【博主簡(jiǎn)介】本人“愛(ài)在七夕時(shí)”，系一名半導(dǎo)體行業(yè)質(zhì)量管理從業(yè)者，旨在業(yè)余時(shí)間不定期的分享半導(dǎo)體行業(yè)中的：產(chǎn)品質(zhì)量、失效分析、可靠性分析和產(chǎn)品基礎(chǔ)應(yīng)用等相關(guān)知識(shí)。常言：真知不問(wèn)出處，所分享的內(nèi)容如有雷同或是不當(dāng)之處，還請(qǐng)大家海涵。當(dāng)前在各網(wǎng)絡(luò)平臺(tái)上均以此昵稱(chēng)為ID跟大家一起交流學(xué)習(xí)！

談到AI，相信現(xiàn)在很多人都不陌生了，因?yàn)锳I已經(jīng)滲透到我們生活的方方面面。從語(yǔ)音助手、圖像識(shí)別到智能推薦系統(tǒng)，AI技術(shù)正越來(lái)越多地應(yīng)用于我們的日常生活。我們能夠通過(guò)語(yǔ)音指令控制智能家居，讓機(jī)器人幫助我們打掃房間，還能通過(guò)人臉識(shí)別解鎖手機(jī)。AI與物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)的結(jié)合，正在為我們創(chuàng)造出更加智能化和便捷的世界。

同時(shí)，AI的興起也被視為第四次工業(yè)革命的重要驅(qū)動(dòng)力之一。它不僅改變著我們的生活方式，還影響著產(chǎn)業(yè)結(jié)構(gòu)和社會(huì)發(fā)展。在醫(yī)療領(lǐng)域，AI輔助診斷和精準(zhǔn)治療正在幫助醫(yī)生提高效率和準(zhǔn)確性。在交通領(lǐng)域，自動(dòng)駕駛技術(shù)正逐漸成為現(xiàn)實(shí)，為我們的出行帶來(lái)了更高的安全性和便利性。而在教育、金融、農(nóng)業(yè)等各個(gè)領(lǐng)域，AI也展示出巨大的潛力和創(chuàng)新空間。

那具體來(lái)講，什么是AI？AI能如此強(qiáng)大又靠的是什么呢？這就是今天我要跟大家分享的內(nèi)容：

一、AI的定義

AI，英文全稱(chēng)為：Artificial Intelligence，簡(jiǎn)稱(chēng)：AI，中文全稱(chēng)為：人工智能。它是計(jì)算機(jī)科學(xué)的一個(gè)分支，旨在使計(jì)算機(jī)模擬和仿效人類(lèi)智能。通過(guò)模擬人類(lèi)的思維、學(xué)習(xí)和判斷能力，AI可以自主地處理和解決各種復(fù)雜問(wèn)題，為人類(lèi)帶來(lái)了前所未有的便造力。

眾所周知，AI的三大基礎(chǔ)要素是數(shù)據(jù)、算法和算力，而這三大要素的核心就是AI芯片技術(shù)。隨著各項(xiàng)基于AIGC前沿科技的廣泛應(yīng)用，AI對(duì)于算力的要求開(kāi)始不斷地快速攀升。特別是深度學(xué)習(xí)成為當(dāng)前AI研究和運(yùn)用的主流方式，目前通用的CPU可以拿來(lái)執(zhí)行AI的算法。但是因?yàn)閮?nèi)部有大量的非運(yùn)算邏輯，而這些指令級(jí)對(duì)于目前的AI算法來(lái)說(shuō)是完全用不上的，所以CPU并不能達(dá)到最高的運(yùn)算效率。因此，具有海量并行計(jì)算能力并且能夠加速AI計(jì)算的AI芯片應(yīng)運(yùn)而生。

二、什么是AI芯片

從廣義上講，能運(yùn)行AI算法的芯片都叫AI芯片。目前通用的CPU、GPU、FPGA等都能執(zhí)行AI算法，只是執(zhí)行效率差異較大。

但狹義上講一般將AI芯片定義為“專(zhuān)門(mén)針對(duì)AI算法做了特殊加速設(shè)計(jì)的芯片”。

目前AI芯片的主要用于語(yǔ)音識(shí)別、自然語(yǔ)言處理、圖像處理等大量使用AI算法的領(lǐng)域，通過(guò)芯片加速提高算法效率。AI芯片的主要任務(wù)是矩陣或向量的乘法、加法，然后配合一些除法、指數(shù)等算法。AI算法在圖像識(shí)別等領(lǐng)域，常用的是CNN卷積網(wǎng)絡(luò)，一個(gè)成熟的AI算法，就是大量的卷積、殘差網(wǎng)絡(luò)、全連接等類(lèi)型的計(jì)算，本質(zhì)是乘法和加法。

對(duì)汽車(chē)行業(yè)而言，AI芯片的主要用于就是處理智能駕駛中環(huán)境感知、傳感器融合和路徑規(guī)劃等法帶來(lái)的大量并行計(jì)算需求。

AI芯片可以理解為一個(gè)快速計(jì)算乘法和加法的計(jì)算器，而CPU要處理和運(yùn)行非常復(fù)雜的指令集，難度比AI芯片大很多。GPU雖然為圖形處理而設(shè)計(jì)但是CPU與GPU并不是專(zhuān)用AI芯片，其內(nèi)部有大量其他邏輯來(lái)實(shí)現(xiàn)其他功能，這些邏輯對(duì)于目前的AI算法來(lái)說(shuō)完全無(wú)用。

目前經(jīng)過(guò)專(zhuān)門(mén)針對(duì)AI法做過(guò)開(kāi)發(fā)的GPU應(yīng)用較多，也有部分企業(yè)用FPGA做開(kāi)發(fā)，但是行業(yè)內(nèi)對(duì)于AI算法必然出現(xiàn)專(zhuān)用AI芯片。

三、為什么要用AI芯片

人工智能從功能上來(lái)看包括推理和訓(xùn)練兩個(gè)環(huán)節(jié)，智能駕駛行業(yè)亦然。在訓(xùn)練環(huán)節(jié)，通過(guò)大數(shù)據(jù)訓(xùn)練出一個(gè)復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型，目前大部分企業(yè)在訓(xùn)練環(huán)節(jié)主要使用英偉達(dá)的GPU集群完成。推理環(huán)節(jié)是指利用訓(xùn)練好的模型，使用大量數(shù)據(jù)推理出各種結(jié)論。因此，訓(xùn)練環(huán)節(jié)對(duì)芯片的算力性能要求比較高推理環(huán)節(jié)對(duì)簡(jiǎn)單指定的重復(fù)計(jì)算和低延遲的要求很高。

從應(yīng)用場(chǎng)景來(lái)看，人工智能芯片應(yīng)用于云端和設(shè)備端，在智能駕駛領(lǐng)域同樣具備云服務(wù)器和車(chē)載的各種計(jì)算平臺(tái)或域控制器，在智能駕駛深度學(xué)習(xí)的訓(xùn)練階段需要極大的數(shù)據(jù)量和大量運(yùn)算，單一處理器無(wú)法獨(dú)立完成，因此訓(xùn)練環(huán)節(jié)只能在云服務(wù)器實(shí)現(xiàn)。相對(duì)的在設(shè)備端即車(chē)上，各種ECU、DCU等終端數(shù)量龐大，而且需求差異較大。因此，推理環(huán)節(jié)無(wú)法在云端完成，這就要求車(chē)上的各種電子單元、硬件計(jì)算平臺(tái)或域控制器有獨(dú)立的推理計(jì)算能力，因此必須要有專(zhuān)用的AI芯片來(lái)應(yīng)對(duì)這些推理計(jì)算需求。

傳統(tǒng)的CPU、GPU都可以拿來(lái)執(zhí)行AI算法，但是速度慢，性能低，尤其是CPU，在智能駕駛領(lǐng)域無(wú)法實(shí)際投入商用。

比如，自動(dòng)駕駛需要識(shí)別道路、行人、紅綠燈等路況和交通狀況，這在自動(dòng)駕駛算法里面都是屬于并行計(jì)算，如果是CPU去執(zhí)行計(jì)算，那么估計(jì)車(chē)撞到人了也沒(méi)算出來(lái)個(gè)結(jié)果，CPU并行計(jì)算速度慢屬于先天不足。如果用GPU速度要快得多，畢竟GPU專(zhuān)為圖像處理并行計(jì)算設(shè)計(jì)，但是GPU功耗過(guò)大，汽車(chē)的電池?zé)o法長(zhǎng)時(shí)間支撐正常使用，而且GPU價(jià)格相對(duì)較高，用于自動(dòng)駕駛量產(chǎn)的話普通消費(fèi)者也用不起。另外，GPU因?yàn)椴皇菍?zhuān)門(mén)針對(duì)AI算法開(kāi)發(fā)的ASIC，執(zhí)行AI計(jì)算的速度優(yōu)勢(shì)還沒(méi)到極限，還有提升空間。

在智能駕駛這樣的領(lǐng)域，環(huán)境感知、物體識(shí)別等深度學(xué)習(xí)應(yīng)用要求計(jì)算響應(yīng)方面必須快!時(shí)間就是生命，慢一步就有可能造成無(wú)法挽回的情況，但是保證性能快效率高的同時(shí)，功耗不能過(guò)高，不能對(duì)智能汽車(chē)的續(xù)航里程造成較大影響，也就是AI芯片必須功耗低，所以GPU不是適合智能駕駛的最佳AI芯片選擇。因此開(kāi)發(fā)ASIC就成了必然。

四、AI芯片的發(fā)展歷程

從圖靈的論文《計(jì)算機(jī)器與智能》和圖靈測(cè)試，到最初的神經(jīng)元模擬單元感知機(jī)，再到現(xiàn)在多達(dá)上百層的深度神經(jīng)網(wǎng)絡(luò)，人類(lèi)對(duì)人工智能的探索從來(lái)都沒(méi)有停止過(guò)。上世紀(jì)80年代，多層神經(jīng)網(wǎng)絡(luò)和反向傳播算法的出現(xiàn)給人工智能行業(yè)點(diǎn)燃了新的火花。

1989年，貝爾實(shí)驗(yàn)室成功利用了反向傳播算法在多層神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)了一個(gè)手寫(xiě)郵編識(shí)別器。

1998年，兩位人工智能科學(xué)家楊立坤和約書(shū)亞·本杰奧發(fā)表了手寫(xiě)識(shí)別神經(jīng)網(wǎng)絡(luò)和反向傳播優(yōu)化相關(guān)的論文，開(kāi)創(chuàng)了卷積神經(jīng)網(wǎng)絡(luò)的時(shí)代。此后，人工智能陷入了長(zhǎng)時(shí)間的發(fā)展沉寂階段，直到1997年IBM的深藍(lán)戰(zhàn)勝了國(guó)際象棋大師，和2011年IBM的沃森智能系統(tǒng)在《危險(xiǎn)邊緣》節(jié)目中勝出，人工智能才又一次被人們所關(guān)注。

2016年，阿爾法狗擊敗了韓國(guó)圍棋九段的職業(yè)選手，就標(biāo)志著人工智能的又一波高潮。從基礎(chǔ)算法、底層硬件和工具框架到實(shí)際的應(yīng)用場(chǎng)景，現(xiàn)階段的人工智能領(lǐng)域已經(jīng)全面開(kāi)花。作為人工智能核心的底層硬件，AI芯片同樣也經(jīng)歷了多次的起伏和波折。總體來(lái)看，AI芯片的發(fā)展前后經(jīng)歷了四次大的變化。

2007年以前，AI芯片產(chǎn)業(yè)一直沒(méi)有發(fā)展成為成熟的產(chǎn)業(yè)，同時(shí)由于當(dāng)時(shí)的算法、數(shù)據(jù)量等因素，這個(gè)階段的AI芯片并沒(méi)有特別強(qiáng)烈的市場(chǎng)需求，通用的CPU芯片即可滿足應(yīng)用需求。隨著高清視頻、VR、AR、游戲等行業(yè)的發(fā)展，GPU產(chǎn)品得到了快速的突破，同時(shí)人們發(fā)現(xiàn)GPU的并行計(jì)算特性恰好適應(yīng)人工智能算法及大數(shù)據(jù)并行計(jì)算的需求。如GPU比之前傳統(tǒng)的CPU在深度學(xué)習(xí)算法的運(yùn)算上可以提升幾十倍的效率，因此開(kāi)始嘗試使用GPU進(jìn)行人工智能計(jì)算。

進(jìn)入2010年后，云計(jì)算開(kāi)始廣泛推廣，人工智能的研究人員通過(guò)云計(jì)算借助大量的CPU和GPU進(jìn)行混合運(yùn)算，進(jìn)一步推進(jìn)了AI芯片的深入應(yīng)用，從而催生了各類(lèi)AI芯片的研發(fā)和應(yīng)用。人工智能對(duì)于計(jì)算能力的要求在不斷地提升。

進(jìn)入2015年后，GPU性能功耗比不高的特點(diǎn)使其在工作適用場(chǎng)合受到多種限制，業(yè)界開(kāi)始研發(fā)針對(duì)人工智能的專(zhuān)用芯片，以其通過(guò)更好的硬件和芯片架構(gòu)在計(jì)算效率、能耗比等性能上得到進(jìn)一步的提升。

五、AI芯片的基礎(chǔ)知識(shí)

關(guān)于“AI（人工智能）芯片”基礎(chǔ)知識(shí)的詳解；mp.weixin.qq.com/s/qn2Cpx7LkRwAWz00oIKZYg?token=1423444785&lang=zh_CN

六、總結(jié)一下

眾所周知，通用處理器(CPU)的摩爾定律已入暮年，而機(jī)器學(xué)習(xí)和Web 服務(wù)的規(guī)模卻在指數(shù)級(jí)增長(zhǎng)。

人們使用定制硬件來(lái)加速常見(jiàn)的計(jì)算任務(wù)，然而日新月異的行業(yè)又要求這些定制的硬件可被重新編程來(lái)執(zhí)行新類(lèi)型的計(jì)算任務(wù)。

將以上四種架構(gòu)對(duì)比，GPU未來(lái)的主攻方向是高級(jí)復(fù)雜算法和通用性人工智能平臺(tái)，其發(fā)展路線分兩條走:一是主攻高端算法的實(shí)現(xiàn)，對(duì)于指令的邏輯性控制要更復(fù)雜一些，在面向需求通用的AI計(jì)算方面具有優(yōu)勢(shì);二是主攻通用性人工智能平臺(tái)，GPU的通用性強(qiáng)，所以應(yīng)用于大型人工智能平臺(tái)可高效完成不同的需求。FPGA更適用于各種細(xì)分的行業(yè)，人工智能會(huì)應(yīng)用到各個(gè)細(xì)分領(lǐng)域。

ASIC芯片是全定制芯片，長(zhǎng)遠(yuǎn)看適用于人工智能。現(xiàn)在很多做AI算法的企業(yè)也是從這個(gè)點(diǎn)切入。因?yàn)樗惴◤?fù)雜度越強(qiáng)，越需要一套專(zhuān)用的芯片架構(gòu)與其進(jìn)行對(duì)應(yīng)，ASIC基于人工智能算法進(jìn)行定制，其發(fā)展前景看好。類(lèi)腦芯片是人工智能最終的發(fā)展模式但是離產(chǎn)業(yè)化還很遙遠(yuǎn)。

幾個(gè)品牌的SOC及域控制器做的還是不錯(cuò)的尤其是基于NVIDIA Xavier以及前期PX2等芯片的開(kāi)發(fā)。國(guó)內(nèi)大部分企業(yè)的應(yīng)用比較集中在Xavier平臺(tái)和Linux系統(tǒng)，尤其是新勢(shì)力造車(chē)企業(yè)，而傳統(tǒng)車(chē)企更青睞T1、瑞薩等半導(dǎo)體公司的智能AI芯片以及QNX系統(tǒng)。國(guó)內(nèi)基于Xavier做開(kāi)發(fā)的企業(yè)很多，天津優(yōu)控智行目前的域控制器產(chǎn)品在行業(yè)內(nèi)屬于中等偏上水平，但是其軟件工具和服務(wù)做得相對(duì)有些優(yōu)勢(shì)，后期有時(shí)間也扒一扒地平線、智行者等企業(yè)的域控制器學(xué)習(xí)學(xué)習(xí)。

寫(xiě)在最后的話

AI芯片的發(fā)展向著更低功耗、更接近人腦、更靠近邊緣的方向發(fā)展。現(xiàn)在用于深度學(xué)習(xí)的AI芯片，為了實(shí)現(xiàn)深度學(xué)習(xí)的龐大乘積累加運(yùn)算和實(shí)現(xiàn)計(jì)算的高性能，芯片面積越做越大，帶來(lái)了成本和散熱等問(wèn)題。AI芯片編程的成熟度和芯片的安全以及神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性等問(wèn)題也都未能得到很好的解決。因此在現(xiàn)有的基礎(chǔ)上進(jìn)行改進(jìn)和完善此類(lèi)芯片，仍然是當(dāng)前的主要研究方向。最終，AI芯片將進(jìn)一步提高智能，向著更接近人腦的高度智能方向不斷發(fā)展，并且向著邊緣逐步移動(dòng)，以獲得更低的能耗。AI芯片的發(fā)展，計(jì)算范式隨著創(chuàng)新方向以及硬件實(shí)現(xiàn)，AI硬件加速技術(shù)已經(jīng)逐漸走向成熟。未來(lái)可能會(huì)有更多的創(chuàng)業(yè)會(huì)來(lái)自電路和器件級(jí)技術(shù)的結(jié)合，比如存內(nèi)計(jì)算、類(lèi)腦計(jì)算，或者是針對(duì)特殊的計(jì)算模式或者是新模型，還會(huì)有稀疏化計(jì)算和近似計(jì)算。關(guān)于深度計(jì)算的研究，也將持續(xù)進(jìn)行。

免責(zé)聲明

【我們尊重原創(chuàng)，也注重分享。文中的文字、圖片版權(quán)歸原作者所有，轉(zhuǎn)載目的在于分享更多信息，不代表本號(hào)立場(chǎng)，如有侵犯您的權(quán)益請(qǐng)及時(shí)私信聯(lián)系，我們將第一時(shí)間跟蹤核實(shí)并作處理，謝謝！】

審核編輯 黃宇