481
機器人
人工智能芯片究竟是何方神聖？
9月3日，華為發布全球首款移動AI（人工智能）芯片，是業界首顆帶有獨立NPU專用硬件處理單元的手機芯片，標誌著人工智能從雲端走向終端。目前，人工智能產業鏈上的核心芯片、大數據、生物識別、物聯網、安防等領域，國內上市公司均已有所突破，終端AI芯片將迎來加速發展期。
業內人士認為，“智能化、個性化”是手機發展的大趨勢，AI技術在智能手機上的應用，可顯著改善用戶體驗，增強用戶黏性。而作為手機的“心髒”，芯片也將成為兵家必爭之地，據統計，國內人工智能市場份額年增速高達50%，遠超全球平均水平19.7%的增速，未來隨著AI技術的成熟，人工智能新版圖也將逐漸擴大。
接下來，飛笛智投將全麵呈現人工智能芯片的相關概念、傳統芯片比較及相關上市公司介紹。
人工智能芯片：
人工智能芯片是軟件定義芯片，相比於傳統CPU、GPU芯片，具有可重構計算和深度學習兩大重要因素。可重構計算是指硬件架構和功能可以動態地、實時地跟隨軟件的變化而變化；深度學習，就是通過算法給機器設計一個精神網絡，通過模擬大腦神經元之間傳遞、處理信息的模式，從多個角度和層次來觀察、學習、判斷、決策。當然，即使最先進的IBM的TrueNorth也隻有人類100億個神經元的萬分之一功能。
在應用方麵，當前人臉識別、語音識別等多個領域已經成為熱點研究方向。
當前芯片分類：
傳統芯片多采用經典計算模式，業內多分為經典的4種集成電路模型：CPU、FPGA、ASIC、SOC。
目前主流CPU、CPU+GPU、CPU+FPGA、CPU+ASIC架構均因硬件規模、算法、功耗等原因不符合AI芯片理想架構，相對來說功能動態、實時地跟隨軟件變化而變化更重要。
而表格中的RCC則屬於可重構計算芯片，支持軟硬件編程，硬件隨軟件變化而變化，是可用於深度學習的軟件定義芯片。
以下是兩種不同模式的比較特點：
構成智能芯片的關鍵要素們至少要滿足以下特征：
可編程性：適應算法的演進和應用的多樣性
架構的動態可變性：適應不同的算法，實現高效計算
高效的架構變換能力：＜10Clock cycle，降低開銷
高計算效率：避免使用指令這類低效率的架構
高能量效率：~5TOps/W；某些應用功耗＜1mW；某些應用識別速度＞25f/s
低成本：能夠進入家電和消費類電子
體積小：能夠裝載在移動設備上
應用開發簡便：不需要芯片設計方麵的知識
我們來看一下華為發布的麒麟970的詳細數據：
麒麟970采用了行業高標準的TSMC 10nm工藝，集成了55億個晶體管，功耗降低了20%，並實現了1.2Gbps峰值下載速率；創新性集成NPU專用硬件處理單元，創新設計了HiAI移動計算架構，其AI性能密度大幅優於CPU和GPU。
相較於四個Cortex-A73核心，處理相同AI任務，新的異構計算架構擁有約50倍能效和25倍性能優勢，圖像識別速度可達到約2000張/分鍾；麒麟970高性能8核CPU，采用4*Cortex-A73+4*Cortex-A53的大小核設計，其中A73大核主頻為2.4GHz，A53小核主頻為1.8GHz，對比上一代能效提高20%，率先商用Mali G72 12-Core GPU，與上一代相比，圖形處理性能提升20%，能效提升50%，可以更長時間支持3D大型遊戲的流暢運行。
在移動端AI芯片上，華為領先於國際對手高通、穀歌、蘋果。
資料來源：華為官網
人工智能估值：
據IDC預測，2017年全球認知和人工智能係統的收入將達到125億美元，比2016年增長59.3%。並且，這家研究公司表示，隨著越來越多的公司加入到這個隊伍中，到2020年，公司的複合年均增長率（CAGR）將達到54.4%，屆時收入將超過460億美元。
AI收入增長預測
資料來源：Tractica
A股相關上市公司：
最後更新：2017-10-08 00:40:13