谷歌的人工智能大殺器 AlphaGO 下贏了世界圍棋冠軍李世石，但你知道嗎，李世石的大腦就是我們普通人類的大腦，如果說人腦耗能是20瓦的話，AlphaGO所用的計算機(jī)耗能2000千瓦。

也就是說，人工智能機(jī)器人用十萬倍的功耗才把李世石打敗。

可見，人工智能要往前發(fā)展，硬件是個很大障礙，誰克服了這個障礙，誰就能往前跑得更快。這也是為什么，芯片對于人工智能的普及和發(fā)展來說極為重要。

作為人工智能的重要加速器，2018年人工智能芯片前景如何？市場現(xiàn)有的重要玩家又有什么重要表現(xiàn)？創(chuàng)業(yè)公司機(jī)會在哪里？硅谷投資人，LDV Partner基金的合伙人 Lake Dai 給出了獨(dú)家分析與預(yù)測.

戴學(xué)穎 Lake Dai

大玩家霸主地位仍在

如果說，誰是這兩年美國股市的大牛股，英偉達(dá)（Nvidia）是當(dāng)仁不讓的那個。

得益于人工智能和深度學(xué)習(xí)的迅速發(fā)展，英偉達(dá)股價在2016年上漲了近200%，2017年漲幅也高達(dá)81%，平均下來兩年內(nèi)股價升了10倍，跑贏了Facebook、Google、Apple 等科技巨頭的股票。

因?yàn)?GPU （Graphic Processing Unit，圖形處理單元）對處理復(fù)雜運(yùn)算、并行運(yùn)算擁有天然優(yōu)勢，這也讓英偉達(dá)成為了深度學(xué)習(xí)的首選和主要選擇。

去年12月，英偉達(dá)公布了首款基于 Volta 架構(gòu)的Titan V，官方宣稱是目前“全球最強(qiáng) PC 用 GPU”，主要針對的就是 AI、深度學(xué)習(xí)等相關(guān)領(lǐng)域的科研人士。

這款“旗艦產(chǎn)品”在 815 平方毫米的芯片上裝有 211 億個晶體管，可以產(chǎn)生 110 TFLOPS，當(dāng)然售價也達(dá)到了2999美元。

（圖片來自網(wǎng)絡(luò)）

相較于芯片巨頭英偉達(dá)，另一個重要玩家卻是以互聯(lián)網(wǎng)搜索起家的科技巨頭－－Google。我們知道李世石大戰(zhàn) AlphaGo，TPU 就是谷歌稱幫助 AlphaGo 擊敗李世石的“秘密武器”。

17年4月，谷歌關(guān)于張量處理器（TPU）的論文被接收，這也是谷歌官方首次公開這款定制機(jī)器學(xué)習(xí)芯片的“內(nèi)幕”。

將 TPU 與 Intel 和 Nvidia 的芯片進(jìn)行比較的話，谷歌官方博客透露，“盡管在一些應(yīng)用上利用率很低，TPU 平均比當(dāng)前的 GPU 或 CPU 快15－30倍，性能功耗比高出約 30－80 倍”。

為什么身為互聯(lián)網(wǎng)公司的谷歌要自己造芯片？還是取決于對處理數(shù)據(jù)和能耗的要求。盡管英偉達(dá)的GPU是理想的深度學(xué)習(xí)芯片，但谷歌數(shù)百萬臺服務(wù)器如果不停運(yùn)行，GPU的能耗就會變成嚴(yán)重的問題。于是，谷歌開始設(shè)計更高效、更低能耗的芯片。2016年5月的I/O大會，谷歌首次公布了TPU（張量處理單元）。

第二年的I/ O大會上，谷歌公司宣布了第二代 TPU 的性能：它可以提供高達(dá) 180 TFLOPS （萬億次浮點(diǎn)運(yùn)算）。為了讓人明白這個性能有多強(qiáng)大，谷歌官方舉例是：大規(guī)模翻譯模型可能需要花一整天的時間來訓(xùn)練世界上最好的32個GPU，但只需要一個下午，用八分之一個TPU，就能把這件事情做好了。

毫無疑問，目前，谷歌并沒有將定制的硬件推向市場，這對于英偉達(dá)、英特爾等公司來說是一件好事。根據(jù)Jon Peddie Research 的數(shù)據(jù)顯示，Nvidia獨(dú)立GPU市場份額在2017年第三季度增長至72.8％，而其余的則由AMD占據(jù)。

而消費(fèi)者和個人電腦OEM（原始設(shè)備制造商）更傾向于使用英特爾集成芯片和AMD最新Vega GPU上的獨(dú)立顯卡。不過，英特爾傳聞會拿出獨(dú)立GPU來挑戰(zhàn)Nvidia的霸主地位。

不管如何，當(dāng)前英偉達(dá)與英特爾等大公司仍占據(jù)人工智能芯片市場的頭號地位暫時并未被撼動。

小玩家垂直領(lǐng)域機(jī)會眾多

到底人工智能芯片市場有多大？根據(jù)瑞士聯(lián)合銀行預(yù)測，AI芯片市場到2021年將激增至350億美元，高于2016年的60億美元。盡管存在著英偉達(dá)、英特爾、谷歌等大玩家，但現(xiàn)有市場依舊容得下更多的玩家進(jìn)入。

比如說Groq這個隱形創(chuàng)業(yè)公司。

這家公司是由Google TPU 原來的創(chuàng)始工程師團(tuán)隊(duì)創(chuàng)立的，有八名是TPU團(tuán)隊(duì)的前十名員工，其中創(chuàng)始人之一就是TPU的發(fā)明者Jonathan Ross。盡管沒有正式產(chǎn)品出來，但團(tuán)隊(duì)稱，正在“構(gòu)建下一代芯片”。

硅谷知名風(fēng)投機(jī)構(gòu)Social Capital 為這家公司投了1000萬美元，投資人恰好是密探此前介紹過的Facebook 前副總裁Palihapitiya，光找到創(chuàng)始人，Palihapitiya 就花了一年半時間。

另一家公司 Novumind 則是希望打造Google Deepmind ＋TPU的結(jié)合。它旗下的NovuMind 為人工智能推理提供高性能、低功耗的 NovuTensor，以及為 AI Training 設(shè)計了超級計算機(jī) NovuStar，2016年已經(jīng)完成了1500萬美元的A輪融資。

到底中小玩家在什么領(lǐng)域更有機(jī)會？

我們都知道，目前使用深度神經(jīng)網(wǎng)絡(luò)是一個兩階段的過程，首先，第一階段是“訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)”，也就是Training。第二階段，是部署這個“神經(jīng)網(wǎng)絡(luò)”進(jìn)行推理，使用之前訓(xùn)練過的參數(shù)，對未知的輸入進(jìn)行分類、識別和處理，也就是Inference。

芯片針對訓(xùn)練（Training）和推理（Inference）功能所達(dá)到的不同目標(biāo)，給人工智能芯片領(lǐng)域的中小玩家?guī)砹司薮蟮臋C(jī)會。

因?yàn)獒槍τ?xùn)練的話，需要很高的吞吐量，大量的算力、數(shù)據(jù)等，而GPU 具有很高的計算精度（Computational precision），很強(qiáng)的并行、復(fù)雜運(yùn)算的能力，但Nvidia仍然需要不斷提高其內(nèi)存帶寬和數(shù)據(jù)吞吐量（Data throughput）。

而推理方面，通常會比訓(xùn)練分批輸入更少的數(shù)據(jù)量，但需要盡可能快的響應(yīng)和能耗效率優(yōu)化。能耗優(yōu)化在終端場景更為重要，比如無人機(jī)、IoT 等。谷歌第一代 TPU 就在推理方面的性能和耗電效能方面超過 GPU。據(jù)谷歌稱，與當(dāng)前的CPU和GPU相比，TPU的性能提高了15-30倍，每瓦性能提高了30-80倍。這些優(yōu)勢有助于Google的許多服務(wù)以較低的成本和規(guī)模運(yùn)行最先進(jìn)的神經(jīng)網(wǎng)絡(luò)。

舉個例子你就懂了。

神經(jīng)網(wǎng)絡(luò)如果是人，大家可以想象這個人在學(xué)習(xí)做一份工作。學(xué)習(xí)的過程中需要大量數(shù)據(jù)大量練習(xí)，反復(fù)出錯糾錯，然后總結(jié)出了經(jīng)驗(yàn)。一旦學(xué)會了，執(zhí)行工作就快很多了。因?yàn)槟阋呀?jīng)知道該怎么做了。

用專業(yè)詞匯說，訓(xùn)練有素的神經(jīng)網(wǎng)絡(luò)是在數(shù)字世界中運(yùn)用已經(jīng)學(xué)到的東西 - 識別圖像，語言，基因疾病，根據(jù)訓(xùn)練結(jié)果推斷出新數(shù)據(jù)。在AI詞典中，這被稱為“推理”。

推理跟人大腦處理信息是一樣的。如果你把人放在花花草草的環(huán)境里，去看去吸收，腦子里自然會有各種結(jié)論，比如這里有行人，這里有花草等等。如果你帶著“現(xiàn)在是不是春天”這樣的問題去看，你可能知道有嫩綠花草的就是春天，帶著問題去找答案，就沒用這么多腦細(xì)胞，決策就快了。

因此，現(xiàn)在很多芯片創(chuàng)業(yè)公司會研發(fā)推理芯片，而且就某一個垂直領(lǐng)域進(jìn)行優(yōu)化，他們更省能耗就是這個道理。

這里面就是機(jī)會，因?yàn)榇怪鳖I(lǐng)域很多，也不會是一個芯片解決所有的問題，專門優(yōu)化的芯片可能會做得更好。不過值得注意的是，各大公司其實(shí)各自有傾向性，到底是適應(yīng)什么場景去優(yōu)化這點(diǎn)很重要。

2018市場預(yù)測：“垂直領(lǐng)域有一場混戰(zhàn)”

既然垂直領(lǐng)域眾多機(jī)會，2018年人工智能芯片市場的一個明顯趨勢將會是：推理的垂直領(lǐng)域?qū)幸粓鲂酒盎鞈?zhàn)”。

因?yàn)?，不僅中小玩家意識到機(jī)會，連大公司也進(jìn)入了。

今年 CES 上，第一場重磅發(fā)布會就是英偉達(dá)發(fā)布"全球首個自動化機(jī)器處理器Drive Xavier"，這是英偉達(dá)新一代的自動駕駛芯片。因?yàn)?，深度學(xué)習(xí)正是自駕車算法的秘密武器。這款芯片不僅擁有8核ARM架構(gòu)的CPU、GPU核心暴漲到了512個，且采用了下一代Volta架構(gòu)、但功耗下降至30W。

（圖片來自網(wǎng)絡(luò)）

除了英偉達(dá)之外，英特爾也跳出來說“could be better in inference of AI”。再加上谷歌的定制芯片，有可能會促使Amazon 、Microsoft 等公司進(jìn)行更多的定制芯片開發(fā)，可見，接下來的芯片開發(fā)、研發(fā)的一場混戰(zhàn)很可能就在推理（Inference）這塊。

盡管機(jī)會眾多，但不可否認(rèn)芯片這個行業(yè)屬于研發(fā)投入非常高的行業(yè)。從巨頭公司來看，像英偉達(dá)拿出了20億美元研發(fā)費(fèi)用設(shè)計這款最強(qiáng)的芯片 Titan V，所以說，初創(chuàng)公司融資1000多萬美元，可能只夠完成芯片的設(shè)計部分。

此外，整個芯片從設(shè)計到量產(chǎn)的環(huán)節(jié)耗時非常久。因?yàn)槭紫纫幸粋€理論，需要滿足什么功能，當(dāng)芯片做出來，需要在不同場景之下測試，看是不是能夠?qū)崿F(xiàn)原本理論設(shè)計的功能。小批量生產(chǎn)后，還要結(jié)合量產(chǎn)做設(shè)計，看最終能否成功量產(chǎn)。通常至少需要上百人的工程師團(tuán)隊(duì)，花上2到3年的時間。

從人工智能的風(fēng)開始吹，借助英偉達(dá)股票這兩年的上漲和整個行業(yè)的增長空間，可以說，人工智能芯片的創(chuàng)業(yè)意識從兩年前就開始覺醒了，經(jīng)過兩年多的潛伏與發(fā)展，2018年恰好達(dá)到一個成長期。因此，不管是涌現(xiàn)更多的芯片也好，或者是芯片相關(guān)軟件層面的開發(fā)，2018年都會開始陸續(xù)出現(xiàn)，這將是今年值得期待和觀察的第二個重要趨勢。

讓我們拭目以待。