觀AI芯片分布格局，可有中國(guó)的一席之地？

如果說2016年3月份AlphaGo與李世石的那場(chǎng)人機(jī)大戰(zhàn)只在科技界和圍棋界產(chǎn)生較大影響的話，那么2017年5月其與排名第一的世界圍棋冠軍柯潔的對(duì)戰(zhàn)則將人工智能技術(shù)推向了公眾視野。阿爾法狗（AlphaGo）是第一個(gè)擊敗人類職業(yè)圍棋選手、第一個(gè)戰(zhàn)勝圍棋世界冠軍的人工智能程序，由谷歌（Google）旗下DeepMind公司戴密斯·哈薩比斯領(lǐng)銜的團(tuán)隊(duì)開發(fā)，其主要工作原理是“深度學(xué)習(xí)”。

其實(shí)早在2012年，深度學(xué)習(xí)技術(shù)就已經(jīng)在學(xué)術(shù)界引起了廣泛地討論。在這一年的ImageNet大規(guī)模視覺識(shí)別挑戰(zhàn)賽ILSVRC中，采用5個(gè)卷積層和3個(gè)全連接層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)AlexNet，取得了top-5（15.3%）的歷史最佳錯(cuò)誤率，而第二名的成績(jī)僅為26.2%。從此以后，就出現(xiàn)了層數(shù)更多、結(jié)構(gòu)更為復(fù)雜的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，如ResNet、GoogleNet、VGGNet和MaskRCNN等，還有去年比較火的生成式對(duì)抗網(wǎng)絡(luò)GAN。

不論是贏得視覺識(shí)別挑戰(zhàn)賽的AlexNet，還是擊敗圍棋冠軍柯潔的AlphaGo，它們的實(shí)現(xiàn)都離不開現(xiàn)代信息技術(shù)的核心——處理器，不論這個(gè)處理器是傳統(tǒng)的CPU，還是GPU，還是新興的專用加速部件NNPU（NNPU是Neural Network Processing Unit的簡(jiǎn)稱）。

在計(jì)算機(jī)體系結(jié)構(gòu)國(guó)際頂級(jí)會(huì)議ISCA2016上有個(gè)關(guān)于體系結(jié)構(gòu)2030的小型研討會(huì)，名人堂成員UCSB的謝源教授就對(duì)1991年以來在ISCA收錄的論文進(jìn)行了總結(jié)，專用加速部件相關(guān)的論文收錄是在2008年開始，而在2016年達(dá)到了頂峰，超過了處理器、存儲(chǔ)器以及互聯(lián)結(jié)構(gòu)等三大傳統(tǒng)領(lǐng)域。而在這一年，來自中國(guó)科學(xué)院計(jì)算技術(shù)研究所的陳云霽、陳天石研究員課題組提交的《一種神經(jīng)網(wǎng)絡(luò)指令集》論文，更是ISCA2016最高得分論文。

在具體介紹AI芯片國(guó)內(nèi)外之前，看到這里有部分讀者或許會(huì)產(chǎn)生這樣的疑惑：這不都是在說神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)嗎？那么我覺得有必要對(duì)人工智能和神經(jīng)網(wǎng)絡(luò)的概念進(jìn)行闡述，特別是2017年工信部發(fā)布的《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018-2020年）》中，對(duì)發(fā)展目標(biāo)的描述很容易讓人覺得人工智能就是神經(jīng)網(wǎng)絡(luò)，AI芯片就是神經(jīng)網(wǎng)絡(luò)芯片。

人工智能整體核心基礎(chǔ)能力顯著增強(qiáng)，智能傳感器技術(shù)產(chǎn)品實(shí)現(xiàn)突破，設(shè)計(jì)、代工、封測(cè)技術(shù)達(dá)到國(guó)際水平，神經(jīng)網(wǎng)絡(luò)芯片實(shí)現(xiàn)量產(chǎn)并在重點(diǎn)領(lǐng)域?qū)崿F(xiàn)規(guī)?；瘧?yīng)用，開源開發(fā)平臺(tái)初步具備支撐產(chǎn)業(yè)快速發(fā)展的能力。

其實(shí)則不然。人工智能是一個(gè)很老很老的概念，而神經(jīng)網(wǎng)絡(luò)只不過是人工智能范疇的一個(gè)子集。早在1956年，被譽(yù)為“人工智能之父”的圖靈獎(jiǎng)得主約翰·麥卡錫就這樣定義人工智能：創(chuàng)造智能機(jī)器的科學(xué)與工程。而在1959年，Arthur Samuel給出了人工智能的一個(gè)子領(lǐng)域機(jī)器學(xué)習(xí)的定義，即“計(jì)算機(jī)有能力去學(xué)習(xí)，而不是通過預(yù)先準(zhǔn)確實(shí)現(xiàn)的代碼”，這也是目前公認(rèn)的對(duì)機(jī)器學(xué)習(xí)最早最準(zhǔn)確的定義。而我們?nèi)粘Ｋ熘纳窠?jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等都屬于機(jī)器學(xué)習(xí)的范疇，都是受大腦機(jī)理啟發(fā)而發(fā)展得來的。另外一個(gè)比較重要的研究領(lǐng)域就是脈沖神經(jīng)網(wǎng)絡(luò)，國(guó)內(nèi)具有代表的單位和企業(yè)是清華大學(xué)類腦計(jì)算研究中心和上海西井科技等。

好了，現(xiàn)在終于可以介紹AI芯片國(guó)內(nèi)外的發(fā)展現(xiàn)狀了，當(dāng)然這些都是我個(gè)人的一點(diǎn)觀察和愚見，管窺之見權(quán)當(dāng)拋磚引玉。

國(guó)外技術(shù)寡頭，優(yōu)勢(shì)明顯

由于具有得天獨(dú)厚的技術(shù)和應(yīng)用優(yōu)勢(shì)，英偉達(dá)和谷歌幾乎占據(jù)了人工智能處理領(lǐng)域80%的市場(chǎng)份額，而且在谷歌宣布其Cloud TPU開放服務(wù)和英偉達(dá)推出自動(dòng)駕駛處理器Xavier之后，這一份額占比在2018年有望進(jìn)一步擴(kuò)大。其他廠商，如英特爾、特斯拉、ARM、IBM以及Cadence等，也在人工智能處理器領(lǐng)域占有一席之地。

當(dāng)然，上述這些公司的專注領(lǐng)域卻不盡相同。比如英偉達(dá)主要專注于GPU和無(wú)人駕駛領(lǐng)域，而谷歌則主要針對(duì)云端市場(chǎng)，英特爾則主要面向計(jì)算機(jī)視覺，Cadence則以提供加速神經(jīng)網(wǎng)絡(luò)計(jì)算相關(guān)IP為主。如果說前述這些公司還主要偏向處理器設(shè)計(jì)等硬件領(lǐng)域，那么ARM公司則主要偏向軟件，致力于針對(duì)機(jī)器學(xué)習(xí)和人工智能提供高效算法庫(kù)。

注：上述表格中所給為截止到2017年各研制單位公開可查的最新數(shù)據(jù)。