人工智能（AI）簡介及AI芯片現(xiàn)狀發(fā)展

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計算機實現(xiàn)智能的原理、制造類似于人腦智能的計算機，使計算機能實現(xiàn)更高層次的應(yīng)用。人工智能將涉及到計算機科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等學(xué)科?？梢哉f幾乎是自然科學(xué)和社會科學(xué)的所有學(xué)科，其范圍已遠遠超出了計算機科學(xué)的范疇，人工智能與思維科學(xué)的關(guān)系是實踐和理論的關(guān)系，人工智能是處于思維科學(xué)的技術(shù)應(yīng)用層次，是它的一個應(yīng)用分支。從思維觀點看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發(fā)展，數(shù)學(xué)常被認為是多種學(xué)科的基礎(chǔ)科學(xué)，數(shù)學(xué)也進入語言、思維領(lǐng)域，人工智能學(xué)科也必須借用數(shù)學(xué)工具，數(shù)學(xué)不僅在標準邏輯、模糊數(shù)學(xué)等范圍發(fā)揮作用，數(shù)學(xué)進入人工智能學(xué)科，它們將互相促進而更快地發(fā)展。

深度學(xué)習(xí)作為人工智能研究的一個重要課題，其經(jīng)常涉及到訓(xùn)練（Training）和推斷（Inference）這兩個詞。

在學(xué)校中學(xué)習(xí)——我們可以將其看作是深度神經(jīng)網(wǎng)絡(luò)經(jīng)歷「學(xué)習(xí)」階段的一種類比。神經(jīng)網(wǎng)絡(luò)和大多數(shù)人一樣——為了完成一項工作，需要接受教育。更具體地說，經(jīng)過訓(xùn)練（training）的神經(jīng)網(wǎng)絡(luò)可以將其所學(xué)到的知識應(yīng)用于數(shù)字世界的任務(wù)——識別圖像、口語詞、血液疾病，或推薦某人之后可能會購買的鞋子等各種各樣的應(yīng)用。神經(jīng)網(wǎng)絡(luò)的這種更快更高效的版本可以基于其所訓(xùn)練的內(nèi)容對其所獲得的新數(shù)據(jù)進行「推導(dǎo)」，用人工智能領(lǐng)域的術(shù)語來說是「推理（inference）」。

推理（Inference），就是深度學(xué)習(xí)把從訓(xùn)練中學(xué)習(xí)到的能力應(yīng)用到工作中去。推理無需訓(xùn)練也能發(fā)生。這當然說得通，因為我們?nèi)祟惔蠖鄷r候就是這樣獲取和使用知識的。正如我們不需要一直圍著老師、滿載的書架或紅磚校舍轉(zhuǎn)也能閱讀莎士比亞的十四行詩一樣，推理并不需要其訓(xùn)練方案的所有基礎(chǔ)設(shè)施就能做得很好。

訓(xùn)練需要密集的計算，如果該算法告訴神經(jīng)網(wǎng)絡(luò)它錯了，它依然不知道什么才是正確的答案。這個錯誤會通過網(wǎng)絡(luò)的層反向傳播回來，該網(wǎng)絡(luò)則須做出新的猜測。在每一次嘗試中，它都必須考慮其它屬性——在我們的例子中是「貓」的屬性——并為每一層所檢查的屬性調(diào)整權(quán)重高低。然后它再次做出猜測，一次又一次……直到其得到正確的權(quán)重配置，從而最終可以在所有的嘗試中都能幾乎得到正確的答案，知道這是一只貓。

GPU具備并行計算（同時進行多個計算）能力，既擅長訓(xùn)練，也擅長推理。使用 GPU 訓(xùn)練的系統(tǒng)可以讓計算機在某些案例中實現(xiàn)超過人類水平的模式識別和對象檢測。訓(xùn)練完成后，該網(wǎng)絡(luò)可被部署在需要“推理”（對數(shù)據(jù)分類以“推理”出一個結(jié)果）的領(lǐng)域中。而具備并行計算能力的 GPU 可以基于訓(xùn)練過的網(wǎng)絡(luò)運行數(shù)十億的計算，從而快速識別出已知的模式或?qū)ο蟆?/p>

你可以看到這些模型和應(yīng)用將會越來越聰明、越來越快和越來越準確。訓(xùn)練將越來越簡單，推理也將為我們生活的方方面面帶來新的應(yīng)用。 人工智能芯片是人工智能發(fā)展的基石；是驅(qū)動智能產(chǎn)品的大腦；是數(shù)據(jù)、算法、算力在各類場景應(yīng)用落地的基礎(chǔ)依托?！盁o芯片不AI”的觀念已經(jīng)深入人心，成為業(yè)界共識。隨著人工智能產(chǎn)業(yè)的持續(xù)高速發(fā)展，AI在智能安防、無人駕駛、智能手機、智慧零售零售、智能機器人等幾大行業(yè)不斷落地，工信部提前發(fā)放5G商用牌照，人工智能和5G將引爆下一輪智能化熱潮。

近年來，傳統(tǒng)芯片廠商、科技巨頭、應(yīng)用層廠商及初創(chuàng)企業(yè)紛紛開始涉足其中，不僅力求加快芯片國產(chǎn)化進程，也試圖搶占市場主動。同時，對于國內(nèi)廠商來說，在芯片產(chǎn)業(yè)鏈，甚至整個AI行業(yè)格局未定的態(tài)勢下，一旦通過AI芯片實現(xiàn)“彎道超車”，殺出重圍，將有機會成為行業(yè)領(lǐng)軍者，其誘惑可謂巨大。

在國內(nèi)，以華為海思、寒武紀、地平線、阿里平頭哥等為代表的“造芯新勢力”已經(jīng)崛起。華為海思憑借多年自主研發(fā)和經(jīng)驗積累，整合NPU的麒麟系列SOC芯片已經(jīng)成為全球炙手可熱的AI計算平臺和解決方案。阿里憑借“平頭哥”填補了自己在AI芯片上的空白，并已推出首款“含光800”云端推理芯片，上升勢頭迅猛，是國內(nèi)不可輕視的一股新興力量。同時，寒武紀、地平線等廠商也相當活躍，陸續(xù)推出自研芯片產(chǎn)品，成為國內(nèi)AI芯片陣營中的佼佼者。此外，百度、依圖、云知聲、思必馳、出門問問、Rokid等應(yīng)用層廠商，也不在拘泥于算法，而是積極向產(chǎn)業(yè)鏈上游靠攏，或是聯(lián)合芯片廠商研發(fā)芯片，或是自研芯片，以提升自身競爭力。

從公司總部所在地來看，北京有11家AI芯片公司，其中包括互聯(lián)網(wǎng)巨頭百度、老牌微處理器芯片設(shè)計公司北京君正，以及科創(chuàng)板上市的寒武紀。上海有9家，包括無線通信處理器廠商紫光展銳，以及融資超過20億的初創(chuàng)公司壁仞科技。深圳有4家，包括華為海思，以及“AI四小龍”之一的云天勵飛。此外，珠海和杭州各有2家，福州有1家。

從AI應(yīng)用場景來看，智能安防、物聯(lián)網(wǎng)和智能語音是最為熱門的應(yīng)用。云端AI訓(xùn)練和推理對算力性能和設(shè)計團隊的要求比較高，相應(yīng)的AI處理器設(shè)計公司也不多。除了百度和阿里等互聯(lián)網(wǎng)巨頭外，遂原科技和天數(shù)智芯是針對這一高性能計算領(lǐng)域的初創(chuàng)公司。

一些AI芯片初創(chuàng)公司相信，其產(chǎn)品無論是在成本、效率、性能還是在深度學(xué)習(xí)工作負載的靈活性方面，它們都可以超越芯片巨頭。

研究公司Global Market Insights今年的一份報告顯示，全球人工智能加速芯片的市場規(guī)模預(yù)計將以每年35％的速度增長，從2019年的80億美元增長到2026年的700億美元。 在國外，龍頭老大Nvidia已經(jīng)占據(jù)了人工智能算力領(lǐng)域的主導(dǎo)位置。在數(shù)據(jù)中心領(lǐng)域，即使有一些初創(chuàng)公司推出訓(xùn)練和推理加速芯片，但是想要取代Nvidia需要相當長的時間。首先，大規(guī)模部署芯片對于產(chǎn)品的可靠性有相當高的需求，而且分布式系統(tǒng)是一個系統(tǒng)工程，需要芯片在各類指標上（不只是算力，還包括通信，接口帶寬等）都達到優(yōu)秀的指標，光這一點就需要初創(chuàng)公司相當多的時間去打磨。此外，Nvidia更高的壁壘在于開發(fā)者生態(tài)，需要開發(fā)出一個易用的編程模型和相關(guān)編譯器的難度并不亞于設(shè)計芯片，而要孵化開發(fā)者生態(tài)則需要更多的時間。我們認為，至少在未來3-5年內(nèi)，Nvidia在數(shù)據(jù)中心的地位難以被撼動。

2000年之后，全球GPU市場中只剩下NVIDIA和AMD兩個玩家，AMD也只在2004-2005年市場份額短暫超過NVIDIA，其余時間NVIDIA一直相對AMD保持著巨大的優(yōu)勢。數(shù)據(jù)顯示，在2018年第四季度，兩者的差距擴大到了極致，在當時的GPU市場中，NVIDIA份額超過81%，而AMD的市場份額只有19%。絕對的市場主導(dǎo)地位，讓NVIDIA直接把RTX2000系列的高端消費級顯卡賣到了上萬元。然而到了2019年，AMD率先推出全球首款7nm游戲顯卡AMD Radeon? Ⅶ，一舉扭轉(zhuǎn)了局勢。2019年的GPU市場，AMD的份額上漲了近10個百分點，相應(yīng)的NVIDIA的市場份額下降了近10個百分點，2020年這個趨勢仍在持續(xù)。

目前來看，雖然Intel、AMD和NVIDIA都是三家美國企業(yè)，但對他們之間的競爭態(tài)勢，我們卻不能只是看熱鬧。

一方面，我們目前無法擺脫對這些通用芯片巨頭的依賴。無論是CPU還是GPU，目前全球也只有這三家公司能夠設(shè)計生產(chǎn)，國產(chǎn)自研芯片雖然有了一些成果并且已經(jīng)可以投入市場，但想要做到完全替代Intel、AMD和NVIDIA的產(chǎn)品，目前還并不現(xiàn)實。而這些通用芯片除了應(yīng)用于消費級市場，用在臺式機電腦和筆記本電腦上，還被大規(guī)模的應(yīng)用于服務(wù)器中。更進一步說，其實目前蓬勃發(fā)展的云計算技術(shù)，就需要大量的服務(wù)器支持，并不能擺脫對Intel、AMD和NVIDIA這些通用芯片巨頭的依賴。

另一方面，這些通用芯片巨頭早已不是單純只做通用芯片。Intel、AMD和NVIDIA三大通用芯片巨頭固然是做CPU、GPU這類通用芯片起家的，目前主要做得也還是這些，但卻絕不局限于此。Intel從2014年就開始做AI芯片，目前其AI芯片發(fā)展已經(jīng)進入成熟階段。除了自研基于CPU、GPU的AI芯片外，還收購了Moviduis、Nervana及Habana等AI芯片公司。AMD在AI芯片方面同樣也在努力進取。NVIDIA的GPU之前被大量應(yīng)用于人工智能計算，目前NVIDIA無論硬件、抑或軟件算法在人工智能領(lǐng)域都頗為領(lǐng)先。除此之外，NVIDIA近期努力推進收購ARM的事項，一旦NVIDIA完成對ARM的收購，那么國產(chǎn)自研基于ARM指令集的芯片都會大受影響。

總之，我們既沒有擺脫對這些通用芯片巨頭的依賴，Intel、AMD和NVIDIA三巨頭的影響力又不僅限于通用芯片。三巨頭之間的大戰(zhàn)，最后終將對我國產(chǎn)生直接影響。而要想擺脫這種局面，歸根結(jié)底還是需要國產(chǎn)芯片、國產(chǎn)半導(dǎo)體產(chǎn)業(yè)盡快發(fā)展。

fqj