外媒:亞馬遜希望在智能家居硬件市場和人工智能產(chǎn)品領(lǐng)域保持競爭力

2月12日，The Information的報告證實，亞馬遜已經(jīng)開始設(shè)計制造AI芯片，以提升Alexa語音助理的質(zhì)量，為Echo設(shè)備提供支持。此舉緊隨蘋果和谷歌的步伐，被視為亞馬遜順勢而為的厚積薄發(fā)，至此，繁盛的AI芯片市場，百家爭鳴，鹿死誰手？

2月12日，根據(jù)The Information的一份報告，亞馬遜已經(jīng)開始設(shè)計制造AI芯片，專用AI芯片也可以幫助Alexa減少對整體遠程服務(wù)器的依賴，為Echo設(shè)備提供支持。

亞馬遜希望Alexa能夠成為家中的大腦，控制門鎖，安全攝像頭和烤箱等家用電器。 如果不需要互聯(lián)網(wǎng)，那么與這些設(shè)備的連接將更安全可靠。

該報告稱，亞馬遜希望在智能家居硬件市場和面向消費者的人工智能產(chǎn)品領(lǐng)域保持競爭力，并已經(jīng)擁有近450名芯片專業(yè)員工，這要歸功于亞馬遜發(fā)力招聘和收購。

在過去幾年中，2015年，亞馬遜以3.5億美元收購以色列芯片制造商Annapurna Labs，以及17年年底收購安全攝像頭制造商Blink。Blink的芯片可以降低生產(chǎn)成本并延長其他產(chǎn)品的電池壽命，從亞馬遜的云端攝像頭開始，并擴展到Echo揚聲器系列。

此舉緊隨蘋果和谷歌的步伐，后兩家公司已經(jīng)開發(fā)并部署了各種規(guī)模的定制AI硬件。人工智能任務(wù)由于其計算密集程度高，通常需要為設(shè)備本身定制設(shè)計芯片，甚至需要為數(shù)據(jù)中心定制設(shè)計服務(wù)器，這些服務(wù)器通常從云端進行人工智能算法的訓練。

這一消息確實對Nvidia和英特爾等公司的業(yè)務(wù)構(gòu)成風險，這兩家公司都將其大部分芯片制造專業(yè)技術(shù)轉(zhuǎn)移到了AI以及新興領(lǐng)域，并通過為蘋果、亞馬遜等公司設(shè)計和制造芯片來賺錢。

亞馬遜收購以色列芯片公司及攝像頭Blink, 發(fā)力AI芯片后勁十足

亞馬遜計劃開發(fā)自己的AI芯片，以便在其不斷擴展的Echo產(chǎn)品線中使用Alexa驅(qū)動的產(chǎn)品可以進行更多的計算處理，而不必與云進行通信，這一過程可以提高運算速度。

蘋果和谷歌都開始了類似的轉(zhuǎn)變。蘋果已經(jīng)開始開發(fā)自己的iPhone芯片，比如該設(shè)備的圖形處理器和電源管理單元，并因此切斷了長期供應(yīng)商。關(guān)于人工智能，蘋果公司設(shè)計了一種新的“神經(jīng)引擎”，作為其A11仿生芯片的一部分，它在處理機器學習算法的設(shè)備上運行，為Face ID和ARKit應(yīng)用程序提供幫助。

另一方面，谷歌已經(jīng)開發(fā)了自己的AI硬件多年，首先是定制ASIC處理器，為其TensorFlow AI培訓平臺定制設(shè)計的TPU（去年升級為第二版），展現(xiàn)機器學習任務(wù)方面的優(yōu)勢。PU是Google子公司DeepMind AlphaGo系統(tǒng)的基礎(chǔ)，它幫助Google保持與同樣設(shè)計自己AI培訓服務(wù)器硬件的Facebook的競爭力。

在過去的兩年左右時間里，谷歌已將其知識轉(zhuǎn)移到了消費者領(lǐng)域，開始開發(fā)自定義的AI芯片以支持相機設(shè)備，還在Pixel 2中設(shè)計了圖像處理器。

繁盛的AI芯片市場，百家爭鳴，鹿死誰手？

通用芯片并不能很好地適應(yīng)深度學習算法的要求，效率低，功耗大，成本高。各種神經(jīng)網(wǎng)絡(luò)算法需要專用芯片來保證其運行效率。人工智能的浪潮，催生了 AI 專用芯片的大爆發(fā)。

無論是云端的運算還是移動端的運算，都需要專門針對 AI 算法設(shè)計的芯片，但這二者對 AI 專用芯片的要求不同。云端要求 AI 芯片適應(yīng)多種神經(jīng)網(wǎng)絡(luò)架構(gòu)，同時能進行高精度浮點運算，峰值性能至少要達到Tflops（每秒執(zhí)行10^12次浮點數(shù)運算）級別，對功耗沒有嚴苛要求；支持陣列式結(jié)構(gòu)以進一步提高性能。

移動端 AI 芯片對設(shè)計的要求截然不同。一個根本的要求是控制功耗，這就需要使用一些辦法（如網(wǎng)絡(luò)壓縮）來提升計算能效，同時盡可能少地降低計算性能和計算精度的損失。

各個廠商紛紛在這兩個方向上發(fā)力 AI 芯片的研發(fā)，當然云端和移動端也無法截然分開。比如寒武紀，此前研發(fā)的寒武紀深度學習處理器是面向大規(guī)模神經(jīng)網(wǎng)絡(luò)和多種機器學習算法的，而2016 年推出的寒武紀1A處理器（Cambricon-1A）則是面向智能手機、安防監(jiān)控、可穿戴設(shè)備、無人機和智能駕駛等各類終端設(shè)備的。

在云端，除了上文的英偉達，英特爾在收購 Altera 之后推出了基于FPGA的專用深度學習加速卡，更收購了Nervana，瞄準為深度學習專門定做和優(yōu)化的 ASIC 芯片；收購了Movidius，其高性能視覺處理芯片將補足英特爾在移動端 AI 芯片的缺失。另外還有IBM的類腦芯片 TrueNorth。當然還有本文開頭講到的谷歌TPU。日前，百度又正式推出了 XPU，它是基于百度FPGA 的新一代 AI 處理架構(gòu)，擁有GPU的通用性和FPGA的高效率和低能耗，對百度的深度學習平臺PaddlePaddle做了高度的優(yōu)化和加速。

在移動端，谷歌、蘋果和三星等都在用專門的 AI 芯片構(gòu)建手機。微軟正在為增強現(xiàn)實耳機專門設(shè)計這樣的芯片。同時從科技巨頭谷歌到傳統(tǒng)車廠豐田，所有人都在進行自動駕駛汽車的研發(fā)，正需要能夠在移動端良好運行的 AI 芯片。

比如擅長底層架構(gòu)改進的蘋果，其最新發(fā)布的 Apple X采用了定制的芯片來處理人工智能工作負載。這是一個雙核的“A11 生物神經(jīng)網(wǎng)絡(luò)引擎”（A11 bionic neural engine）芯片，每秒運算次數(shù)最高可達6000億次。該芯片賦能的最重要的事情就是使 Face ID 身份認證功能能夠快速識別人臉，從而解鎖 iPhone X 或進行購物。

芯片走向定制化，以滿足AI軟件的需求，在行業(yè)中已經(jīng)變成一股新的大趨勢。谷歌已經(jīng)設(shè)計了兩代芯片來處理數(shù)據(jù)中心的AI計算工作負載。 微軟也為未來版本的 HoloLens 混合現(xiàn)實頭盔開發(fā)了一款A(yù)I芯片。在iPhone上安裝新的專用芯片意味著主芯片的工作量將會減少，從而提高電池壽命。 否則，例如，通過手機攝像頭進行物體識別同時進行視頻錄制時，可能會迅速地將電池消耗完。此外，在不久的將來， iPhone以外的更多移動設(shè)備都可能包含針對AI的處理器。

又如華為。在德國IFA 2017舉辦期間，華為正式發(fā)布全球首款人工智能移動計算平臺麒麟970。華為方面表示，這一帶有強大AI計算力的手機端移動計算平臺，是業(yè)界首顆帶有獨立NPU（Neural Network Processing Unit）專用硬件處理單元的手機芯片。創(chuàng)新性集成NPU專用硬件處理單元，創(chuàng)新設(shè)計了HiAI移動計算架構(gòu)，其AI性能密度大幅優(yōu)于CPU和GPU。相較于四個Cortex-A73核心，處理相同AI任務(wù)，新的異構(gòu)計算架構(gòu)擁有約 50 倍能效和 25 倍性能優(yōu)勢，圖像識別速度可達到約2000張/分鐘。麒麟970高性能8核CPU，對比上一代能效提高20%。率先商用 Mali G72 12-Core GPU，與上一代相比，圖形處理性能提升20%，能效提升50%，可以更長時間支持3D大型游戲的流暢運行。

此外，中國也有幾家公司在進行 AI 芯片的研發(fā)。此前騰訊發(fā)布的 AI 產(chǎn)業(yè)報告指出，AI 芯片作為產(chǎn)業(yè)核心，也是技術(shù)要求和附加值最高的環(huán)節(jié)，產(chǎn)業(yè)價值和戰(zhàn)略地位遠遠大于應(yīng)用層創(chuàng)新。而在這一點上，中國和美國的差距還很大。報告顯示，從基礎(chǔ)層的芯片企業(yè)數(shù)量來看，中國擁有14家，美國33家，中國僅為美國的42%。

國內(nèi)在 AI 芯片研發(fā)表現(xiàn)突出的企業(yè)，除上文介紹的寒武紀外，還有推出具備深度學習人工智能的嵌入式視頻采集壓縮編碼系統(tǒng)級芯片“星光智能一號”的中星微電子，致力于軟硬件一體化解決方案的地平線機器人，以及打造了“深度學習處理單元”（Deep Processing Unit，DPU）的深鑒科技。深鑒科技的目標是以 ASIC 級別的功耗，達到優(yōu)于 GPU 的性能，目前第一批產(chǎn)品基于FPGA平臺。

美國國防部研究部門 Darpa 的項目經(jīng)理吉爾·普拉特（Gill Pratt）表示，這種向?qū)I(yè)芯片和新的計算機架構(gòu)轉(zhuǎn)型的趨勢可能導致人工智能芯片的“寒武紀爆炸”。正如他所看到的那樣，將計算量擴展到大量微小的低功耗芯片，以使機器可以像人類的大腦一樣運行，這樣就有效地利用了能量。