1、2018年5月下旬，英特爾全球副總裁兼人工智能產品事業(yè)部總經理Naveen Rao表示，英特爾正在開發(fā)第一個商用神經網絡處理器產品英特爾Nervana NNP-L1000(Spring Crest)，計劃在2019年發(fā)布。
2、2018年6月初，英偉達正式發(fā)布了全新AI芯片“Jetson Xavier”，在CEO黃仁勛看來：“這臺小電腦，將成為未來機器人的大腦”，將該芯片的使用范圍清晰定義在機器人領域。
3、2018年8月，英偉達圖靈芯片(Turing)臺積電大量以12納米投片，9月底已經開始出貨。
4、首度采用臺積電7納米的超微移動加速處理器(APU)架構芯片，最快2018年底至2019年上半年出貨。
5、據(jù)臺灣工商時報報道，華為自行研發(fā)的云端運算AI芯片，包括采用臺積電12奈米的Ascend 310及采用臺積電7奈米的Ascend 910，預期在2019年第二季推出。
6、12月16日，阿里巴巴成立的芯片公司平頭哥(上海)半導體已經在上海完成注冊，阿里巴巴首席技術長、達摩院院長張建鋒透露，阿里首款AI芯片預計2019年下半年面世。這款芯片將應用在阿里數(shù)據(jù)中心、城市大腦和自動駕駛等云端數(shù)據(jù)場景中。
“AI芯片是AI技術發(fā)展過程中不可逾越的關鍵階段，不管有什么好的AI算法，要想最終得到應用，都必然通過芯片來實現(xiàn)。” 清華大學微電子所所長、中國半導體行業(yè)協(xié)會集成電路設計分會理事長魏少軍斷言，芯片是實現(xiàn)人工智能的當然載體。
在珠海舉辦的ICCA2018年會上，中國半導體行業(yè)協(xié)會集成電路設計分會理事長魏少軍教授指出，集成電路設計產業(yè)蓬勃發(fā)展，芯片設計企業(yè)再次大幅度上升，全國共有1698家設計企業(yè)，比過去一年暴增了23%。1600多家無晶圓廠設計公司，有AI方面產品的公司也有不少，產品如何落地，值得思考。
作為全球晶元代工龍頭的臺積電，其董事長張忠謀對外界表示，無論人工智能(AI)、5G等新應用，都脫離不了運算，因此，運算未來輝是非常普遍被需要的技術。而運算是集成電路(IC)的基本，未來無論什么殺手級產品出現(xiàn)，都需要IC，也讓IC產業(yè)長期看好。
張忠謀預料，運算(computing)在未來將會非常重要。他指出MIT新設立運算學院，是個跨學系的學院，原本機械、電子、電機等系所都可以來運算學院修讀運算課程，5G和AI的根本都是運算。
張忠謀分析指出，大陸之所以可以誕生寒武紀等AI芯片獨角獸，主要是因為大陸有人才和國內龐大的市場。這點和美國市場相同，比如Google， Facebook，這些獨角獸能夠成功，前提是很大的國內市場。
臺積電中國業(yè)務發(fā)展副總經理陳平陳平觀察這一波 AI 熱潮需要具備三個關鍵：海量數(shù)據(jù)、算法、技術工藝。AI 最先的要素是有“海量數(shù)據(jù)”才能成立，所有的場景推演和訓練都要有數(shù)據(jù)在背后做依據(jù)，如果想要做一個 AI 產品，但沒有數(shù)據(jù)庫做基礎，那評估的時候就要打個問號!
兩個關鍵點是算法和工藝，半導體工藝技術是臺積電的強項，IC 設計客戶要追求極致，有好的算法不夠，算力也很重要，用 7 納米就是比 28 納米的算力強，目前臺積電是唯一 7 納米工藝技術的提供者。寒武紀、華為海思、比特大陸都是臺積電的重要客戶。
格芯市場總監(jiān)朱宇在12月21日的《人工智能落地應用與趨勢》論壇上，指出，半導體給AI應用帶來了實現(xiàn)的可能性。他分析說：從云端到Edge端，AI應用分為三個大類：主要集中在AI訓練和inference，代表廠商是Google和英偉達;在自動駕駛領域，采用AI是減輕駕駛員在駕駛途中的精力。做自動駕駛，需要車在實時性環(huán)境中反應，需要強大的計算平臺和AI芯片;在邊緣(Edge)端，AI算力提升產品體驗，真正改變生活形態(tài)的挑戰(zhàn)部分。比如家里的空調根據(jù)家中人數(shù)多少，自動調節(jié)溫度和濕度，又比如智能門鎖，監(jiān)控人的進出，為芯片設計的廠商帶來思考，用那種工藝實現(xiàn)AI算法。
從云端的AI處理器的趨勢，經過多年的演進，從CPU到GPU到FPGA，在做云端訓練和處理器，大家都在定義自己的架構，這種芯片需要先進工藝，做云端訓練，ASIC是必然之路。
服務器90%市場使用的是X86架構，做一個芯片要替代X86， 再加上AI功能，需要更長的過程。加速芯片+服務器芯片，這是比較現(xiàn)實的模式。
AI流程是怎樣的?訓練一個神經網絡，把訓練好的神經網絡灌到芯片上，以車為主，車子在使用當中，不斷有新數(shù)據(jù)產生和輸入，已有的神經網絡會做處理和判斷，云端不斷訓練神經網絡，終端門店不斷將神經網絡最新配置到更新車載上。AI的子應用，包括人臉識別、自動駕駛，都是這樣的套路。
他指出，大公司在云端AI創(chuàng)新更容易成功，中小型和初創(chuàng)公司在某個細分領域做一些子創(chuàng)新，做AI應用落地更容易找到市場機會。
從工藝角度，業(yè)界對AI客戶分為兩個級別：第一、在數(shù)據(jù)中心做訓練的AI芯片，需求是高效和功耗，先進工藝，效能要高，實現(xiàn)互聯(lián)互通，采用高帶寬Memory，2.5D/3D封裝(3/2.5D與多個HBMS或GDDRS的集成)。為了未來新的形態(tài)GDR5+GDR6，芯片內部嵌入的Memory也比較多，是一個很大的芯片。第二、邊緣端普遍算力不足，這類客戶對AI芯片的功耗非常敏感，要考慮功耗與成本的平衡。
手機Soc芯片是頂尖制程最主要應用領域，麒麟980芯片作為首發(fā)商用7nm工藝制程手機Soc，麒麟980在指甲蓋大小的尺寸上塞進69億個晶體管，實現(xiàn)了性能與能效的提升，相較上一代處理器在表現(xiàn)上提升75%，在能效上提升58%。為了7nm制程的研發(fā)，華為投資遠遠超過了3億美元，如果是數(shù)據(jù)中心使用的AI芯片,面積是麒麟980芯片的幾倍，不是一個小公司可以開發(fā)的。
朱宇強調，在邊緣(Edge)端的創(chuàng)新空間巨大， 終端上普遍存在AI算力不夠的情況。“我看到的人臉識別、圖像處理加上AI處理引擎，對Memory需求沒有那么高， 邊緣端對功耗非常敏感，要考慮功耗和成本的平衡。”
AI芯片有三大發(fā)展趨勢：第一、追求更高性能;第二、從CPU到FPGA的進展可以在沒有芯片設計公司的情況下進行，3、遷移到ASIC需要一個充足的設計團隊。
京公網安備 11010502049343號