解讀AI芯片發(fā)展現(xiàn)狀及前景

隨著深度學(xué)習(xí)領(lǐng)域［1-4］帶來(lái)的技術(shù)性突破，人工智能（artificial intelligence，AI）無(wú)論在科研還是在產(chǎn)業(yè)應(yīng)用方面都取得了快速的發(fā)展。深度學(xué)習(xí)算法需要大量的矩陣乘加運(yùn)算，對(duì)大規(guī)模并行計(jì)算能力有很高的要求，CPU和傳統(tǒng)計(jì)算架構(gòu)無(wú)法滿足對(duì)于并行計(jì)算能力的需求［5］，需要特殊定制的芯片。目前，AI芯片行業(yè)已經(jīng)起步并且發(fā)展迅速［6］。

1. AI芯片定義及技術(shù)架構(gòu)

1.1 AI芯片定義

廣義上所有面向AI應(yīng)用的芯片都可以稱(chēng)為AI芯片。目前一般認(rèn)為是針對(duì)AI算法做了特殊加速設(shè)計(jì)的芯片?，F(xiàn)階段，這些人工智能算法一般以深度學(xué)習(xí)算法為主，也可以包括其他淺層機(jī)器學(xué)習(xí)算法［7-8］。

1.2 AI芯片功能

（1）訓(xùn)練。對(duì)大量的數(shù)據(jù)在平臺(tái)上進(jìn)行學(xué)習(xí)，并形成具備特定功能的神經(jīng)網(wǎng)絡(luò)模型。對(duì)AI芯片有高算力、高容量和訪問(wèn)速率、高傳輸速率、通用性的要求。

（2）推理。利用已經(jīng)訓(xùn)練好的模型通過(guò)計(jì)算對(duì)輸入的數(shù)據(jù)得到各種結(jié)論。對(duì)于 AI芯片主要注重算力功耗比、時(shí)延、價(jià)格成本的綜合能力。實(shí)驗(yàn)證明低精度運(yùn)算（如float16，int8）可達(dá)到幾乎和float32同等的推理效果，所以AI推理芯片有低精度算力的要求。

1.3 技術(shù)架構(gòu)

表1列出了AI芯片的幾種技術(shù)架構(gòu)，并對(duì)其優(yōu)缺點(diǎn)進(jìn)行比較。

表1.AI芯片技術(shù)架構(gòu)

2. AI芯片應(yīng)用場(chǎng)景

2.1 數(shù)據(jù)中心（IDC）

用于云端訓(xùn)練和推理，目前大多數(shù)的訓(xùn)練工作都在云端完成［9］。移動(dòng)互聯(lián)網(wǎng)的視頻內(nèi)容審核、個(gè)性化推薦等都是典型的云端推理應(yīng)用。Nvidia GPU在訓(xùn)練方面一家獨(dú)大，在推理方面也保持領(lǐng)軍位置。FPGA和ASIC因?yàn)榈凸?、低成本的?yōu)勢(shì)，在持續(xù)搶奪GPU的市場(chǎng)的份額。

云端主要的代表芯片有Nvidia-TESLA V100、華為昇騰910、Nvidia-TESLA T4、寒武紀(jì)MLU270等。

2.2 移動(dòng)終端

主要用于移動(dòng)端的推理，解決云端推理因網(wǎng)絡(luò)延遲帶來(lái)的用戶體驗(yàn)等問(wèn)題。典型應(yīng)用如視頻特效、語(yǔ)音助手等。通過(guò)在手機(jī)系統(tǒng)芯片（system onchip，SoC）中加入增加協(xié)處理器或?qū)Ｓ眉铀賳卧獊?lái)實(shí)現(xiàn)。受制于手機(jī)電量，對(duì)芯片的功耗有嚴(yán)格的限制。代表芯片有Apple A12 Neural Engine（加速引擎）和華為麒麟990。

2.3 安防

目前最為明確的AI芯片應(yīng)用場(chǎng)景，主要任務(wù)是視頻結(jié)構(gòu)化。攝像頭終端加入AI芯片，可以實(shí)現(xiàn)實(shí)時(shí)響應(yīng)、降低帶寬壓力。也可以將推理功能集成在邊緣的服務(wù)器級(jí)產(chǎn)品中。AI芯片要有視頻處理和解碼能力。主要考慮的是可處理的視頻路數(shù)以及單路視頻結(jié)構(gòu)化的成本［10］。代表芯片有華為Hi3559-AV100和比特大陸B(tài)M1684等。

2.4 自動(dòng)駕駛

AI芯片作為無(wú)人車(chē)的大腦，需要對(duì)汽車(chē)上大量傳感器產(chǎn)生的數(shù)據(jù)做實(shí)時(shí)處理［11］，對(duì)芯片的算力、功耗、可靠性都有非常高的要求，同時(shí)芯片需要滿足車(chē)規(guī)標(biāo)準(zhǔn)，因此設(shè)計(jì)的難度較大［12］。面向自動(dòng)駕駛的芯片目前主要有Nvidia Orin、Xavier和Tesla的FSD等。

2.5 智能家居

在AI+IoT時(shí)代，智能家居中的每個(gè)設(shè)備都需要具備一定的感知、推斷以及決策功能。為了得到更好的智能語(yǔ)音交互用戶體驗(yàn)，語(yǔ)音AI芯片進(jìn)入了端側(cè)市場(chǎng)。語(yǔ)音AI芯片相對(duì)來(lái)說(shuō)設(shè)計(jì)難度低，開(kāi)發(fā)周期短。代表芯片有思必馳TH1520和云知聲雨燕UniOne等。

3. AI芯片關(guān)鍵技術(shù)和基準(zhǔn)測(cè)試平臺(tái)

3.1 關(guān)鍵技術(shù)和挑戰(zhàn)

（1）AI芯片當(dāng)前的核心是利用乘加計(jì)算（multiplier and accumulation，MAC）陣列來(lái)實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)中最主要的卷積運(yùn)算的加速。MAC陣列的大量運(yùn)算，會(huì)造成功耗的增加。很多AI應(yīng)用的場(chǎng)景對(duì)于功耗都有嚴(yán)格的限制，如何達(dá)到優(yōu)異的性能功耗比是AI芯片研發(fā)的一個(gè)重要目標(biāo)。

（2）深度學(xué)習(xí)算法中參與計(jì)算的數(shù)據(jù)和模型參數(shù)很多，數(shù)據(jù)量龐大，導(dǎo)致內(nèi)存帶寬成為了整個(gè)系統(tǒng)的一個(gè)瓶頸“，Memory Wall”也是需要優(yōu)化和突破的主要問(wèn)題［13］。

（3）除了芯片本身硬件的設(shè)計(jì)以外，軟件對(duì)于AI芯片性能的發(fā)揮也有著十分重要的作用，編譯器和工具鏈軟件的優(yōu)化能力、易用性現(xiàn)在也得到越來(lái)越多的重視。

3.2 基準(zhǔn)測(cè)試平臺(tái)

基準(zhǔn)測(cè)試平臺(tái)（Benchmark）為AI芯片建立了標(biāo)準(zhǔn)的評(píng)估體系，主要職責(zé)和意義有：

（1）基于調(diào)研和集群信息收集，真實(shí)反映AI芯片的使用情況。（2）引入評(píng)估和選型標(biāo)準(zhǔn)。（3）對(duì)AI芯片的架構(gòu)定義和優(yōu)化指引方向?；鶞?zhǔn)測(cè)試平臺(tái)的評(píng)估指標(biāo)包括延時(shí)（ms）、吞吐量（ims/s）、能效比（ims/s/W）、利用率（ims/s/T）等。主要的基準(zhǔn)測(cè)試臺(tái)有MLPerf、DawnBench（Stanford）、DeepBench（百度）、AI Matrix（阿里巴巴）。

4. AI芯片未來(lái)趨勢(shì)和探索

4.1 神經(jīng)形態(tài)芯片

神經(jīng)形態(tài)芯片是指顛覆經(jīng)典的馮·諾依曼計(jì)算架構(gòu)，采用電子技術(shù)模擬已經(jīng)被證明了的生物腦的運(yùn)作規(guī)則，從而構(gòu)建類(lèi)似于生物腦的芯片［14］。

神經(jīng)形態(tài)芯片的優(yōu)點(diǎn)：

（1）計(jì)算和存儲(chǔ)融合，突破Memory Wall瓶頸。

（2）去中心化的眾核架構(gòu)，強(qiáng)大的細(xì)粒度互聯(lián)能力。

（3）更好的在線學(xué)習(xí)能力。清華大學(xué)、Intel、IBM等學(xué)校和企業(yè)都在做此方面的研究工作。

4.2 可重構(gòu)計(jì)算芯片

可重構(gòu)計(jì)算芯片也叫做軟件定義芯片［6］，主要針對(duì)目前AI芯片存在的以下問(wèn)題和任務(wù)需求：

（1）高效性和靈活性難以平衡。

（2）復(fù)雜的AI任務(wù)需要不同類(lèi)型AI算法任務(wù)的組合。

（3）不同任務(wù)需要的計(jì)算精度不同?？芍貥?gòu)計(jì)算芯片的設(shè)計(jì)思想在于軟硬件可編程，允許硬件架構(gòu)和功能隨軟件變化而變化，從而可以兼顧靈活性和實(shí)現(xiàn)超高的能效比。

5. 云端和邊緣側(cè)AI芯片和應(yīng)用

5.1 云端和邊緣側(cè)AI芯片

本研究團(tuán)隊(duì)從2017年開(kāi)始研發(fā)AI芯片，并在當(dāng)年發(fā)售了第一代云端專(zhuān)用AI芯片 BM1680。在2019年發(fā)布了第三代AI芯片BM1684。BM1684采用TSMC-12 nm工藝，有17.6Tops的int8和2.2Tflops的float32算力，典型功耗為16W，可以支持32路1080P的高清視頻解碼?；贐M1684芯片，研發(fā)了深度學(xué)習(xí)加速板卡SC5（如圖1所示）、高密度計(jì)算服務(wù)器SA5、邊緣計(jì)算盒子SE5、邊緣計(jì)算模組SM5等面向各種不同人工智能應(yīng)用的產(chǎn)品。

圖1.深度學(xué)習(xí)加速板卡SC5

5.2 研發(fā)產(chǎn)品的應(yīng)用

本團(tuán)隊(duì)的AI產(chǎn)品已經(jīng)在云端和邊緣側(cè)的多種應(yīng)用場(chǎng)景下落地使用，包括智慧園區(qū)（如圖2所示）、城市大腦（如圖3所示）、視頻結(jié)構(gòu)化、人臉布控、智能支付等。

圖2.智慧園區(qū)解決方案

圖3.城市大腦應(yīng)用

6. 結(jié)論

AI芯片行業(yè)尚處于起步階段，已經(jīng)有越來(lái)越多的項(xiàng)目開(kāi)始落地和商業(yè)化，它的快速發(fā)展有助于推動(dòng)整個(gè)人工智能產(chǎn)業(yè)的進(jìn)展。本文對(duì)AI芯片的現(xiàn)狀和未來(lái)可能的技術(shù)方向做了調(diào)研和分析，希望可以幫助讀者更好地了解AI芯片行業(yè)，AI 芯片擁有巨大的產(chǎn)業(yè)價(jià)值和戰(zhàn)略地位，相信中國(guó)的科研機(jī)構(gòu)和企業(yè)會(huì)努力抓住機(jī)遇，讓中國(guó)的人工智能產(chǎn)業(yè)蓬勃發(fā)展。

編輯：jq