30秒快讀
1 | AI（人工智能）已成為經(jīng)濟(jì)社會(huì)發(fā)展的重要“新基建”，“無芯片，不AI”也已成為業(yè)界共識(shí)。 |
2 | 人工智能的整個(gè)產(chǎn)業(yè)鏈從生產(chǎn)到應(yīng)用，無論是在云端的訓(xùn)練、推理、分析，還是終端的人機(jī)交互、推理，都需要非常強(qiáng)的算力。 |
3 | 算力、數(shù)據(jù)、算法，是AI的三大基礎(chǔ)要素，而算力是芯片的主戰(zhàn)場，算力的提高主要通過芯片來實(shí)現(xiàn)。 |
“相比其他CPU、GPU、FPGA等類型的芯片，ASIC在計(jì)算效能、大小、成本等方面都有極大優(yōu)勢(shì)，未來隨著通用AI指令集架構(gòu)的開發(fā)，預(yù)計(jì)會(huì)出現(xiàn)最優(yōu)配置的AI計(jì)算芯片。”
7月10日，芯原股份創(chuàng)始人、董事長兼總裁戴偉民在2020年世界人工智能大會(huì)云端峰會(huì)“人工智能芯片創(chuàng)新主題論壇”分論壇如此表示。
對(duì)AI芯片來說，無論是在云端大批量處理視頻轉(zhuǎn)碼，還是邊緣端追逐幾百微秒的速度極限，都在串起一個(gè)全新的AI芯片生態(tài)鏈。
01
幾月電費(fèi)省下來就可定制芯片
“ASIC（專用集成芯片）和CPU的視頻轉(zhuǎn)碼能力差了好幾個(gè)等級(jí)?！?/p>
戴偉民指出，當(dāng)今短視頻賽道紅火，視頻分辨率從2K、4K到8K不斷升級(jí)加碼，導(dǎo)致一些最初用CPU、GPU的廠商，最近也開始轉(zhuǎn)向定制ASIC芯片。
“和高端CPU方案相比，芯原定制化視頻轉(zhuǎn)碼ASIC擁有更小尺寸，不僅功耗是（前者）的1/13，轉(zhuǎn)碼能力是（前者）6倍。做成系統(tǒng)后轉(zhuǎn)碼能力可以提高36倍，功耗降低50%。”
戴偉民博士透露，“有的大供應(yīng)商告訴我，幾個(gè)月的電費(fèi)省下來就可以定制芯片了。”
芯原雖然不是一家AI公司，但AI的IP已有30多家授權(quán)、50多款A(yù)I芯片落地，已實(shí)現(xiàn)從云計(jì)算到邊緣計(jì)算的人工智能布局。
在邊緣設(shè)備領(lǐng)域，芯原所設(shè)計(jì)的AI芯片已運(yùn)用到監(jiān)控?cái)z像頭、AR/VR、可穿戴設(shè)備、智能家居以及汽車電子等領(lǐng)域。
02
先進(jìn)工藝推動(dòng)邊緣AI處理器發(fā)展
戴偉民指出，隨著先進(jìn)工藝的發(fā)展，單位算力成本的逐步下降，面向邊緣計(jì)算的AI處理器更具成本效益。
例如，基于16nm工藝節(jié)點(diǎn)的每TOPS的成本為0.67美元，基于5nm工藝節(jié)點(diǎn)的每TOPS的成本就只有0.08美元了。(1TOPS代表處理器每秒鐘可進(jìn)行一萬億次操作)
“這是半導(dǎo)體行業(yè)對(duì)AI帶來的影響?！贝鱾ッ裢瑫r(shí)表示，ASIC的設(shè)計(jì)投入也越來越大。
以工藝制程處于主流應(yīng)用時(shí)期的設(shè)計(jì)成本為例，工藝節(jié)點(diǎn)為28nm時(shí)，單顆芯片設(shè)計(jì)成本約為0.41億美元，而工藝節(jié)點(diǎn)為7nm時(shí)，設(shè)計(jì)成本則快速升至約2.22億美元；由于工藝節(jié)點(diǎn)所處不同時(shí)期，芯片設(shè)計(jì)的成本又有所不同。
“其中早期使用和成熟期使用的成本相差一倍以上，但即便如此，成熟期的使用成本仍非常昂貴?！?/span>
紅色為早期使用成本，灰色為成熟期成本
半導(dǎo)體行業(yè)具有周期性，既有上行也有下行。很多芯片設(shè)計(jì)公司會(huì)選擇在低潮時(shí)加大投入，但在低潮時(shí)很可能因?yàn)槿肆ξ锪Σ粔?，想要提高效率就要嘗試外包，特別是在IP。
戴偉民表示，半導(dǎo)體行業(yè)“逆周期”屬性也是收購IP和IP公司的好時(shí)機(jī)。
03
AI在邊緣與云端的“分工協(xié)同”
在全球共同抗“疫”的過程中，一些終端產(chǎn)品充分發(fā)揮了AI的技術(shù)優(yōu)勢(shì)，在AI測(cè)溫、AI人臉識(shí)別追蹤熱源、AI輔助診斷、AI疫情風(fēng)險(xiǎn)分析與預(yù)測(cè)等領(lǐng)域顯露神技。
比如在AI測(cè)溫上，一般測(cè)溫設(shè)備傳感器CMOS的誤差有0.5度，加上外部環(huán)境影響，誤差能達(dá)到1度。
此外，考慮到部署環(huán)境可能沒有網(wǎng)絡(luò)，所以對(duì)邊緣計(jì)算的要求很高。
由Rokid推出的AR眼鏡紅外智能測(cè)溫解決方案，集成了紅外熱成像技術(shù)、AI智能算法和AR顯示技術(shù)，避免了傳統(tǒng)額溫槍的近距離接觸風(fēng)險(xiǎn)。
“通過增加AI消除背景溫度噪音，擬合出體表溫度和實(shí)際溫度相關(guān)性，這絕對(duì)是身邊AI和AR結(jié)合的成功案例之一?！盧okid創(chuàng)始人、CEO祝銘明說。
利用邊緣 AI處理器，酷芯微電子所提供的快速識(shí)別動(dòng)態(tài)人臉及測(cè)溫方案，讓人臉識(shí)別速度縮減至200ms以內(nèi)。
“我們的產(chǎn)品需要對(duì)3個(gè)傳感器數(shù)據(jù)進(jìn)行融合，傳感器融合涉及到同步、時(shí)域上的東西，即使網(wǎng)絡(luò)信號(hào)好，在云端也很難做。”酷芯微電子董事長姚海平指出。
雖然以上兩個(gè)產(chǎn)品，都強(qiáng)調(diào)了邊緣計(jì)算的重要性，越來越多的處理也會(huì)在邊緣執(zhí)行，但這并不表示邊緣和云端是互相對(duì)立的，這兩者其實(shí)是相輔相成的，兩者是分工協(xié)同。
“云端有非常強(qiáng)的算力，智能終端從技術(shù)和商業(yè)模式上來講，都是云端智能在邊緣側(cè)的一個(gè)延伸，是一個(gè)分布式的技術(shù)體現(xiàn)?！北谪鹂萍悸?lián)合創(chuàng)始人、總裁徐凌杰指出。
那么，AI在云端與邊緣如何協(xié)同和分工？
“我們一直說讓能夠聽到炮火聲的人做決定，在終端和云端的分工也是一樣。
以視頻分析為例，如果能在終端設(shè)備中加入一定AI算力做視頻結(jié)構(gòu)化，能對(duì)云端減少很大的負(fù)載、節(jié)省帶寬，更快反饋；另一方面的考量是隱私，讓終端數(shù)據(jù)留在終端，云端去處理抽象的、有共性的數(shù)據(jù)。”
徐凌杰認(rèn)為，終端受到連接、功耗以及小型化的需求限制，芯片在面積、功耗、以及算力上并不能夠完整滿足需求；
云端AI首先通過規(guī)?；鉀Q資源整合的問題，其次通過集群化解決算力拓展的問題，第三通過集約化解決成本效率的問題。
“邊緣側(cè)會(huì)更加場景化，更加人性化，更加體現(xiàn)出AI對(duì)于一些場景的理解和高效性；云端我們認(rèn)為芯片需要更加智能化，能夠處理各種各樣的業(yè)務(wù)?！毙炝杞苷f。
作者／IT時(shí)報(bào)記者 李玉洋
編輯／挨踢妹
排版／黃建
圖片／WAIC2020、ZAO
來源／《IT時(shí)報(bào)》公眾號(hào)vittimes
相關(guān)推薦
AI挖掘機(jī)，云端終端哪家強(qiáng)？
聯(lián)系客服
