人工智能芯片行业技术环境分析 人工智能芯片的竞争目前分为三个主要赛道

• 李芬珍子 2023年9月7日 来源：中研网 1494 99
• 繁体

人工智能芯片行业技术环境分析

一、人工智能芯片技术特点比较

随着大数据和深度学习得到越来越多应用，对于底层硬件和芯片也提出了新的要求。与传统的处理器强调"处理能力"不同，大数据和深度学习应用强调的往往是"算力"以及"能效比"。由于大数据和深度学习应用算法中的特征提取和处理使用的都往往是实打实的计算，因此需要高算力的芯片以期在尽可能短的时间里完成计算。另一方面，能效比也是重要指标。能效比指的是完成计算所需要的能量，能效比越好则完成相同计算消耗的能量越小。

对于终端芯片，越来越多的数据由于数据隐私、网络传输带宽和处理延迟的问题无法传到云端数据中心完成计算，这也就需要终端芯片能在终端完成计算;同时终端设备的电池容量往往有限，因此终端芯片在完成计算的同时不能消耗太大能量，也就是需要很好的能效比。对于云端数据中心的芯片，同样也需要很好的能效比，因为散热成本是数据中心的重要开销，因此需要芯片散热不能太大。在大数据和深度学习应用中，数据间往往都是独立的，因此可以并行计算。传统的CPU并行计算能力有限，因此难以实现算力的需求。GPU虽然有很高的算力(10TOPS数量级)而且在数据中心已经得到了应用，但是其功耗也很大(几百瓦)，而且其架构决定了它无法做到终端需要较低功耗(如100mW以下)的场景。同时，即使在数据中心领域，因为GPU设计的初衷是为了图像渲染而并非大数据运算，因此也存在很大的改善空间。因此，许多在AI芯片领域来自学术界和来自工业界的项目，试图挑战CPU和GPU。这些项目大体可以分为两类，一类是基于传统的数字处理器模型，但是在处理器架构上加以改良，以提高算力以及能效比;第二类则是另辟蹊径，使用了与传统处理器完全不一样的方法来执行计算，从而在一些领域中获得远高于传统处理器的性能。在第二类技术中会有一些能经历时间的考验，最终成为主流技术。

二、人工智能芯片技术发展趋势分析

人工智能芯片的竞争目前分为三个主要赛道：

第一个是基于GPU、FPGA等通用芯片的半定制方案。比如，英伟达针对各类智能计算设备开发对应的GPU，以及打造NVIDIACUDA平台大大提升其编程效率、开放性和丰富性，建立了包含CNN、DNN、深度感知网络、RNN、LSTM以及强化学习网络等算法的平台，使得AI可以渗透到各种类型的智能机器。美国沿袭在传统计算芯片上的强大优势，包括在CPU，FPGA，GPU，DSP领域包揽全球第一的技术能力和行业地位，自然占据了这个赛道的霸主地位，据称在医疗、生命科学、能源、金融服务、汽车、制造业以及娱乐业等多个领域运用GPU或者FPGA开展深度学习工作的企业有近4000余家，传统优势的渗透力可见一斑。也可以从侧面看出，在这条赛道上，其实中国的企业鲜少再有机会。

第二个赛道是针对深度学习算法的专用芯片。GPU、FPGA等通用芯片虽然适用于大规模并行计算，但是也天然存在性能、功耗等方面的瓶颈，面对不断激增的数据量和持续扩大的AI应用规模，通用芯片自然有其局限性，因此专用芯片必然是大势所趋。中国科学院计算所研究员、寒武纪深度学习处理器芯片创始人陈云霁博士在《中国计算机学会通讯》上撰文指出：通过设计专门的指令集、微结构、人工神经元电路、存储层次，有可能在3-5年内将深度学习模型的智能处理效率提升万倍。这也使得中美人工智能芯片创业的大部分企业集中在这个赛道进行竞争。目前这个赛道聚集了当下全球创新最活跃的智力资源，涌现出多种方法来定制芯片设计和架构，去解决不同AI应用场景中人工智能芯片的诸多“痛点”问题，比如影响处理器性能提高的存储带宽瓶颈，计算非结构化信息时性能疲软，再比如在嵌入式设备上实现AI应用，除了计算性能的要求之外，如何平衡功耗和成本的问题等等。在这条赛道上，既有谷歌、Intel、英伟达等全球人工智能和芯片领域的顶尖巨头大手笔的投入，也有无数的中小创业企业在全力以赴，期望跳过这些传统巨头在计算架构上的坚固壁垒，去创造人工智能时代的Intel或者ARM。这其中不乏大量的来自中国的人工智能芯片初创企业，在AI领域的投资上，中国已经超越美国成为世界第一，其中大笔资金投向了AI专用芯片领域，这也充分证明了这个赛道，有对中国计算芯片非比寻常的意义。

第三个赛道是类脑计算芯片，这个领域不再仅仅局限于加速深度学习算法，也不仅仅局限于在特定场景下实现人工智能，而是在芯片基本结构甚至器件层面上希望能够开发出新的非冯诺依曼计算机模型和体系结构，去解决通用智能计算的问题。类脑的研究距离可以大规模广泛使用的成熟商用技术还有一定差距，甚至在产业化的过程中还面临不小的风险，但是长期来看这个赛道是最有可能会带来计算体系革命的选择。在这个领域其实更多是基础研究能力的比拼，中国和美国的差距其实并不大。人工智能芯片将决定新的计算时代的基础架构和未来生态，因此，谷歌、微软、IBM、Facebook等美国巨头都投巨资加速人工智能芯片的研发，旨在抢占新计算时代的战略制高点，掌控人工智能时代主导权。而国内人工智能芯片则呈现出创新活跃，百花齐放的格局。

这些赛道都是AI芯片技术的研究方向，也是发展趋势。想要在这场竞争中拔得头筹，必定要在这三个方面取得突破性进展。

三、技术环境对行业的影响

随着以人工智能、物联网、5G等为核心的新一代信息技术的高速发展，涌现出越来越多新的应用场景和需求。未来物联网领域将需要体积更小、功耗更低、能效比更高的人工智能芯片。常见的边缘端芯片如手机中的人工智能芯片，其功耗一般在几百毫瓦至几瓦，云端训练芯片的工作功耗则更高，通常要达到数百瓦，而超低功耗人工智能芯片的工作功耗一般是几十毫瓦甚至更低。同时，由于芯片的计算模块在大多数时间里均处于休眠状态，只有在发生相关事件时才会在事件驱动技术的支持下被激活为工作状态，这样就进一步降低了平均功耗。如在以智能手表为代表的智能可穿戴设备领域，设备的电池容量因尺寸等原因受到极大限制，而此类设备需要具备心率检测、手势识别、语音识别等智能生物信号处理功能，因此需要集成体积小且能效比超高的人工智能加速芯片，降低对电池的消耗;在智能家居等领域，具备人脸识别、指纹识别等功能的智能门锁须由电池供电，而且不能经常更换电池，否则会降低用户体验，这就对门锁中执行人脸识别等功能的智能模块提出了极高的能效比要求。除消费电子之外，制造业等工业应用场景中也需要使用超低功耗人工智能芯片，如安装在机械臂、管道等重要设备和环境中的智能传感器须由电池供电，使用超低功耗人工智能芯片则可以有效减少电池消耗，大幅降低此类设备的维护成本。

《2022-2027年中国人工智能芯片行业发展分析及投资风险预测报告》由中研普华人工智能芯片行业分析专家领衔撰写，主要分析了人工智能芯片行业的市场规模、发展现状与投资前景，同时对人工智能芯片行业的未来发展做出科学的趋势预测和专业的人工智能芯片行业数据分析，帮助客户评估人工智能芯片行业投资价值。

• 相关深度报告REPORTS

  

  2022-2027年中国人工智能芯片行业发展分析及投资风险预测报告

  人工智能芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块（其他非计算任务仍由CPU负责）。业界关于AI芯片的定义仍然缺乏一套严格和公认的标准。比较宽泛的看A...

  查看详情

延伸阅读

推荐阅读

猜您喜欢