GoogleNet, VGGNet和MaskRCNN，以及去年更受欢迎的生成对抗网络GAN。


无论是赢得视觉识别挑战赛的AlexNet，还是战胜围棋冠军柯洁的AlphaGo，它们的实现都离不开现代信息技术的核心——处理器，无论是传统的CPU，还是GPU。或者是新兴的专用加速部件NNPU (NNPU是神经网络处理单元的简称)。在ISCA2016关于2030年架构的小型研讨会上，UCSB的名人堂教授谢源总结了自1991年以来被列入ISCA的论文，而与专用加速组件相关的论文开始于2008年，并在2016年达到顶峰。以上三个传统领域的处理器、存储器和互连体系结构。在这一年，中科院计算技术研究所陈云吉、陈天石课题组提交的论文《A Neural Network Instruction Set》是ISCA2016的最高分论文。


在具体介绍国内外AI芯片之前，有些读者可能会有这样的疑惑:不都是在说神经网络和深度学习吗?然后我觉得有必要对人工智能和神经网络的概念进行阐述，特别是在工信部2017年发布的《促进新一代人工智能产业发展三年行动计划(2018-2020年)》中，对发展目标的描述很容易让人感觉到人工智能是一个神经网络，AI芯片是神经网络芯片。


人工智能整体核心基础能力显著增强，智能传感器技术产品实现突破，设计、代工、封装技术达到国际水平，神经网络芯片在重点领域实现量产和规模化应用，开源开发平台初步具备支撑行业快速发展的能力。
其实不然。人工智能是一个非常非常古老的概念，神经网络只是人工智能类别的一个子集。早在1956年，被称为“人工智能之父”的图灵奖得主约翰·麦卡锡就将人工智能定义为“创造智能机器的科学和工程”。1959年，Arthur Samuel将人工智能的子领域机器学习定义为“计算机不通过预先精确实现的代码进行学习的能力”，这是目前公认的最早和最准确的机器学习定义。我们日常熟悉的神经网络和深度学习都属于机器学习的范畴，都是受到大脑机制的启发。另一个重要的研究领域是脉冲神经网络，以清华大学脑计算研究中心和上海西京科技为代表。
好了，现在我们终于可以介绍一下国内外AI芯片的发展现状了，当然这些都是我个人的观察和拙见，偷窥视角扔砖是对的。


由于其独特的技术和应用优势，Nvidia和谷歌在AI处理领域占据了近80%的市场份额，并且随着谷歌宣布其云TPU开放服务以及Nvidia推出自动驾驶处理器Xavier，预计这一份额将在2018年进一步扩大。其他制造商，如英特尔、特斯拉、ARM、IBM和Cadence，也在人工智能处理器领域存在。