在“阿爾法狗”（AlphaGo）打敗人類圍棋頂尖高手之后，AI徹底火了，有關(guān)這方面的討論從那時(shí)候起就一直不絕于耳，各種相關(guān)的AI應(yīng)用也層出不窮。現(xiàn)在遍地開花的人臉識(shí)別、圖像識(shí)別和語音識(shí)別等應(yīng)用背后都有AI的身影，各種廠商也聚焦在這些市場提供各種差異化的AI方案。

如被稱為國內(nèi)“AI四小龍”之一的依圖科技就憑借在計(jì)算機(jī)視覺、語音識(shí)別、語義理解和智能決策等多方面的技術(shù)積累，將人工智能技術(shù)注入到了智能安防、科技金融、智能醫(yī)療、智慧城市、新零售和智能制藥等多個(gè)領(lǐng)域，推出了全球領(lǐng)先的創(chuàng)新技術(shù)和產(chǎn)品。人工智能應(yīng)用也在依圖等廠商的的推動(dòng)下迅速發(fā)展，這也帶動(dòng)了后面相關(guān)芯片需求的發(fā)展。

根據(jù)Gartner的預(yù)測數(shù)據(jù)，全球人工智能芯片市場規(guī)模將在未來五年內(nèi)呈現(xiàn)飆升，從2018年的42.7億美元成長至343億美元，增長超過7倍。相關(guān)的芯片也從早期的CPU、GPU、FPGA發(fā)展到現(xiàn)在針對(duì)特殊應(yīng)用開發(fā)的客制化AI芯片。尤其是后者，更是成為最近這些年產(chǎn)業(yè)不可逆轉(zhuǎn)的潮流。

從GPU、FPGA到專用AI芯片的演變

在人工智能的發(fā)展早期，市場上都是選用CPU、GPU和FPGA等芯片作為人工智能應(yīng)用的“動(dòng)力”來源，但隨著終端市場的發(fā)展，這些芯片的瓶頸開始凸顯：

如CPU雖然能夠?yàn)槿斯ぶ悄芴峁┻m合的算力、價(jià)格、功耗和時(shí)間，但因?yàn)锳I的許多數(shù)據(jù)處理涉及矩陣乘法和加法，這并不是CPU所擅長的；GPU方面，雖然他們也是為了應(yīng)對(duì)圖像處理中的大規(guī)模并行計(jì)算處理而生的，但因?yàn)槠溆布Y(jié)構(gòu)方面的局限性，使得即使他們?cè)谌斯ぶ悄苡?xùn)練端如此重要，也還是有不少廠商嘗試尋找新的替代空間；FPGA也因?yàn)榛締卧挠?jì)算能力有限，速度和功耗方面也略顯不足，再加上價(jià)格昂貴，在市場上也頗受爭議。于是擁有成本、性能和功耗等優(yōu)勢的專門定制AI芯片就開始成為了市場追逐的目標(biāo)。

這不但推動(dòng)了一大波初創(chuàng)公司的誕生，很多做軟件和算法的公司也都先后投身其中。

在前者方面，國內(nèi)的寒武紀(jì)、地平線和比特大陸都是先鋒。以寒武紀(jì)為例，他們?cè)?016年推出了世界首款終端人工智能專用處理器“寒武紀(jì) 1A”處理器，并已應(yīng)用于數(shù)千萬智能手機(jī)中。2018年，寒武紀(jì)推出了MLU100機(jī)器學(xué)習(xí)處理器芯片。按照他們的說法，這個(gè)昔年的運(yùn)行主流智能算法時(shí)性能功耗比全面超越CPU和GPU。他們新一代的芯片最近也將浮出水面。

后者方面，谷歌和亞馬遜是當(dāng)中的先行者。據(jù)谷歌介紹，他們?cè)O(shè)計(jì)的、專門用于神經(jīng)網(wǎng)絡(luò)工作負(fù)載的矩陣處理器TPU可以極快地為神經(jīng)網(wǎng)絡(luò)處理大量的乘法和加法運(yùn)算，并且耗電量顯著降低，占用的物理空間更小。更重要的一點(diǎn)是通過其脈動(dòng)陣列架構(gòu)設(shè)計(jì)大幅度緩解了馮·諾依曼瓶頸；亞馬遜AWS部門也通過其定制設(shè)計(jì)的機(jī)器學(xué)習(xí)推理芯片Inferentia為客戶提供數(shù)百 TOPS（每秒萬億次運(yùn)算）推理吞吐量，以允許復(fù)雜模型能夠進(jìn)行快速預(yù)測。能以極低成本交付高吞吐量、低延遲推理性能。

對(duì)于前者來說，因?yàn)锳I市場潛力巨大，他們做芯片去分一杯羹無可厚非。但對(duì)于后者來說，這當(dāng)中的意義更是巨大。一方面是因?yàn)樗麄儞碛辛她嫶蟮目蛻?，加入了自研芯片無疑可以降低他們的成本。另一方面，自研的AI芯片在性能和功耗上也有很大的提升空間，廠商甚至可以做一些差異化的設(shè)計(jì)，提高其競爭力，這也是那么多系統(tǒng)廠商進(jìn)入這個(gè)市場的原因。

依圖科技則是這個(gè)市場的另一大玩家。

人工智能“老兵”的新疆界

和現(xiàn)在的一大波人工智能的新玩家相比，成立于2012年的依圖科技是不折不扣的老兵。在創(chuàng)始人朱瓏博士和林晨曦的領(lǐng)導(dǎo)，以及公司員工的腦力下，依圖科技在人臉識(shí)別、語音識(shí)別等多個(gè)領(lǐng)域積累了深厚的技術(shù)，公司也在多個(gè)市場攻城拔寨。這也幫助公司在一輪輪融資中，把市值推高，也讓公司創(chuàng)始人有底氣說出了”我們很貴，別人買不起“這樣的豪言。

而這個(gè)主打機(jī)器視覺，以“拓展人工智能新疆界”為Slogan的企業(yè)不滿足于此，他們正在橫向和縱向拓展他們的疆界，而芯片就是他們的目標(biāo)。按照依圖的想法，把握住高集成度， 坐上數(shù)據(jù)、算法、算力這三駕馬車，順利走好AI芯片這條道路，這就是他們的目標(biāo)。

基于此，依圖發(fā)布了云端深度學(xué)習(xí)推理定制化SoC芯片questcore。

據(jù)介紹，依圖科技的這款專為計(jì)算機(jī)視覺領(lǐng)域分析任務(wù)推出的芯片是基于自研的芯片架構(gòu)打造的，它能高效適配各類深度學(xué)習(xí)算法（包括TensorFlow、PyTorch 等主流深度學(xué)習(xí)框架），在保持極低功耗的同時(shí)能大幅提升計(jì)算力，模型兼容性好，可擴(kuò)展性高，無縫接入現(xiàn)有生態(tài)。

另外，questcore自帶的網(wǎng)絡(luò)支持模塊以及對(duì)虛擬化和容器化的支持，能將AI云的彈性計(jì)算和調(diào)度提升一個(gè)量級(jí)，這可以帶來能耗比的大幅提升。能夠充分發(fā)揮依圖世界級(jí)算法優(yōu)勢。依圖方面強(qiáng)調(diào)，在同等功耗下，他們的questcore芯片能提供市面現(xiàn)有同類主流產(chǎn)品 2~5 倍的視覺分析性能。

為了實(shí)現(xiàn)其“極智”目標(biāo)，依圖方面強(qiáng)調(diào)，他們從現(xiàn)在開始會(huì)在AI芯片和智能硬件垂直發(fā)力。

按照依圖的了解，在“算法定義芯片”的時(shí)代，算法即芯片，以 AI 為中心來思考架構(gòu)能為芯片設(shè)計(jì)帶來無限的想象空間，而算法則成為在這廣袤空間中探尋搜索的指南針，擁有該領(lǐng)域知識(shí)的頂級(jí)算法廠商在智慧芯片和智能計(jì)算革命中開始發(fā)揮舉足輕重的作用。

又因?yàn)橐缊D questcore作為服務(wù)器芯片可以獨(dú)立使用，有助于完善中國IC產(chǎn)業(yè)生態(tài)。這對(duì)于國內(nèi)的人工智能產(chǎn)業(yè)乃至整個(gè)集成電路產(chǎn)業(yè)來說，也是一大幸事。

依圖此次也同時(shí)發(fā)布了基于questcore打造的原子服務(wù)器，一臺(tái)服務(wù)器提供的算力與 8 張英偉達(dá)P4卡服務(wù)器相當(dāng)，而體積僅為后者的一半，功耗不到20%。這意味著，這樣一臺(tái)單手可持的小小服務(wù)器，就能驅(qū)動(dòng)一條主干道、一整個(gè)小型園區(qū)所需的智能算力。

依圖方面進(jìn)一步指出，questcore與依圖世界級(jí)算法結(jié)合，構(gòu)成軟硬件一體化的多元產(chǎn)品和豐富解決方案，將依圖研發(fā)團(tuán)隊(duì)的先進(jìn)算法和工程團(tuán)隊(duì)在智能安防、智能醫(yī)療、智慧零售和 AI CITY 等多個(gè)人工智能行業(yè)應(yīng)用場景的實(shí)踐經(jīng)驗(yàn)相結(jié)合，能為客戶實(shí)現(xiàn)更大價(jià)值。

未來無限美好，但仍需謹(jǐn)慎

集成電路是 20 世紀(jì)最偉大的發(fā)明，而人工智能則是 21 世紀(jì)人類的希望。從依圖看來，在沒有先例可循的智能時(shí)代，中國人工智能創(chuàng)業(yè)公司與世界巨頭站在同一起跑線上，完全有機(jī)會(huì)成為新時(shí)代全球領(lǐng)先的全棧智能解決方案提供商。依圖將立足“算法+芯片+數(shù)據(jù)智能”的極智戰(zhàn)略，深入行業(yè)，降低人工智能應(yīng)用落地和推廣成本，賦能行業(yè)，長期持續(xù)地為社會(huì)做出積極貢獻(xiàn)，與合作伙伴一起，共同推動(dòng)中國智能產(chǎn)業(yè)發(fā)展，構(gòu)建融合創(chuàng)新的智慧生態(tài)。

但我們也應(yīng)該冷靜看到，在全民歡呼背后，還有一些問題值得我們關(guān)注。就拿AI芯片領(lǐng)域來說，杜克大學(xué)教授陳怡然在之前曾提到，AI芯片在設(shè)計(jì)方面這幾大挑戰(zhàn)：

杜克大學(xué)教授陳怡然就曾提到，AI芯片在設(shè)計(jì)方面有幾大挑戰(zhàn)：

第一是大容量存儲(chǔ)和高密度計(jì)算，當(dāng)神經(jīng)深度學(xué)習(xí)網(wǎng)絡(luò)的復(fù)雜度越來越高的時(shí)候，參數(shù)也會(huì)越來越多，怎么處理是一大難題；

第二個(gè)挑戰(zhàn)是要面臨特定領(lǐng)域的架構(gòu)設(shè)計(jì)，因?yàn)閳鼍霸絹碓截S富，這些場景的計(jì)算需求是完全不一樣的。怎么樣通過對(duì)于不同的場景的理解，設(shè)置不同的硬件架構(gòu)變得非常重要；

第三個(gè)挑戰(zhàn)是芯片設(shè)計(jì)要求高，周期長，成本昂貴。從芯片規(guī)格設(shè)計(jì)、芯片結(jié)構(gòu)設(shè)計(jì)、RTL設(shè)計(jì)、物理版圖設(shè)計(jì)、到晶圓制造、測試封裝，需要2到3年時(shí)間，這段時(shí)間里軟件會(huì)快速發(fā)展，算法也在快速更新，芯片如何支持這些更新也是難點(diǎn)；

第四個(gè)挑戰(zhàn)是架構(gòu)及工藝。隨著工藝不斷的提升，從90納米到10納米，邏輯門生產(chǎn)的成本到最后變得飽和。也許在速度、功耗上會(huì)有提升，但單個(gè)邏輯生產(chǎn)的成本不會(huì)再有新的下降。這種情況下如果仍然用幾千甚至上萬個(gè)晶體管去做一個(gè)比較簡單的深度學(xué)習(xí)的邏輯，最后在成本上是得不償失的；

雖然依圖在軟件和算法領(lǐng)域獨(dú)步天下，他們這些軟硬結(jié)合的想法也能讓人遐想連篇，但對(duì)于在芯片這個(gè)全新領(lǐng)域，依圖還是新兵，未來即使商機(jī)無限，但也困難重重。

但正如依圖科技創(chuàng)始人朱瓏所說：“科技進(jìn)步極大降低了創(chuàng)新所需的經(jīng)濟(jì)門檻，但是偉大所需的精神門檻——勇氣，從來沒有降低過”。換句話說，為理想，沒有什么不可以。