【博主簡介】本人“愛在七夕時”，系一名半導(dǎo)體行業(yè)質(zhì)量管理從業(yè)者，旨在業(yè)余時間不定期的分享半導(dǎo)體行業(yè)中的：產(chǎn)品質(zhì)量、失效分析、可靠性分析和產(chǎn)品基礎(chǔ)應(yīng)用等相關(guān)知識。常言：真知不問出處，所分享的內(nèi)容如有雷同或是不當(dāng)之處，還請大家海涵。當(dāng)前在各網(wǎng)絡(luò)平臺上均以此昵稱為ID跟大家一起交流學(xué)習(xí)！

談到AI，相信現(xiàn)在很多人都不陌生了，因為AI已經(jīng)滲透到我們生活的方方面面。從語音助手、圖像識別到智能推薦系統(tǒng)，AI技術(shù)正越來越多地應(yīng)用于我們的日常生活。我們能夠通過語音指令控制智能家居，讓機器人幫助我們打掃房間，還能通過人臉識別解鎖手機。AI與物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)的結(jié)合，正在為我們創(chuàng)造出更加智能化和便捷的世界。

同時，AI的興起也被視為第四次工業(yè)革命的重要驅(qū)動力之一。它不僅改變著我們的生活方式，還影響著產(chǎn)業(yè)結(jié)構(gòu)和社會發(fā)展。在醫(yī)療領(lǐng)域，AI輔助診斷和精準(zhǔn)治療正在幫助醫(yī)生提高效率和準(zhǔn)確性。在交通領(lǐng)域，自動駕駛技術(shù)正逐漸成為現(xiàn)實，為我們的出行帶來了更高的安全性和便利性。而在教育、金融、農(nóng)業(yè)等各個領(lǐng)域，AI也展示出巨大的潛力和創(chuàng)新空間。

那具體來講，什么是AI？AI能如此強大又靠的是什么呢？這就是今天我要跟大家分享的內(nèi)容：

一、AI的定義

AI，英文全稱為：Artificial Intelligence，簡稱：AI，中文全稱為：人工智能。它是計算機科學(xué)的一個分支，旨在使計算機模擬和仿效人類智能。通過模擬人類的思維、學(xué)習(xí)和判斷能力，AI可以自主地處理和解決各種復(fù)雜問題，為人類帶來了前所未有的便造力。

眾所周知，AI的三大基礎(chǔ)要素是數(shù)據(jù)、算法和算力，而這三大要素的核心就是AI芯片技術(shù)。隨著各項基于AIGC前沿科技的廣泛應(yīng)用，AI對于算力的要求開始不斷地快速攀升。特別是深度學(xué)習(xí)成為當(dāng)前AI研究和運用的主流方式，目前通用的CPU可以拿來執(zhí)行AI的算法。但是因為內(nèi)部有大量的非運算邏輯，而這些指令級對于目前的AI算法來說是完全用不上的，所以CPU并不能達到最高的運算效率。因此，具有海量并行計算能力并且能夠加速AI計算的AI芯片應(yīng)運而生。

二、什么是AI芯片

從廣義上講，能運行AI算法的芯片都叫AI芯片。目前通用的CPU、GPU、FPGA等都能執(zhí)行AI算法，只是執(zhí)行效率差異較大。

但狹義上講一般將AI芯片定義為“專門針對AI算法做了特殊加速設(shè)計的芯片”。

目前AI芯片的主要用于語音識別、自然語言處理、圖像處理等大量使用AI算法的領(lǐng)域，通過芯片加速提高算法效率。AI芯片的主要任務(wù)是矩陣或向量的乘法、加法，然后配合一些除法、指數(shù)等算法。AI算法在圖像識別等領(lǐng)域，常用的是CNN卷積網(wǎng)絡(luò)，一個成熟的AI算法，就是大量的卷積、殘差網(wǎng)絡(luò)、全連接等類型的計算，本質(zhì)是乘法和加法。

對汽車行業(yè)而言，AI芯片的主要用于就是處理智能駕駛中環(huán)境感知、傳感器融合和路徑規(guī)劃等法帶來的大量并行計算需求。

AI芯片可以理解為一個快速計算乘法和加法的計算器，而CPU要處理和運行非常復(fù)雜的指令集，難度比AI芯片大很多。GPU雖然為圖形處理而設(shè)計但是CPU與GPU并不是專用AI芯片，其內(nèi)部有大量其他邏輯來實現(xiàn)其他功能，這些邏輯對于目前的AI算法來說完全無用。

目前經(jīng)過專門針對AI法做過開發(fā)的GPU應(yīng)用較多，也有部分企業(yè)用FPGA做開發(fā)，但是行業(yè)內(nèi)對于AI算法必然出現(xiàn)專用AI芯片。

三、為什么要用AI芯片

人工智能從功能上來看包括推理和訓(xùn)練兩個環(huán)節(jié)，智能駕駛行業(yè)亦然。在訓(xùn)練環(huán)節(jié)，通過大數(shù)據(jù)訓(xùn)練出一個復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型，目前大部分企業(yè)在訓(xùn)練環(huán)節(jié)主要使用英偉達的GPU集群完成。推理環(huán)節(jié)是指利用訓(xùn)練好的模型，使用大量數(shù)據(jù)推理出各種結(jié)論。因此，訓(xùn)練環(huán)節(jié)對芯片的算力性能要求比較高推理環(huán)節(jié)對簡單指定的重復(fù)計算和低延遲的要求很高。

從應(yīng)用場景來看，人工智能芯片應(yīng)用于云端和設(shè)備端，在智能駕駛領(lǐng)域同樣具備云服務(wù)器和車載的各種計算平臺或域控制器，在智能駕駛深度學(xué)習(xí)的訓(xùn)練階段需要極大的數(shù)據(jù)量和大量運算，單一處理器無法獨立完成，因此訓(xùn)練環(huán)節(jié)只能在云服務(wù)器實現(xiàn)。相對的在設(shè)備端即車上，各種ECU、DCU等終端數(shù)量龐大，而且需求差異較大。因此，推理環(huán)節(jié)無法在云端完成，這就要求車上的各種電子單元、硬件計算平臺或域控制器有獨立的推理計算能力，因此必須要有專用的AI芯片來應(yīng)對這些推理計算需求。

傳統(tǒng)的CPU、GPU都可以拿來執(zhí)行AI算法，但是速度慢，性能低，尤其是CPU，在智能駕駛領(lǐng)域無法實際投入商用。

比如，自動駕駛需要識別道路、行人、紅綠燈等路況和交通狀況，這在自動駕駛算法里面都是屬于并行計算，如果是CPU去執(zhí)行計算，那么估計車撞到人了也沒算出來個結(jié)果，CPU并行計算速度慢屬于先天不足。如果用GPU速度要快得多，畢竟GPU專為圖像處理并行計算設(shè)計，但是GPU功耗過大，汽車的電池?zé)o法長時間支撐正常使用，而且GPU價格相對較高，用于自動駕駛量產(chǎn)的話普通消費者也用不起。另外，GPU因為不是專門針對AI算法開發(fā)的ASIC，執(zhí)行AI計算的速度優(yōu)勢還沒到極限，還有提升空間。

在智能駕駛這樣的領(lǐng)域，環(huán)境感知、物體識別等深度學(xué)習(xí)應(yīng)用要求計算響應(yīng)方面必須快!時間就是生命，慢一步就有可能造成無法挽回的情況，但是保證性能快效率高的同時，功耗不能過高，不能對智能汽車的續(xù)航里程造成較大影響，也就是AI芯片必須功耗低，所以GPU不是適合智能駕駛的最佳AI芯片選擇。因此開發(fā)ASIC就成了必然。

四、AI芯片的發(fā)展歷程

從圖靈的論文《計算機器與智能》和圖靈測試，到最初的神經(jīng)元模擬單元感知機，再到現(xiàn)在多達上百層的深度神經(jīng)網(wǎng)絡(luò)，人類對人工智能的探索從來都沒有停止過。上世紀(jì)80年代，多層神經(jīng)網(wǎng)絡(luò)和反向傳播算法的出現(xiàn)給人工智能行業(yè)點燃了新的火花。

1989年，貝爾實驗室成功利用了反向傳播算法在多層神經(jīng)網(wǎng)絡(luò)開發(fā)了一個手寫郵編識別器。

1998年，兩位人工智能科學(xué)家楊立坤和約書亞·本杰奧發(fā)表了手寫識別神經(jīng)網(wǎng)絡(luò)和反向傳播優(yōu)化相關(guān)的論文，開創(chuàng)了卷積神經(jīng)網(wǎng)絡(luò)的時代。此后，人工智能陷入了長時間的發(fā)展沉寂階段，直到1997年IBM的深藍(lán)戰(zhàn)勝了國際象棋大師，和2011年IBM的沃森智能系統(tǒng)在《危險邊緣》節(jié)目中勝出，人工智能才又一次被人們所關(guān)注。

2016年，阿爾法狗擊敗了韓國圍棋九段的職業(yè)選手，就標(biāo)志著人工智能的又一波高潮。從基礎(chǔ)算法、底層硬件和工具框架到實際的應(yīng)用場景，現(xiàn)階段的人工智能領(lǐng)域已經(jīng)全面開花。作為人工智能核心的底層硬件，AI芯片同樣也經(jīng)歷了多次的起伏和波折?？傮w來看，AI芯片的發(fā)展前后經(jīng)歷了四次大的變化。

2007年以前，AI芯片產(chǎn)業(yè)一直沒有發(fā)展成為成熟的產(chǎn)業(yè)，同時由于當(dāng)時的算法、數(shù)據(jù)量等因素，這個階段的AI芯片并沒有特別強烈的市場需求，通用的CPU芯片即可滿足應(yīng)用需求。隨著高清視頻、VR、AR、游戲等行業(yè)的發(fā)展，GPU產(chǎn)品得到了快速的突破，同時人們發(fā)現(xiàn)GPU的并行計算特性恰好適應(yīng)人工智能算法及大數(shù)據(jù)并行計算的需求。如GPU比之前傳統(tǒng)的CPU在深度學(xué)習(xí)算法的運算上可以提升幾十倍的效率，因此開始嘗試使用GPU進行人工智能計算。

進入2010年后，云計算開始廣泛推廣，人工智能的研究人員通過云計算借助大量的CPU和GPU進行混合運算，進一步推進了AI芯片的深入應(yīng)用，從而催生了各類AI芯片的研發(fā)和應(yīng)用。人工智能對于計算能力的要求在不斷地提升。

進入2015年后，GPU性能功耗比不高的特點使其在工作適用場合受到多種限制，業(yè)界開始研發(fā)針對人工智能的專用芯片，以其通過更好的硬件和芯片架構(gòu)在計算效率、能耗比等性能上得到進一步的提升。

五、AI芯片的基礎(chǔ)知識

關(guān)于“AI（人工智能）芯片”基礎(chǔ)知識的詳解；mp.weixin.qq.com/s/qn2Cpx7LkRwAWz00oIKZYg?token=1423444785&lang=zh_CN

六、總結(jié)一下

眾所周知，通用處理器(CPU)的摩爾定律已入暮年，而機器學(xué)習(xí)和Web 服務(wù)的規(guī)模卻在指數(shù)級增長。

人們使用定制硬件來加速常見的計算任務(wù)，然而日新月異的行業(yè)又要求這些定制的硬件可被重新編程來執(zhí)行新類型的計算任務(wù)。

將以上四種架構(gòu)對比，GPU未來的主攻方向是高級復(fù)雜算法和通用性人工智能平臺，其發(fā)展路線分兩條走:一是主攻高端算法的實現(xiàn)，對于指令的邏輯性控制要更復(fù)雜一些，在面向需求通用的AI計算方面具有優(yōu)勢;二是主攻通用性人工智能平臺，GPU的通用性強，所以應(yīng)用于大型人工智能平臺可高效完成不同的需求。FPGA更適用于各種細(xì)分的行業(yè)，人工智能會應(yīng)用到各個細(xì)分領(lǐng)域。

ASIC芯片是全定制芯片，長遠(yuǎn)看適用于人工智能。現(xiàn)在很多做AI算法的企業(yè)也是從這個點切入。因為算法復(fù)雜度越強，越需要一套專用的芯片架構(gòu)與其進行對應(yīng)，ASIC基于人工智能算法進行定制，其發(fā)展前景看好。類腦芯片是人工智能最終的發(fā)展模式但是離產(chǎn)業(yè)化還很遙遠(yuǎn)。

幾個品牌的SOC及域控制器做的還是不錯的尤其是基于NVIDIA Xavier以及前期PX2等芯片的開發(fā)。國內(nèi)大部分企業(yè)的應(yīng)用比較集中在Xavier平臺和Linux系統(tǒng)，尤其是新勢力造車企業(yè)，而傳統(tǒng)車企更青睞T1、瑞薩等半導(dǎo)體公司的智能AI芯片以及QNX系統(tǒng)。國內(nèi)基于Xavier做開發(fā)的企業(yè)很多，天津優(yōu)控智行目前的域控制器產(chǎn)品在行業(yè)內(nèi)屬于中等偏上水平，但是其軟件工具和服務(wù)做得相對有些優(yōu)勢，后期有時間也扒一扒地平線、智行者等企業(yè)的域控制器學(xué)習(xí)學(xué)習(xí)。

寫在最后的話

AI芯片的發(fā)展向著更低功耗、更接近人腦、更靠近邊緣的方向發(fā)展?，F(xiàn)在用于深度學(xué)習(xí)的AI芯片，為了實現(xiàn)深度學(xué)習(xí)的龐大乘積累加運算和實現(xiàn)計算的高性能，芯片面積越做越大，帶來了成本和散熱等問題。AI芯片編程的成熟度和芯片的安全以及神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性等問題也都未能得到很好的解決。因此在現(xiàn)有的基礎(chǔ)上進行改進和完善此類芯片，仍然是當(dāng)前的主要研究方向。最終，AI芯片將進一步提高智能，向著更接近人腦的高度智能方向不斷發(fā)展，并且向著邊緣逐步移動，以獲得更低的能耗。AI芯片的發(fā)展，計算范式隨著創(chuàng)新方向以及硬件實現(xiàn)，AI硬件加速技術(shù)已經(jīng)逐漸走向成熟。未來可能會有更多的創(chuàng)業(yè)會來自電路和器件級技術(shù)的結(jié)合，比如存內(nèi)計算、類腦計算，或者是針對特殊的計算模式或者是新模型，還會有稀疏化計算和近似計算。關(guān)于深度計算的研究，也將持續(xù)進行。

免責(zé)聲明

【我們尊重原創(chuàng)，也注重分享。文中的文字、圖片版權(quán)歸原作者所有，轉(zhuǎn)載目的在于分享更多信息，不代表本號立場，如有侵犯您的權(quán)益請及時私信聯(lián)系，我們將第一時間跟蹤核實并作處理，謝謝！】

審核編輯 黃宇