智能時(shí)代就要到來(lái)，芯片市場(chǎng)格局一變?cè)僮?。兩個(gè)典型例子：引領(lǐng)處理器市場(chǎng) 40 多年的英特爾 2015 年底收購(gòu)?fù)?Altera，今年 4 月就宣布計(jì)劃裁員 1.2 萬(wàn)；另一方面，GPU 巨頭英偉達(dá)今年 3 月推出加速人工智能和深度學(xué)習(xí)的芯片 Tesla P100，投入研發(fā)經(jīng)費(fèi)超過(guò) 20 億美元，據(jù)《華爾街日?qǐng)?bào)》報(bào)道，今年 5 月英偉達(dá)售出的 GPU 比去年同月增長(zhǎng) 62%，公司當(dāng)前市值 240 億美元。

深度學(xué)習(xí)應(yīng)用大量涌現(xiàn)使超級(jí)計(jì)算機(jī)的架構(gòu)逐漸向深度學(xué)習(xí)應(yīng)用優(yōu)化，從傳統(tǒng) CPU 為主 GPU 為輔的英特爾處理器變?yōu)?GPU 為主 CPU 為輔的結(jié)構(gòu)。不過(guò)，未來(lái)相當(dāng)長(zhǎng)一段時(shí)間內(nèi)，計(jì)算系統(tǒng)仍將保持 CPU + 協(xié)處理器的混合架構(gòu)。但是，在協(xié)處理市場(chǎng)，隨著人工智能尤其是機(jī)器學(xué)習(xí)應(yīng)用大量涌現(xiàn)，芯片廠(chǎng)商紛紛完善產(chǎn)品、推出新品，都想成為智能時(shí)代協(xié)處理器的領(lǐng)跑者——但問(wèn)題是，誰(shuí)會(huì)擔(dān)當(dāng)這個(gè)角色呢？

TPU：始于谷歌，終于谷歌

要說(shuō)新的芯片，首先不得不提谷歌在剛剛結(jié)束的 I/O 大會(huì)上披露的 TPU。

有輿論稱(chēng)，谷歌自己打造芯片，勢(shì)必對(duì)芯片制造商產(chǎn)生巨大影響。確實(shí)，面向機(jī)器學(xué)習(xí)專(zhuān)用的處理器是芯片行業(yè)的發(fā)展趨勢(shì)，而且未來(lái)其他大公司也很有可能組建芯片團(tuán)隊(duì)，設(shè)計(jì)自己專(zhuān)用的芯片。

谷歌TPU芯片

TPU 團(tuán)隊(duì)主要負(fù)責(zé)人、計(jì)算機(jī)體系結(jié)構(gòu)領(lǐng)域大牛 Norm Jouppi 介紹，TPU 專(zhuān)為谷歌 TensorFlow 等機(jī)器學(xué)習(xí)應(yīng)用打造，能夠降低運(yùn)算精度，在相同時(shí)間內(nèi)處理更復(fù)雜、更強(qiáng)大的機(jī)器學(xué)習(xí)模型并將其更快投入使用。 Jouppi 表示，谷歌早在 2013 年就開(kāi)始秘密研發(fā) TPU，并且在一年前將其應(yīng)用于谷歌的數(shù)據(jù)中心。TPU 從測(cè)試到量產(chǎn)只用了 22 天，其性能把人工智能技術(shù)往前推進(jìn)了差不多 7 年，相當(dāng)于摩爾定律 3 代的時(shí)間。

有媒體評(píng)論稱(chēng) TPU 不僅為谷歌帶來(lái)了巨大的人工智能優(yōu)勢(shì)，也對(duì)市面上已有的芯片產(chǎn)品構(gòu)成了威脅。

這后半句話(huà)值得商榷。GPU 巨頭、英偉達(dá) CEO 黃仁勛日前告訴《華爾街日?qǐng)?bào)》，兩年前谷歌就意識(shí)到 GPU 更適合訓(xùn)練，而不善于做訓(xùn)練后的分析決策。由此可知，谷歌打造 TPU 的動(dòng)機(jī)只是想要一款更適合做分析決策的芯片。這一點(diǎn)在谷歌的官方聲明里也得到了印證：TPU 只在特定機(jī)器學(xué)習(xí)應(yīng)用中作輔助使用，公司將繼續(xù)使用其他廠(chǎng)商制造的 CPU 和 GPU。

谷歌云服務(wù)副總裁 Diane Greene 也表示，谷歌并沒(méi)有對(duì)外銷(xiāo)售 TPU 的打算——拋開(kāi) TPU 本來(lái)就是為了谷歌自己設(shè)計(jì)的這個(gè)事實(shí)以外，谷歌對(duì)外銷(xiāo)售芯片的可能性很低，就像 Facebook 主張全球提供免費(fèi)互聯(lián)網(wǎng)，也并不是自己要做運(yùn)營(yíng)商。

因此，TPU 再好，也僅適用于谷歌，而且還是用于輔助 CPU 和 GPU。

TrueNorth 坐山觀(guān)虎斗？

第二個(gè)要說(shuō)的是 IBM TrueNorth。IBM 在 2014 年研發(fā)出脈沖神經(jīng)網(wǎng)絡(luò)芯片 TrueNorth，走的是“類(lèi)腦計(jì)算”的路線(xiàn)。類(lèi)腦計(jì)算的假設(shè)是，相似的結(jié)構(gòu)可能會(huì)實(shí)現(xiàn)相似的功能，所以類(lèi)腦計(jì)算研究者使用神經(jīng)形態(tài)器件制造與人腦神經(jīng)網(wǎng)絡(luò)相似的電子神經(jīng)網(wǎng)絡(luò)，希望后者具有與人腦類(lèi)似的功能，并進(jìn)一步反過(guò)來(lái)理解人類(lèi)智能。

帶有IBM TrueNorth的DRAPA SyNAPSE

TrueNorth 一張郵票大小，有 54 億個(gè)晶體管，構(gòu)成的神經(jīng)元陣列包含 100 萬(wàn)個(gè)數(shù)字神經(jīng)元，這些神經(jīng)元之間又通過(guò) 2.56 億個(gè)電突觸彼此通信。由于采用了異步架構(gòu)，TrueNorth 的能耗很低，54 億個(gè)晶體管僅用 70 毫瓦；而且，只有在特定神經(jīng)元被開(kāi)啟并和其他神經(jīng)元通信時(shí)才會(huì)產(chǎn)生能耗。TrueNorth 設(shè)計(jì)師 Filipp Akopyan 表示，TrueNorth 的目標(biāo)是 Edge-of-the-Net 和大數(shù)據(jù)解決方案，所以必須要能夠用超低功耗實(shí)時(shí)處理大量數(shù)據(jù)。

在此基礎(chǔ)上，2016年 4 月 IBM 推出了用于深度學(xué)習(xí)的類(lèi)腦超級(jí)計(jì)算平臺(tái) IBM TrueNorth，含 16 個(gè) TrueNorth 芯片，處理能力相當(dāng)于 1600 萬(wàn)個(gè)神經(jīng)元和 40 億個(gè)神經(jīng)鍵，消耗的能量只需 2.5 瓦。

將低能耗芯片用于深度學(xué)習(xí)無(wú)疑是一大重舉，美國(guó) LLNL 數(shù)據(jù)科學(xué)副主任 Jim Brase 表示，類(lèi)腦計(jì)算與未來(lái)高性能計(jì)算和模擬發(fā)展趨勢(shì)一致。但是，新智元芯片群的幾位專(zhuān)家討論后一致認(rèn)為，TrueNorth 雖然與人腦某些結(jié)構(gòu)和機(jī)理較為接近，但智能算法的精度或效果有待進(jìn)一步提高，離大規(guī)模商業(yè)應(yīng)用還有一段距離。

因此，未來(lái) 10 年芯片市場(chǎng)群雄逐鹿，TrueNorth 大概不會(huì)有亮相的機(jī)會(huì)。

寒武紀(jì)：中國(guó)的智能芯片

寒武紀(jì)是國(guó)際首個(gè)深度學(xué)習(xí)專(zhuān)用處理器芯片。2012 年，中科院計(jì)算所和法國(guó) Inria 等機(jī)構(gòu)共同提出了國(guó)際上首個(gè)人工神經(jīng)網(wǎng)絡(luò)硬件的基準(zhǔn)測(cè)試集 benchNN。這項(xiàng)工作提升了人工神經(jīng)網(wǎng)絡(luò)處理速度，有效加速了通用計(jì)算，大大推動(dòng)了國(guó)際體系結(jié)構(gòu)學(xué)術(shù)圈對(duì)神經(jīng)網(wǎng)絡(luò)的接納度。此后，中科院計(jì)算所和法國(guó) Inria 的研究人員共同推出了一系列不同結(jié)構(gòu)的 DianNao 神經(jīng)網(wǎng)絡(luò)硬件加速器結(jié)構(gòu)。

寒武紀(jì)芯片板卡