481
机器人
人工智能芯片究竟是何方神圣？
9月3日，华为发布全球首款移动AI（人工智能）芯片，是业界首颗带有独立NPU专用硬件处理单元的手机芯片，标志着人工智能从云端走向终端。目前，人工智能产业链上的核心芯片、大数据、生物识别、物联网、安防等领域，国内上市公司均已有所突破，终端AI芯片将迎来加速发展期。
业内人士认为，“智能化、个性化”是手机发展的大趋势，AI技术在智能手机上的应用，可显着改善用户体验，增强用户黏性。而作为手机的“心脏”，芯片也将成为兵家必争之地，据统计，国内人工智能市场份额年增速高达50%，远超全球平均水平19.7%的增速，未来随着AI技术的成熟，人工智能新版图也将逐渐扩大。
接下来，飞笛智投将全面呈现人工智能芯片的相关概念、传统芯片比较及相关上市公司介绍。
人工智能芯片：
人工智能芯片是软件定义芯片，相比于传统CPU、GPU芯片，具有可重构计算和深度学习两大重要因素。可重构计算是指硬件架构和功能可以动态地、实时地跟随软件的变化而变化；深度学习，就是通过算法给机器设计一个精神网络，通过模拟大脑神经元之间传递、处理信息的模式，从多个角度和层次来观察、学习、判断、决策。当然，即使最先进的IBM的TrueNorth也只有人类100亿个神经元的万分之一功能。
在应用方面，当前人脸识别、语音识别等多个领域已经成为热点研究方向。
当前芯片分类：
传统芯片多采用经典计算模式，业内多分为经典的4种集成电路模型：CPU、FPGA、ASIC、SOC。
目前主流CPU、CPU+GPU、CPU+FPGA、CPU+ASIC架构均因硬件规模、算法、功耗等原因不符合AI芯片理想架构，相对来说功能动态、实时地跟随软件变化而变化更重要。
而表格中的RCC则属于可重构计算芯片，支持软硬件编程，硬件随软件变化而变化，是可用于深度学习的软件定义芯片。
以下是两种不同模式的比较特点：
构成智能芯片的关键要素们至少要满足以下特征：
可编程性：适应算法的演进和应用的多样性
架构的动态可变性：适应不同的算法，实现高效计算
高效的架构变换能力：＜10Clock cycle，降低开销
高计算效率：避免使用指令这类低效率的架构
高能量效率：~5TOps/W；某些应用功耗＜1mW；某些应用识别速度＞25f/s
低成本：能够进入家电和消费类电子
体积小：能够装载在移动设备上
应用开发简便：不需要芯片设计方面的知识
我们来看一下华为发布的麒麟970的详细数据：
麒麟970采用了行业高标准的TSMC 10nm工艺，集成了55亿个晶体管，功耗降低了20%，并实现了1.2Gbps峰值下载速率；创新性集成NPU专用硬件处理单元，创新设计了HiAI移动计算架构，其AI性能密度大幅优于CPU和GPU。
相较于四个Cortex-A73核心，处理相同AI任务，新的异构计算架构拥有约50倍能效和25倍性能优势，图像识别速度可达到约2000张/分钟；麒麟970高性能8核CPU，采用4*Cortex-A73+4*Cortex-A53的大小核设计，其中A73大核主频为2.4GHz，A53小核主频为1.8GHz，对比上一代能效提高20%，率先商用Mali G72 12-Core GPU，与上一代相比，图形处理性能提升20%，能效提升50%，可以更长时间支持3D大型游戏的流畅运行。
在移动端AI芯片上，华为领先于国际对手高通、谷歌、苹果。
资料来源：华为官网
人工智能估值：
据IDC预测，2017年全球认知和人工智能系统的收入将达到125亿美元，比2016年增长59.3%。并且，这家研究公司表示，随着越来越多的公司加入到这个队伍中，到2020年，公司的复合年均增长率（CAGR）将达到54.4%，届时收入将超过460亿美元。
AI收入增长预测
资料来源：Tractica
A股相关上市公司：
最后更新：2017-10-08 00:40:13