人脸识别、无人驾驶背后：是谁在造人工大脑？

转瞬之间，ILSVRC比赛（又称ImageNet比赛）已经停办了四年。作为机器视觉领域最受追捧也是最具权威的学术竞赛之一，自2010年开办以来，全球各知名AI企业皆以取得此项比赛最高名次为殊荣。

2012年，Krizhevsky团队采用GPU架构结合CNN（卷积神经网络）算法，在大赛中将图像识别错误率降到15.4%，以领先第二名10%的悬殊差距夺下桂冠。AlexNet的横空出世，使得全球范围内掀起了一波深度学习热潮，这一年也被称作“深度学习元年”。

卷积神经网络、深度学习等技术的不断突破，使芯片算力持续提升;新架构的出现继而解决神经网络算力问题，掀起AI芯片的研究热潮；2014年9月，国家集成电路产业投资基金（亦称大基金）设立，此后，千亿美元投入半导体产业，更是使芯片行业沸腾。

各项条件日益成熟后，2015年至2016年，是AI芯片发展的一个小高潮。一时间，大批创业公司争相涌入，如今翻看国内AI芯片创业公司的成立时间表，几乎都是在2015年左右。

此后三年，AI芯片技术和产品研发进入“百家争鸣”阶段，这一时期，赛道内诞生了很多新技术、新架构和新模式。但好景不长，进入2020年，AI芯片行业的热度不断下降，关于行业泡沫化的呼声越发高涨。

显然，自2017年到2020年，AI芯片经历了融资火热到泡沫出清的过程。按照行业的发展规律，AI芯片无疑面临两种结局，一种是彻底无人问津，另一种则是泡沫出清后再次起热，现阶段，行业似乎处在后一种局面。

本篇文章旨在对于国内AI芯片行业的现有局势进行分析，力图还原一个真实的赛道近况。

01 更快、更高、更强

“围棋人机大战”作为人工智能发展史上里程碑式的事件，在各路媒体报道下，成为一场专门为AI打造的全球科普盛会，人们籍此了解到人工智能已经渗透到日常工作和生活中。

少为人知的是，此次人机大战的主角，击败李世石和柯洁的AlphaGo，前后共经历了5个版本的迭代。

在最早的版本中，AlphaGo采用了176块GPU来解决运算问题，但AlphaGo的技术并没有因此止步，随后在第二版本中采用48块TPU配合分布式计算解决运算问题，第三版本后因为优化深度学习算法，仅采用4块TPU和单机即可完成任务，并且超过之前的成就。

而GPU、TPU的源头，皆来自我们熟悉的CPU，中央处理器。

现今，在算力、算法和大数据三驾马车的拉动下，全球人工智能进入第三次爆发期。作为引领人工智能的深度学习算法，对现有的芯片算力提出了更高的要求，传统的通用CPU由于计算效率低，难以适应Al的计算要求。

这时，GPU出现了，同属芯片技术架构，不同的是，GPU中超过80%部分为运算单元(ALU)，而CPU仅有20%。市面上有一种说法，“CPU是大学教授，做的是高数难题。GPU是一群小学生，做的是普通加减乘除”。此说法不甚准确，但GPU确实更擅长于大规模并行运算。

任何事物的产生、发展都有其自身的规律和内在动因。

芯片架构从CPU向GPU演进，背后是通用处理器的架构已经无法适应人工智能算法的高需求，在这一主因的推动下，除了GPU外，也出现了FPGA(现场可编程门阵列)、ASIC(专用集成电路)等异构芯片，以及类脑神经元结构芯片。

而TPU，则是谷歌在2015年6月I/O开发者大会上推出的计算神经网络专用芯片，正是搭载于AlphaGo系统才让其名声大振，本质上TPU是一种ASIC芯片方案。

现在，基本凑够了目前市面上最常用的三类AI芯片的技术架构，即GPU，FPGA，ASIC，三者在架构上各有出入，特性自然有所区别。

这里可以参考保罗·克鲁格曼提出的“不可能三角”原理，即不同架构的芯片在通用性、性能、功耗方面有各自的优点和缺点。

拿定制化程度为说，GPU的通用性较好，FPGA，ASIC则分别是半定制化和定制化。以ASIC为例，该类芯片定制化程度较高，因此可以更有针对性地进行硬件层次的优化，从而获得更好的性能，但这同样使ASIC芯片的设计和制造过程需要耗费大量的资金和工程周期。

功能特性的不同也决定了应用场景不同，目前，按照行业内普遍达成的认知，AI芯片根据所在服务器在网络中的位置可以分为云端AI芯片，边缘及终端AI芯片。

其中，云端芯片部署位置包括公有云、私有云或者混合云等基础设施，主要用于处理海量数据和大规模计算。终端AI芯片主要应用于嵌入式、移动终端等领域，如摄像头、智能手机、边缘服务器、工控设备等，主要涉及自动驾驶、安防等领域。

实际上，即使在同一个应用场景，按照具体承担的任务，还能继续分为训练芯片和推理芯片，训练是指对大量的数据在平台上进行学习，并形成具备特定功能的神经网络模型；推理则是利用已经训练好的模型输入新数据通过计算得到各种结论。

现阶段，由于云端平台具备支持应用于各领域的全种类算法模型的能力，因此需要对AI芯片的选配需对其性能、成本、适配性及通用性进行综合考虑。短期来看，CPU、GPU两类芯片仍将作为云端应用场景AI芯片的主流选择。

共3页: 上一页下一页

>相关《人脸识别、无人驾驶背后：是谁在造人工大脑？》内容：

理财鱼小提示：湖南长沙发生一起16车连环追尾事故 无人员伤亡 央广网长沙12月26日消息（记者 唐丽丽 欧峰 实习生 王佳瑜 通讯员 唐雄杰）受降雪影响，12月26日早上，湖南省长沙市雨花区东山街道湘府东路与花侯路交汇处发生一起16车连环追尾交通事故，所幸未造成...【继续阅读】

一列无人驾驶的白色Robotaxi车队，整齐地沿着马路驶过来，车身上印着广汽集团、文远知行、如祺出行的LOGO。不久的将来，它们将为广州市民提供服务。上周，这三个合作方签约，共同推进Robotaxi车型的设计研发、前装量产及商业化运营。 这是粤港澳大湾区无人...【继续阅读】

理财鱼小提示：女人脸上有三个不老穴，好多人还不知道！ 不管什么年龄的女人，都希望自己能够看起来年轻一点。其实不用花大钱保养，脸色就有三个不老穴！ 1 祛鱼尾纹 丝竹空穴 为了留住眼睛的青春，女孩子们砸下了大本钱在眼部护理上。其实，在我们的眼周附近，...【继续阅读】