人工智能研究AI芯片行業(yè)現(xiàn)狀趨勢及廠商情況分析
一、人工智能芯片發(fā)展現(xiàn)狀及趨勢
1.1、深度學習算法對芯片要求更為苛刻，通用CPU性價比相對較差
經(jīng)歷了60多年的起起伏伏之后，人工智能終于迎來了第三次爆發(fā)。第三次爆發(fā)的核心引爆點是深度學習算法的出現(xiàn)，但其背后的支撐是數(shù)據(jù)和算力。對整個AI行業(yè)來講，算法、數(shù)據(jù)和算力三大基本要素中，數(shù)據(jù)尤其是海量數(shù)據(jù)的獲取和處理難度在下降，算法也在深度學習模型的基礎上不斷優(yōu)化，而負責將數(shù)據(jù)和深度算法統(tǒng)一協(xié)調起來的芯片能否獲得大的飛躍，成為市場關注的焦點。
深度學習算法對芯片性能需求主要表現(xiàn)在三個方面：一、海量數(shù)據(jù)在計算和存儲單元之間的高速通信需求。這不但需要芯片具備強大的緩存和片上存儲能力，而且還需要計算和存儲單元之間有較大的通信帶寬。二、專用計算能力需求高。深度學習算法中有大量卷積、殘差網(wǎng)絡、全連接等特殊計算需要處理，還需要提升運算速度，降低功耗。三、海量數(shù)據(jù)自身處理同樣也對芯片提出了新的要求，尤其是非結構化數(shù)據(jù)的增多，對傳統(tǒng)芯片結構造成了較大的壓力。
通用CPU在深度學習中可用但效率較低。比如在圖像處理領域，主要用到的是CNN(卷積神經(jīng)網(wǎng)絡)，在自然語言識別、語音處理等領域，主要用到的是RNN(循環(huán)神經(jīng)網(wǎng)絡)，雖然這兩種算法模型有著較大的區(qū)別，但本質上都是向量和矩陣運算，主要是加法和乘法，輔助一些除法和指數(shù)運算。傳統(tǒng)CPU可用于做上述運算，但是CPU還有大量的計算邏輯控制單元，這些單元在AI計算中是用不上的，造成了CPU在AI計算中的性價比較低。
1.2、GPU、FPGA以及ASIC各有優(yōu)劣，成為當前AI芯片行業(yè)的主流
正因為CPU在AI計算上的弱點，給了可以實現(xiàn)海量并行計算且能夠對進行計算加速的AI芯片留下了市場空間。從廣義上講，面向AI計算的芯片都可以稱為AI芯片，包括基于傳統(tǒng)架構的GPU、FPGA以及ASIC(專用芯片)，也包括正在研究但離商用還有較大差距的類腦芯片、可重構AI芯片等。
云端訓練芯片市場較為集中，而推理市場云、邊兩端均有大量企業(yè)參與
按照部署位置劃分，AI芯片可以分為云端芯片和邊緣端芯片。云端芯片部署位置包括公有云、私有云或者混合云等基礎設施，主要用于處理海量數(shù)據(jù)和大規(guī)模計算，而且還要能夠支持語音、圖片、視頻等非結構化應用的計算和傳輸，一般情況下都是用多個處理器并行完成相關任務;邊緣端AI芯片主要應用于嵌入式、移動終端等領域，如攝像頭、智能手機、邊緣服務器、工控設備等，此類芯片一般體積小、耗電低，性能要求略低，一般只需具備一兩種AI能力。
按照承擔的任務分，AI芯片可以劃分為訓練芯片和推理芯片。訓練是指通過大量標記過的數(shù)據(jù)在平臺上進行“學習”，并形成具備特定功能的神經(jīng)網(wǎng)絡模型;推理則是利用已經(jīng)訓練好的模型輸入新數(shù)據(jù)通過計算得到各種結論。訓練芯片對算力、精度要求非常之高，而且還需要具備一定的通用性，以適應多種算法的訓練;推理芯片更加注重綜合能力，包括算力能耗、時延、成本等因素。
綜合來看，訓練芯片由于對算力的特殊要求，只適合在云端部署，而且多采用的是“CPU+加速芯片”類似的異構模式，加速芯片可以是GPU，也可以是FPGA或者是ASIC專用芯片。AI訓練芯片市場集中度高，英偉達和谷歌領先，英特爾和AMD正在積極切入。推理在云端和終端都可進行，市場門檻相對較低，市場參與者較多。云端推理芯片除了傳統(tǒng)的英偉達、谷歌、賽靈思等芯片大廠外，Groq等國際新興力量也在加入競爭，國內寒武紀、比特大陸也有不錯表現(xiàn);終端推理芯片市場較為分散，場景各異，參與者除了英偉達、英特爾、ARM和高通之外，國內企業(yè)如寒武紀、地平線、云知聲、云天勵飛等在各自細分領域均有所建樹。
人工智能專業(yè)前景如何?
極其好。如果說計算機專業(yè)是上個時代的老大，那么人工智能專業(yè)就是下個時代的龍頭。因為：
1. 大數(shù)據(jù)、芯片計算能力、5G網(wǎng)絡的發(fā)展使得AI人工智能得以高速發(fā)展。目前在自動駕駛、智能家居、工業(yè)制造等很多領域，人工智能都在快速突破。例如預計5-10年后，美國有50%的車輛將是無人駕駛。
2. 真正的人工智能公司發(fā)展?jié)摿艽螅? 人才更容易脫穎而出。如人工智能芯片公司“深鑒科技”，由四名清華高手僅僅創(chuàng)立2年后被收購，收購價3-4億美元。當然，該專業(yè)的工資也很高，真正的人工智能崗位年薪百萬比較容易。
人工智能專業(yè)的要求高么?
很高。該專業(yè)的前景有多好，對應的專業(yè)要求就有多高。 人工智能是計算機+數(shù)學建模的結合，該專業(yè)要求有極其好的數(shù)學邏輯能力，能把該專業(yè)真正學明白的估計沒多少人。 例如給你1萬張手機自拍人臉照片，讓你通過編程，建立一個數(shù)學模型識別出照片中哪些人臉是高興的表情。你需要把照片轉化為計算機可處理數(shù)據(jù)，例如不同格式不同尺寸的圖片如何統(tǒng)一處理;你需要搭建模型來判斷數(shù)據(jù)有什么規(guī)律是表示高興，例如計算嘴角的弧度、眉頭的皺紋等等，同時要考慮不同年齡不同人種的臉部特點;模型要經(jīng)過大量訓練來優(yōu)化，這會需要大量的計算機處理能力(例如幾十臺服務器)，需要設計優(yōu)秀的程序來保證訓練過程盡量減少計算機的消耗以及減少計算時間(如并行計算)。
因此，基本是絕對的數(shù)學學霸可以真正搞定該專業(yè)。