當下的AI領域，正經歷著這樣一場淘金熱。
資本家們毫不吝嗇，投入了數以億計的資金，融入的玩家大小林立，既有掌握先進工具的科技巨頭，也有正不遺余力煉金的企業家，更多的是獨握一門煉金術的獨角獸。同時，因為這片處女地足夠大，不管你是芯片制造商，還是算法提供商，抑或是云計算服務提供商，都可以獲取自己的利益。但是最終決定這場淘金熱能夠走得多遠、影響多持久，AI芯片企業掌握了實際的話語權。
近日，市場研究公司Compass Intelligence發布了最新研究報告，全球AI芯片企業排名表中，英偉達(Nvidia)、英特爾(Intel)分列第一、第二名，中國企業華為、寒武紀、地平線，分列12、22、24位。雖然都在同一條賽道上奔跑，但是企業側重有所不同。
巨頭把持云端AI芯片
AI芯片，可以說是深度學習的專用芯片，具備在很高的內在并行度、大量的浮點計算能力以及矩陣預算的能力，算法、算力、數據，是它三個核心的元素。在相同的精度下，與傳統的通用CPU相比，它的處理速度更快、所需的服務器更少、功耗更低。一個簡單的顯性例子是，AI芯片下的處理能力每秒能夠達到 5700 張圖片，而如今所用的 CPU 則每秒僅能識別 140 張圖片。
AI芯片的興起要回溯到2013年，人們意外發現， 原來用于游戲的GPU在深度學習中發揮巨大的作用。這一發現，使得GPU出身的英偉達瞬間占據了AI芯片的制高點，基于深度學習發布了多款芯片。
人工智能芯片領域，可以分為面向云端數據中心的芯片和面向終端的嵌入式人工智能芯片兩大門類。而英偉達的GPU已經成為在云端服務器的霸主，有報告顯示，世界上目前約有3000多家AI初創公司，大部分都采用了英偉達提供的硬件平臺。在端方面，英偉達推出了16nm的AI芯片XAVIER、自動駕駛平臺DRIVE PX，并且開源了DLA深度學習加速器項目。憑借著巨大的優勢，英偉達的股價已經從2016年初的30美元，飆升至如今的255美元，飛升了八倍之多。
從保守的角度來說，英偉達的潛在對手是英特爾。在云端市場，英特爾是老牌玩家，英偉達是新入局者。不過，英特爾發力較晚，通過連續收購完成了生態布局，云端收購Altera之后推出了基于FPGA的專用深度學習加速卡，收購Nervana為AI優化的Knight Mill至強處理器。自動駕駛方面，與Mobileye和BMW結成了自動駕駛聯盟，并在移動端收購了Movidius。后續發力，業內人士相當看好英特爾。
實際上，真正挑起與英偉達在云端芯片較量的重擔是谷歌。自從決定研發AI芯片，也就是TPU(Tensor Processing Unit)后，谷歌一直悄無聲息。直到去年4月，谷歌一篇論文的發布，猶如一枚深水炸彈，讓業內吃了一驚。隨后TPU的發布更是讓英偉達“慌了”。第三方平臺RiseML(riseml.com)做了一次對比評測。實驗結果表明，在自定義的LSTM模型上，TPU更快。TPU(21402 examples/s)比P100(1658 examples/s)快16.9倍，比V100(2778 examples/s)快7.7倍。RiseML給出的結論是：一旦TPU能夠容納更多的用戶使用，就可以成為英偉達GPU真正的替代者。
需要注意的是，柯潔對戰的AlphaGo Master使用的就是第一代TPU，單機運行，且物理服務器僅僅部署了4個TPU就打敗了柯潔。頗為遺憾的是，谷歌的TPU僅供自家使用，不對外出售，僅僅開放云端供大家使用。
初創團隊
更偏向終端側發力
英偉達首席科學家兼NVIDIA Research高級副總裁Bill Dally博士表示，雖然AI領域大家似乎都在同一起跑線上，但是細分之后較為清晰可鑒的是，面向云端數據中心的芯片被巨頭們把持，因市場偏成熟，企業積累深厚，很難被超越，所以各大初創公司創業方向選擇的是面向終端的嵌入式人工智能芯片，如物聯網、智能駕駛、機器人等等，這是他們的機會所在。
這也是為什么地平線自2015年成立以來，突破的是面向終端的嵌入式人工智能芯片薄弱環節——在保證性能、可編程的前提下，芯片保持較低的功耗與成本。
地平線表示，他們研發歷時2年，才推出面向智能駕駛的征程處理器和面向智能攝像頭的旭日處理器。三項核心數據上，地平線做到了可每秒實現30幀1080P高清視頻流的實時處理;每幀支持200個并行目標的檢測、識別和跟蹤;典型功耗僅1.5W，每幀處理時延小于30ms。
地平線采用的是自主設計研發的BPU芯片架構，是一款典型的異構多指令多數據的系統，架構中心處理器是完整的系統，存儲器架構設計進行了特別優化，能使數據自由傳遞，進行多種計算，讓不同部件同時運轉起來，極大提高了器件利用率，提高AI運算的效率。
寒武紀在終端發力之后，也在云端推出了產品。前不久的發布會上，不僅推出新一代終端智能處理器IP 產品Cambricon 1M，還發布了首款云端智能芯片Cambricon MLU100，雙向發力讓業內嘩然。寒武紀CEO陳天石表示，3年前就開始了兩顆芯片的研發，時刻準備著將寒武紀的產品放入云端。陳天石在發布會現場公布了在R-CNN算法下MLU100與Tesla V100和Tesla P4的計算延遲對比，數據顯示MLU100的計算延遲為125ms，Tesla V100的延遲為174ms，Tesla P4的延遲為1069ms。
現在來看，只有英偉達的體量，才有能力橫跨兩個領域垂直做深，甚至英特爾也是通過收購完成布局。寒武紀的道路與英偉達相似，但從目前僅有的信息很難判斷寒武紀的產品性能，是否能超越英偉達Tesla V100、Tesla P4。比起各方多有涉足，業內人士更希望寒武紀將垂直領域做得更深。
超越互聯網的場景應用
根據Tractica研究所的數據，到2025年，AI年收入預計將達到368億美元。Tractica表示，迄今為止已經確定了AI的27種不同細分行業以及191個使用案例。
UCLA博士李一雷認為，人工智能落地兩個重要的點分別是自動駕駛和醫療，然而自動駕駛必須能通過各種極端情況下的驗證才能上馬，輔助駕駛離現實比較接近。
作為AI的重頭戲，幾乎所有的AI芯片都在發力智能駕駛領域。因為初創公司偏向端側，應用場景有所側重，像地平線這樣主攻算法+芯片的企業，未來將在垂直領域做深，沿著規劃的三代架構，對芯片進行逐年迭代，使其能力不斷升級，智能駕駛仍舊是他們發力的重點行業領域。
相比而言，英偉達的核心雖然是GPU，但是它打造的是一個生態。自動駕駛所需要的運算能力體現在云端和終端兩個方面，終端感知周圍環境，做出駕駛決策，而云端是將行駛的數據，通過深度學習或者增強學習“訓練”模型，最終應用到車輛終端中。英偉達CEO黃仁勛預計明年自動駕駛的模擬和開發系統會成熟，2019年機器人出租車將飛速發展;2020-2021年底，第一輛全自動的L4級自動駕駛汽車上路。
豐富的生態，尤其是云端建立深度學習的模型訓練，使得英偉達的AI芯片擁有更為廣泛的應用場景。其中寄予人類深厚希望的，更多是AI芯片在醫療上的賦能。以肺癌而言，以往醫生一般通過肉眼檢查CT掃描影像，從中尋找小塊結節并推斷結節的良性與惡性。但是肉眼的弊端是，如果早期結節很小便難以診斷，后期發現肺癌為時已晚，使得肺癌的存活率僅為17%。但有了GPU驅動的AI和深度學習技術來改變肺癌難以診斷的現狀。不僅易于診斷，還解放了醫生，肉眼檢查CT掃描影像花費至少在十分鐘以上，現在只需要兩分鐘便可實現結節檢測及良惡性區分。據估計，此系統一天可為醫生節約至少4小時，從而使他們有更多的時間與病人交流或進行更多研究工作。
AI芯片的加持，還給互聯網+未能有所改觀的傳統新領域帶來了新變化，比如與互聯網難以產生聯系的石油行業。據了解，每臺海上鉆井平臺每年大約會產生 50TB 的數據，而其中只有不到 1% 的數據會被標簽或分析。看似艱難的數據分析現狀，恰恰給擁有海量計算能力的AI發揮巨大潛力的機會。
在勘探油氣藏的過程中，石油天然氣行業正在利用計算量越來越龐大的地震算法，用英偉達 GPU AI 解決方案進行“事故預測、巖層辨別以及通過挖掘 3D 模型來創建高效的環境掃描，加快獲取鉆井許可的過程”，至少提速4—20倍。因強大的計算能力，使得斯倫貝謝、雪佛龍、道達爾、巴西石油以及雷普索爾等各大世界石油巨頭均部署了英偉達 Tesla GPU，以加速地震處理的速度。
淘金熱，正在AI領域熱絡上映。不管是自動駕駛還是醫療、石油，這僅僅是AI淘金熱被發掘出來一小片領域，更多的機會還存在于國防、氣候、醫學、金融、生物信息等行業。比起互聯網+引起的效應，AI賦能的效果顯然更為革命與顯現。
京公網安備 11010502049343號