智能終端AI芯片產業(yè)前景可期

　　智能終端AI芯片產業(yè)呈現快速擴張之勢，未來可期。

　　2017年，華為率先發(fā)布麒麟970芯片，集成寒武紀的深度學習內核。同年，蘋果發(fā)布雙核架構神經網絡引擎（NeuralEngine）的A11Bionic芯片。2018年，華為和蘋果相繼發(fā)布7nm工藝的麒麟980和A12。2019年，華為和蘋果推出麒麟990和A13，AI處理性能進一步提升。目前AI處理能力已逐漸向中端產品滲透，除追求性能提升外，大部分終端AI芯片專注于基于推斷計算的應用場景進行優(yōu)化，少數的終端AI芯片具備訓練能力。根據ABIRe-search預測，2024年，終端AI芯片市場規(guī)模將增長至710億美元，2019年至2024年間的年復合增長率將達31%。

　　AI算力從云端向終端遷移

　　傳統(tǒng)意義上，大多數對神經網絡的訓練和推理都是在云端或基于服務器完成的。隨著終端處理器性能的不斷提升，很多人工智能的推理工作，如模式匹配、建模檢測、分類和識別等逐漸從云端轉移到終端側。

　　這主要有三點原因。首先，AI能力的端側遷移是用戶使用場景所需的必然結果。數據由云走向邊緣。IDC數據統(tǒng)計，未來幾年內邊緣側數據將達到總數據量的50%，這些數據由終端采集和產生，也需要端側AI芯片就近分析處理。其次，AI能力的端側遷移亦是提升人工智能用戶體驗的重要方式。在端側，人工智能關鍵優(yōu)勢包括即時響應、隱私保護增強、可靠性提升，此外，還能確保在沒有網絡連接的情況下用戶的人工智能體驗得到保障。最后，AI處理能力的端側遷移是人工智能數據隱私保護的需要。

　　終端AI芯片不斷演化

　　AI芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中涉及的各類算法的AI加速計算模塊（其他非AI加速計算任務仍由CPU負責）。作為AI技術的三大核心要素之一，芯片承載著AI應用部署的堅實基礎——計算能力。AI芯片算力的高速發(fā)展，是工業(yè)場景和自動駕駛等高實時性AI終端應用的有力保障。同時，芯片的算力和功耗之間的兼顧和優(yōu)化，是AI芯片未來發(fā)展的主題。各種類型的智能終端AI芯片還將在多種多樣的人工智能應用場景中進行差異化競爭。

　　AI終端芯片技術現狀

　　從通用芯片、專用芯片和異構結合三個維度，對基于人工智能場景的終端芯片的技術現狀進行分析。

　　通用芯片方面，智能終端常用的通用AI處理芯片主要是CPU、GPU、FPGA三種，在傳統(tǒng)CPU（CentralProcess-ingUnit）中,僅有單獨的ALU（邏輯運算單元）模塊是用來完成指令數據計算的，其他各種模塊的存在是為保證指令能串行有序執(zhí)行。這種通用結構對于傳統(tǒng)的編程計算模式非常適合，但是對于需要海量數據運算的深度學習的計算需求，無法提供足夠的AI專用計算支撐。

　　GPU依靠通用靈活的強大并行運算能力，契合當前人工智能中廣泛采用的深度學習所需要的密集數據和多維并算處理需求。按照比例來說，在CPU上約有20％的晶體管是用作計算的，而在GPU上有80％的晶體管可用作計算。高效的算數運算單元和簡化的邏輯控制單元，把串行訪問拆分成多個簡單的并行訪問，同時進行運算。如向量相加，可讓CPU串行循環(huán)對每一個分量做加法，也可讓GPU采用大量并行線程對應各個分量同時相加。

　　FPGA（FieldProgram-mableGateArray）即現場可編程門陣列，依靠電路級別的通用性，加上可編程性，適用于開發(fā)周期較短的IoT產品、傳感器數據預處理工作以及小型開發(fā)試錯升級迭代工作等。FPGA可靈活支持各類深度學習的計算任務，適合在推斷環(huán)節(jié)支撐海量的用戶實時計算請求。FPGA的可編程性是關鍵，讓智能終端及其應用設計公司能提供與其競爭對手不同的解決方案。

　　專用芯片方面，ASIC（ApplicationSpecificIn-tegratedCircuit，專用集成電路）細分市場需求確定后，以TPU為代表的ASIC定制化芯片，將在確定性執(zhí)行模型的應用需求中發(fā)揮作用。ASIC的特點是需要大量的研發(fā)投入，如果不能保證出貨量，其芯片成本難以下降，而且芯片的功能一旦流水線生產后則無更改余地，若市場深度學習方向一旦改變，ASIC前期投入將無法回收，具有較大的市場風險。但ASIC性能高于FPGA，在高出貨量下，其芯片成本可遠低于FPGA。

　　異構結合方面，AI處理芯片還可通過統(tǒng)籌多芯片任務處理，提高任務處理效率，幫助AI應用程序對數據進行分類及排序處理。這樣的處理模式并非完全依賴于專用AI芯片，芯片廠家可通過采用異構的芯片構架實現。由于AI場景眾多，神經網絡自定義層繁復，單種處理器硬件已無法滿足所有需求，通過軟硬結合解決方案，如在已有芯片平臺加入神經網絡處理引擎（NeuralPro-cessingEngine，NPE）來調動處理器中已有的CPU、GPU及其他計算模塊，可以實現面向人工智能任務的異構計算。通過軟硬結合的開放型異構計算可滿足AI的多場景需求、面向整個手機平臺所需的通用性和靈活性，也可更好地利用終端原有計算資源完成AI計算。

　　智能終端AI芯片展望

　　雖然我國智能終端芯片廠商在核心技術方面仍然依賴于國外廠商，但機遇與挑戰(zhàn)并存。依托國家政策并抓住發(fā)展機遇，我國相關AI芯片業(yè)的前景可期。同時，當前各廠商AI芯片不受制于傳統(tǒng)CPU芯片和軟件應用生態(tài)（如英特爾X86芯片），這對自主AI芯片的發(fā)展十分有利。

　　當前，國家政策持續(xù)利好。繼2017年國務院發(fā)布《新一代人工智能發(fā)展規(guī)劃》后，《促進新一代人工智能產業(yè)發(fā)展三年行動計劃（2018-2020年）》又吹響了前進的號角。同時從芯片資本市場來看，國家集成電路產業(yè)投資基金（二期）的募資工作已經完成，規(guī)模在2000億元左右，撬動的社會資金規(guī)?？蛇_6000億元左右。

　　面向未來，在技術發(fā)展策略層面，需要積極構建生態(tài)圈，支持國內AI芯片企業(yè)自有指令集的研發(fā)。在產業(yè)應用方面，政府、事業(yè)單位和國有企業(yè)應優(yōu)先使用國產AI芯片,為國產芯片操作系統(tǒng)生態(tài)提供支持。同時，鼓勵我國智能終端AI芯片、框架和自主操作系統(tǒng)深度耦合全生態(tài)發(fā)展，研發(fā)與深度學習框架結合的AI芯片，構建芯片、操作系統(tǒng)和應用一體的軟硬結合技術體系。（朱亮 李光）

　　轉自：人民郵電報

　　【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業(yè)經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業(yè)宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。

延伸閱讀