现在的位置:
人工智能的发展还得靠这些芯片，你认识这几种？
如果你今天问身边懂科技的朋友“未来是什么时代？”他八成会告诉你是人工智能的时代。
已经开发了数十年，但在近几年得到迅猛发展的深度学习神经网络技术，正在驱动一次人工智能革命。而革命的对象正是微信、Facebook 等主流科技产品背后的那些科技公司。
新的革命需要新的武器。酷睿和骁龙们不能满足需求，人工智能计算需要新的芯片。当我们谈起处理器，我们过去谈的是酷睿、GTX 和骁龙——现在是时候了解一些人工智能时代的芯片了。通过本文，我将用比较通俗易懂的语言为你介绍几款主流的深度学习加速处理器。
GPU，也就是我们常说的显卡，得益于其硬件架构对并行计算支持比较好，最一开始大家都用 GPU 来搞深度学习。一个很经典的例子就是斯坦福教授吴恩达跑到 Google，带队用大量 GPU 做出了一个专门跑神经网络的大规模计算集群，也就是后来的 Google 大脑。
但在深度学习专家眼中，GPU 仍不是最优的答案。它的性能很好，但耗电惊人。而且另一个搞笑的原因是，由于挖比特币和以太坊需要，显卡到处都缺货，深度学习研究者经常买不到或者买不起。神啊，赐他们一台不挖矿，只跑深度学习的处理器可好？
即将前往麻省理工学院 (MIT) 担任助理教授的深度学习专家韩松告诉PingWest 品玩，深度学习的计算模式和常规计算有很大不同，高度稳定且不需要很高精确性。“1 乘以 1 可以不等于一”，这是其他计算不能允许的。
另一方面，深度学习专门硬件的特点是计算高效，缺点是很贵，需要有大量需求开发和使用才比较经济，韩松指出，现在深度学习应用的已经非常广，给人工智能开发专门的计算硬件是值得的。
Facebook 人工智能研究院院长燕乐存 (Yann LeCun)，20 多年前在贝尔实验室就开发过一款名叫 ANNA 的人工智能专门芯片。那时他还在做光学字符识别 (OCR) 研究，而 ANNA 识别字符的速度达到了惊人的 1000 个/秒，比同时代其他处理器都快得多。 你也可以说，ANNA 是最早的“人工智能芯片”，或者更准确来说，深度学习加速处理器之一。
现在？人工智能芯片多到一双手已经数不过来了。几乎每一家过去的“软件”或者“服务”公司，那些跟硬件一直没太大关系的大型科技公司，比如 Google、亚马逊、微软，都已经开始使用，或者正在研发自己的深度学习加速处理器。
Google 的人工智能驱动着每一次搜索的结果展现，Facebook 用人工智能来优化用户的时间线，在用数千种语言发布的内容之间互译，腾讯也在西雅图设立了实验室进行人工智能基础研究，尝试将其用在微信等用户过亿的产品中。
而这种变化对芯片行业的巨头们带来了新的冲击，他们有的发现自己已经过时了，有的正在极速追赶 Google，通过收购的方式拓展自己的产品线，在人工智能芯片市场还未开始论资排辈之前，就先占上一把交椅。
Google：TPU
是什么： Tensor Processing Unit（张量处理单元），是 Google 开发的专门目的集成电路 (ASIC) 。
性能：TPU 已经开发出了第二代，每颗带宽 600GB/s，算力达到 45 TFLOPS (8位整数)。
它的模组化能力出众，Google 的用法是将 4 颗 TPU 放在一块电路板上，组成一个 180 TFLOPS 的模组“Cloud TPU”，用它们来替换深度学习云机房里的 CPU 和 GPU，单机最多可以拼接 256 块 Cloud TPU，算力达到惊人的 11.5 PFLOPS（下图）。
用途：前面提到，Google 过去用显卡组建大规模计算集群，能耗较高，训练速度较慢，该公司需要一个专门的计算架构，去更高效地训练和使用深度神经网络。所以 Google 开发了 TPU。
TPU 于面向大规模低精度的深度学习计算而设计和优化，适合神经网络的训练和推理（在具体用途和场景中运行神经网络）。现在，TPU 不仅 Google 员工的内部工作系统，还支持着搜索、照片、翻译、街景等 Google 旗下产品。就连击败了李世乭、柯洁的围棋人工智能程序 AlphaGo，也运行在 TPU 上。
微软：HPU 和“脑波计划”DPU
是什么：HPU 是微软在混合现实头显 HoloLens 里自行设计，并由合作伙伴生产的“协处理器”。具体是用一块 FPGA（现场可编程门阵列），一种非常灵活的半定制化电路实现的。
“脑波计划”(Project Brainwave) 则是微软前不久刚刚宣布的人工智能硬件加速计划，包括一个大量芯片组成的分布式计算架构，和一套直接运行在芯片上的“操作系统”。脑波计划的硬件核心是 DPU (DNN Processing Unit)，也即深度神经网络处理单元——本质上还是 FPGA。
性能：HoloLens 一代内置的 HPU，能够在 10W 功耗下提供 1TFLOPS 算力。微软上个月刚刚宣布了新一代 HPU，具体细节未知，但可以预料到的是功耗会进一步降低，性能会继续提高。
至于“脑波计划”，它的信息十分有限，但看起来支持多种 FPGA，目前微软展示的技术用的是英特尔的 14 纳米制程 FPGA。这种芯片单颗计算力约 10 TFLOPS（单精度），功效为 80GFLOPS/W。
用途：HoloLens 一代已经内置了一块英特尔的 CPU 和集成 GPU，为什么它还需要 HPU？其实，作为混合现实或者增强现实头显，HoloLens 需要确保佩戴者的舒适，降低运动和姿态变化和画面变化的延时，所以它需要结合传感器数据进行海量的计算。但 CPU 和 GPU 主要跑操作系统（Windows 10）和处理图像，没有多余的算力给传感器。如果让它们来做这部分的计算，不但延时高用户会眩晕，也更费电，还抢走了操作系统的算力，提高了蓝屏危险……
HPU 就是用来做这部分工作的。而在 HoloLens 二代里，微软打算让 HPU 承担更复杂的任务：本地运行深度神经网络。根据有限的信息，HPU 二代可以高功效运行类型非常丰富的深度神经网络，为 HoloLens 加入更多人工智能功能（比如本地图像识别、语音处理等）开了大门。
至于“脑波计划”，从同样有限的信息来看，它应该是微软为扩展自己的人工智能和云计算生态，和 Google TPU 抗衡而推出的。它的用途和 TPU 应该也不会有太大差异，无外乎对微软自己的产品，以及其团队的科研提供计算支持。微软的云计算服务一直在使用 FPGA，所以向 “脑波计划”迁移应该比较轻松。它支持微软自己的 CNTK 深度学习框架，同时也支持竞争对手 Google 的 TensorFlow 框架。
英伟达：Tesla 深度学习处理器
是什么：英伟达是显卡界的王者，但你可能不知道，现在的显卡功能比玩游戏多多了（别提挖矿！）GeForce 是玩游戏的，Titan 系列则步入了 GPGPU 的范畴（可以玩游戏也可以做神经网络训练）。而 Tesla GPU 则是英伟达专为人工智能开发的专业级服务器端显卡。
Tesla GPU 系列最新产品是 V100，V 的命名来自英伟达最新也最顶级的 12 纳米 Volta 微架构。
性能：V100 所采用的 Volta 架构，是由 640 枚被英伟达命名为“张量核心” (Tensor Cores) 组成的。你不需要明白 Tensor Cores 到底是什么，只需要知道它很厉害就行。V100 的计算性能达到 15 TFLOPS（单精度）、120TFLOPS（深度学习），堪称人工智能芯片中的核弹了。
Tensor Cores
用途：Google 最一开始宣称 TPU 比 GPU 快 30 倍，业界对其赞叹有加。但有个细节是，TPU 第一代只能推理，不能用来训练神经网络。所以当时英伟达还可以说自己是唯一端到端（从训练到推理再到自动驾驶等实际场景）的人工智能计算方案提供者。而 V100 就是这个方案的硬件核心。
不过英伟达推出 V100 没多久，Google 就开了 I/O 2017 大会，选不了训练和推理都能做的 TPU 二代。即便如此，V100 仍然是截至目前最适合神经网络科研的显卡，用通用图形处理器 (GPGPU/CUDA) 做深度学习这一派的绝对王者。
英特尔：FPGA、显卡、至强融核和 VPU
是什么：前面提到了微软在使用的现场可编程门阵列 FPGA，正是由英特尔（所收购的 FPGA 巨头 Altera，现在成为了英特尔 FPGA 部门） 所开发的。简单来说，因为 FPGA 对并行计算支持好，性能高，便于重新编程，功耗比 GPU、CPU 低，FPGA 也是人工智能芯片的一个重要门派（另一家FPGA 巨头 Xilinx 的人工智能产品也很不错，不过篇幅有限就不赘述了）。
英特尔还收购了 Nervana，组建了一个人工智能部门。这个部门的研究用的是显卡。
“至强融核” (Xeon Phi) 是英特尔另一款在服务器端抗衡英伟达 GPU 的处理器产品。它的最新款产品并行计算好适合深度学习，它的一个最主要优势是“实惠”，不跑深度学习也可以当 CPU 来用（因为它本来就是 CPU）。
VPU 则是英特尔收购的另一家爱尔兰公司 Movidius 所开发的低功耗深度学习加速芯片，特色是超小尺寸和功耗超低。
用 VPU 制成的神经计算棒
性能：英特尔 FPGA 产品线较复杂，性能多样。显卡方面的信息也不多
至于 Xeon Phi，计算力大约在 3.5 TFLOPS 左右？
VPU 采用该公司自研的 Myriad 架构，最大的特色是能够在 1W 或更低功率内，实现 100 GFLOPS 甚至更高算力。
用途：如果英伟达一发核弹毁灭全球，那么英特尔就是通过多元化的产品线尝试在深度学习市场上分一杯羹。FPGA、Xeon Phi 都是直接推向消费者的云端数据中心里的产品，而身材纤细的 VPU 用途更多样，安装到了大疆无人机、联想手机等产品中，也被英特尔直接做成了即插即用的深度学习计算棒，适合机器人开发等等。
Intel, Processors
Facebook：也在开发自己的深度学习芯片，据说在和高通合作。
百度：XPU，本质是 FPGA，和Xilinx 合作
地平线：前百度深度学习研究院院长，也在开发人工智能定制芯片，应该是 FPGA
苹果：没错，苹果也将在新款手机里加入“人工智能协处理器”，信息极为有限。
原文链接：
搜索爱板网加关注，每日最新的开发板、智能硬件、硬件、活动等信息可以让你一手全掌握。推荐关注！
【微信扫描下图可直接关注】
【上篇】【下篇】
Microsoft 微软
微软是积极投资人工智能（AI）的公司之一，尽管担心迟早机器人可能会对该行业产生重大影响，但首席执行官Satya Nadella表示，没有理由认为这会发生。
WiFi卡顿的福音 人工智能终于出手了 相信大家经常在生活中遇到看电影缓冲速度慢，游戏团战460，消息发送延迟的情况，这都是WiFi卡顿造成的。诸如蹭网拖慢网速，网速分配不均，WiFi信道堵塞等...
IBM高管：喜欢马斯克，但AI末日论有点过了 IBM沃森和云高级副总裁大卫肯尼表示，人工智能已经证明是有益的。特斯拉首席执行官马斯克等发出的末日警告有些言过其实。
随着AI的发展，AI如今已渗透到很多行业，智能手机行业自然也不例外。记者注意到，从2017年下半年开始，绝大多数手机品牌厂商均提出了AI的概念和相关功能。
　5月27日消息，近日有关vivo NEX新机曝光不断，定位旗舰级别。现在最新消息，vivo NEX确认采用骁龙845处理器，配备升降式摄像头。
您必须才能发表留言！&谷歌I/O大会上说的那个超级AI芯片TPU&到底是个什么鬼？
谷歌I/O大会上说的那个超级AI芯片TPU&到底是个什么鬼？
日10时10分来源：
谷歌向公众揭示超级AI芯片TPU的部分细节。
▎智东西 文 | 海中天
周四时，媒体曾经向谷歌咨询定制AI芯片TPU（Tensor Processing Unit）的事，谷歌拒绝置评，只是说马上就会有更多的消息公布。一天之后，谷歌改变了态度，对一些问题给予了回复，问题是新闻发言人通过邮件形式回应的。
下面我们就来看看谷歌是如何解释TPU的：
▎TPU预先训练过吗？
这是一个大问题，谷歌无法回答。它可能是预先训练过的，但是我们并不能确切地知道。TPU是否经过训练，要看它执行的AI算法是否在独立系统中训练过。要训练AI系统识别一张图片，你必须向它展示几百万张图片，经过反复尝试才能学会。一旦学习完成，你只需要让算法在芯片上运行就可以了。例如，IBM的TrueNorth和Fathom芯片（来自创业公司Movidius）就是经过训练的。TPU有很大的可能训练过，但是谷歌不会这样说。
▎如果AI算法改变，TPU可以重新编程吗？
这个问题包括两个子问题，有必要解释一下。按照芯片的分类，TPU可以被认为是ASIC（特殊应用集成电路），简单来讲就是在设计芯片时只考虑在一件事情上拥有极高的效率。
在预想中我们的问题应该是这样的：如果AI算法改变了（从逻辑上讲随着时间的推移算法应该会改变），你是不是想要一款可以重新编程的芯片，以适应这些改变？如果情况是这样的，另一种芯片适合，它就是FPGA（现场可编程门阵列）。FPGA可以编程，和ASIC不同。微软用一些FPGA芯片来增强必应搜索引擎的AI功能。我们很自然会问：为什么不使用FPGA呢？
谷歌的回答是：FPGA的计算效率比ASIC低得多，因为它可以编程。TPU拥有一个指令集，当TensorFlow程序改变时，或者新的算法出现时，它们可以在TPU上运行。
现在问题的答案开始浮现。在谷歌看来，能耗是一个重要的考量标准，数据中心相当巨大，建设在世界各地，包括芬兰和台湾。能耗越高，运营的成本就越高，随着时间的推移实际消耗的金钱会成倍增长。谷歌工程师对比了FPGA和ASIC的效率，最终决定选择ASI
问题的第二部分与TPU的指令集有关。这是一套基本的命令，它以硬编码形式存在于芯片中，能够识别、执行；在芯片世界，指令集是计算机运行的基础。
在开发TPU指令集时，它是专门用来运行TensorFlow的，TensorFlow是一个开源软件库，针对的是AI应用的开发。谷歌认为，如果AI有必要在底层进行改变，极可能发生在软件上，芯片应该具备弹性，以适应这种改变。
TPU架构的技术细节让许多了解芯片的人惊奇。Anandtech的Joshua Ho有一个有趣的理论：TPU更加类似于第三类芯片，也就是所谓的数字信号处理器（Digital Signal Processor）。
▎TPU是不是只能运行TensorFlow？
AI应用的软件语言大约有5种，TPU能否支持这些语言？谷歌的回答是：其它代码可以在TPU上运行，但是TPU已经针对TensorFlow做过优化。
▎几块TPU能不能彼此连接，组成一个系统协同运行？
谷歌的回答是：AlphaGo围棋AI已经安装了多个TPU，它们完全可以以庞大系统的组成部分来运行。
这是一个超级有趣的答案，我们的脑海情不自禁浮现出“SkyNet”式的远景：许多的AI芯片在所有事情上拥有完全超越人类的思维。
▎在服务器机架中，为什么TPU要插入到硬盘仓位中？
谷歌曾经说过，TPU会插入到服务器机架上，机架靠近硬盘，看起来有点奇怪。为什么没有将TPU放在靠近服务器CPU的地方，这样所有计算就可以在一个地方进行？
谷歌的回答是这样的：TPU拥有一个PCIe连接器。PCIe到底是连接在主板PCIe插槽中，还是连接到短的线缆中，根本没有区别。谷歌服务器的硬盘架上有空间，安装在那里比较方便。
▎内存在哪里？
谷歌的回答是：在散热器下面。
和我们想的一样。如果你回看第一个问题——也就是芯片预训练的问题，就会知道训练芯片需要大量的内存。谷歌要用海量的图片来训练AI，看起来散热器下面没有足够的空间安装大量内存。芯片上的内存看起来也不多，因此，TPU实际已经训练过的可能性进一步提高。
▎芯片在哪里制造的？
谷歌没有回答这个问题。除非谷歌在某处建有秘密工厂，否则只有请别人来生产TPU。世界上有两家最大的芯片制造商技术最先进：台积电，GlobalFoundries。让我们继续猜测吧。<object type="application/x-shockwave-flash" data="http://laoyaoba.com/flash/bcastr4.swf?xml=
http://laoyaoba.com/ss6/html/72/n-665272.html
http://laoyaoba.com/ss6/attachments/p2.jpg
博通承诺不&
http://laoyaoba.com/ss6/html/20/n-542720.html
http://laoyaoba.com/ss6/attachments/7_281z3FA.jpg
老杳个人微&
http://laoyaoba.com/ss6/html/08/n-401008.html
http://laoyaoba.com/ss6/attachments/6_031mQoi.jpg
集微网微信&
http://laoyaoba.com/ss6/html/07/n-401007.html
http://laoyaoba.com/ss6/attachments/6_231J51Z.jpg
每日微信报&
http://laoyaoba.com/ss6/html/06/n-401006.html
http://laoyaoba.com/ss6/attachments/6_3113VrV.jpg
微信点新闻&
auto 5 5 auto
width="250" height="250" id="vcastr3">
<param name="movie" value="http://laoyaoba.com/flash/bcastr4.swf?xml=
http://laoyaoba.com/ss6/html/72/n-665272.html
http://laoyaoba.com/ss6/attachments/p2.jpg
博通承诺不&
http://laoyaoba.com/ss6/html/20/n-542720.html
http://laoyaoba.com/ss6/attachments/7_281z3FA.jpg
老杳个人微&
http://laoyaoba.com/ss6/html/08/n-401008.html
http://laoyaoba.com/ss6/attachments/6_031mQoi.jpg
集微网微信&
http://laoyaoba.com/ss6/html/07/n-401007.html
http://laoyaoba.com/ss6/attachments/6_231J51Z.jpg
每日微信报&
http://laoyaoba.com/ss6/html/06/n-401006.html
http://laoyaoba.com/ss6/attachments/6_3113VrV.jpg
微信点新闻&
auto 5 5 auto
【深度】世人都晓AI好 AI芯片知多少？
热度19票&&
时间：日 06:42
1.顺络电子陶瓷手机后盖板已小批量供货知名客户；2.深南电路去年净利4.48亿元，同比增长63%；3.世人都晓AI好 AI芯片知多少？4.芯片：让方寸曙光照亮中国工业；5.邓中翰：加大科技创新投入　以自主芯片决胜人工智能时代；6.中科院金属研究所研制出利用体温发电的新材料1.顺络电子陶瓷手机后盖板已小批量供货知名客户；集微网消息，3月12日，顺络电子在接受机构调研时表示，随着5G技术及无线充电应用的普及，未来陶瓷、塑料及玻璃，将成为手机盖板的主要材料应用，公司拥有众多知名手机类客户，未来市场空间广阔。陶瓷手机后盖板已开始小批量供货知名客户，预计未来几年市场占有率逐步提升。2.深南电路去年净利4.48亿元，同比增长63%；
集微网消息，3月12日，深南电路发布2017年全年财报，财报显示，公司2017年营收为56.87亿元，同比增长23.67%；净利为4.48亿元，同比增长63.44%。公司拟向全体股东每10股派发现金红利5.10元（含税）。2017年，深南电路坚持落实“3-In-One”战略，在印制电路板、封装基板、电子装联三项业务实现快速增长，紧紧围绕公司的年度经营目标，取得了快速的突破与发展。其中，报告期内，公司印制电路板业务实现销售收入38.94亿元，同比增长17.22%，占主营业务收入的71.44%；封装基板业务实现销售收入7.54亿元，同比增长60.38%，占主营业务收入的13.84%，业务增长由于声学类微机电系统封装基板产品（MEMS-MIC，即硅麦克风）需求增长拉动；电子装联业务实现销售收入7.29亿元，同比增长28.45%，占主营业务收入的13.38%，业务增长主要来自GE医疗及以色列地区主要客户的订单增长拉动。据了解，深南电路于2017年首次公开发行股票并在深圳证券交易所上市，正式登陆资本市场。2017年深南电路获评中国电子信息百强企业、广东省制造业500强，据2017年Prismark报告指出，深南电路位列全球PCB企业第21名，是前三十大厂商中唯一的中国内资企业。3.世人都晓AI好 AI芯片知多少？　　AI芯片是当前科技产业和社会关注的热点，也是AI技术发展过程中不可逾越的关键一环，不管有什么好的AI算法，要想最终应用，就必然要通过芯片实现。　　“AI芯片面临两个现实问题，第一我们没有一个覆盖所有算法的架构，需要在芯片当中实现一个具备深度学习的引擎，适应算法的引进，第二就是架构的可变性，要有高效的架构变换能力，目前的CPU加软件、CPU加FPGA，需要我们探索架构上的创新。”
清华大学微纳电子系主任、微电子所所长魏少军在智东西主办的GTIC 2018 全球 AI 芯片创新峰会上公开演讲时表示。　　“多元的”AI芯片　　AI是一个相当宽泛的概念，虽然不少面向消费者的电子产品生产商在宣传页上印上AI相关字眼，但他们中也有人意识到AI产品的发展要历经多个不同的阶段，因此颇为审慎。　　352空气净化设备加入了激光检测模块来判断环境的PM2.5污染水平，同时通过自主研发的智能控制算法，使空气净化设备能够根据PM2.5污染水平高低自动运转，但在352环保科技合伙人张燚的表述中把这个称作“是为了提升智能化体验”而没有特别强调AI。　　“真正的智能化形式绝不仅仅是物联网和远程控制以及语音输入，这些目前还只是一些手段和零散的表现形式。我认为智能化终极目标还是要在减少用户的干预，洞察用户心理，随时做出内部调整以及增强产品的学习能力，使产品能够有思考及改善能力，逐渐上升到重视人类的情感需求方面，也就是最终让人通过产品的自发服务满足最高的情感需求。”张燚告诉第一财经记者。　　要谈AI芯片，就必须先对AI下一个定义。　　在莱迪斯半导体亚太区资深事业发展经理陈英仁看来，“AI神经网络”不是简单定义为某类产品，而是一个新的设计方法，“传统的一些算法，是照规则、照逻辑的，神经网络是用数据训练出来的结果。”　　这就好比出行到指定地点，如果要先定一些规则（逻辑），比如提前选择出行方式、规划中转地点，最后到达，就是传统的“规则型”设计；如果是有输入和已知的输出，比如起点和终点，在样本足够多之后（数据训练）就可以提供一个新的算法，这需要AI芯片。　　在芯片研发的过程中，既有传统的老牌厂商，也有科技新贵，是否会出现像通用CPU那样独立存在的通用AI处理器呢？　　事实上，各家技术路线大相径庭，在不同的技术路线上探索着通用与优化的平衡。　　以虚拟货币数字芯片起家的比特大陆提出，要实现AI芯片9个月迭代一版的速度，这是对摩尔定律18~24个月升级一次的时间赛跑，也是用ASIC技术对暗硅发起的一次挑战。　　“暗硅”，即是由于功耗的限制，导致处理器同一时刻只有很少的一部分的门电路能够工作，而大部分处于不工作的状态，这部分不工作的门电路，在某一个计算时刻是完全无效的。　　ASIC是为了特定应用而设计的集成电路，除了不能扩展以外，在功耗、可靠性、体积方面都有优势，尤是其在高性能、低功耗的移动端。在这条路上比特大陆并不孤单，既有谷歌的TPU在前方高举大旗，也有一众创业公司在机器视觉等垂直领域跟随。　　“与传统芯片迭代速度相比，AI算法迭代更快。我们针对最新算法的需求、神经网络算法的共性基础，把它快速地放到芯片上。” 比特大陆产品战略总监汤炜伟说。　　比特大陆2017年11月份推出的首款AI芯片，现在已经全线量产，兼顾训练和推理的功能，但以推理为主。他认为，训练和推理应该是两个不同的平台，未来比特大陆还是会侧重于推理。
“高性能计算它涉及到很多领域，所以我们在2015年底决定进入到AI这个领域，尤其深度学习这个领域，我们在已有的一些高性能计算这些芯片、硬件，还有一些软件算法的基础上，我们还大量引进了很多AI方面专业的人才。”汤炜伟说。　　但比特大陆还没有考虑做终端芯片，提供的芯片将用于服务器。　　目前业内使用最多的是GPU，因为它适用于单指令、多数据处理，可用于深度学习的训练和推理。英伟达AI技术中心亚太首席技术官Simon
See接受第一财经采访时表示，英伟达要做通用性的芯片，“通用是我们的优势，ASIC是针对其中一个领域，而GPU不仅仅可以应用于AI训练还有图像渲染等等。”　　他表示，新的算法一直在出现，为了适配新的算法，就需要重新做芯片，英伟达会收集客户的意见并改进，但不会因为所谓“风口”的转向而调整，比如去做专门挖矿的芯片。
“做芯片是很冒险的，这么多公司在做是好事，说不定会有新的公司出很好的产品。我们的芯片性能体现，不仅仅是靠芯片自身的性能（raw
performance），还有软件的性能。” Simon说。　　此外，被大众关注较少，但有望把握住AI芯片发展机会的还有FPGA。FPGA适用于多指令，单数据流的分析，常用于预测阶段，因为没有内存和控制所带来的存储和读取部分在效率和功耗上具有一定优势，劣势是运算量并不是很大。　　“AI是FPGA是一个非常好的切入点，也是一个重新洗牌的机会点。FPGA的并行运算算法、设计不好写，因为人的逻辑都是一个单向的，要多角度去考虑，其实不是那么容易，通常要特别的设计方法。”陈英仁告诉第一财经。　　简言之，芯片成品可以按照是否可编程进行划分。CPU、GPU、FPGA都是可编程的，下达不同指令就可以做不同的运算，而ASIC是不可编程、定制化的芯片。两者的区别可以粗略比较为买成衣还是高级定制。成衣的客户相对广泛，而高级定制如果要想努力变成一个标准产品因不能修改就没那么容易。　　可编程，意味着通用，而定制化意味着某些方面的优化以其他方面的牺牲为代价。通用和优化是对立的，芯片厂商都在寻找着最佳的平衡点。　　应用落地是终极难题　　由于还不存在适用所有通用算法的AI芯片，确定应用领域就成为发展的重要前提。遗憾的是，AI的杀手级应用目前尚未出现，现存的应用还未形成刚需，即便如此，AI芯片还是出现了百家争鸣的气象。　　机器视觉领域成为AI芯片的“兵家必争之地”，涌入了商汤、旷视、地平线等一众创业者，眼擎科技创始人、CEO朱继志也是其中之一。　　在解决实际问题层面，芯片并不是眼擎科技的唯一方案，而是根据行业的不同情况提供从IP授权、模组、芯片到行业定制系列解决方案。眼擎科技看到，以CPU为代表的通用芯片垄断时代已经过去，AI产业已经产生了新需求，偏重于前端在图像收集阶段直接解决因弱光、反光、逆光而造成的图像质量不高和算法识别率低的问题。　　朱继志的AI芯片之路是从上游的芯片领域开始做创新成像技术架构，以满足AI新市场的新需要。“视频图像技术有两种，一种是给到图片在后端进行分析，比如商汤科技。图像是怎么来的，这是我们的事情，在前端处理。前端处理必须要在前端实时处理完成，不能有延时或出错，像流水一样，两者技术路线是不一样的。”
朱继志说。　　同样，输出基于人工智能的商业应用解决方案的锋时互动专注于人机交互领域，提供手势识别、人脸识别、姿态识别等多种基于人工智能的解决方案。锋时互动CEO刘哲告诉记者，“人工智能必将细分到行业中，呈现多元化发展的趋势。在技术逐渐成熟后，也会势必推出专属的针对人机交互的场景推出芯片，以降低成本和功耗。同时带来性能的大幅提升。”　　让人与机器在多种环境下都能自然沟通，构建更为高效、更具想象力的通用型AI生态也吸引着投资人的注意力。　　“AI芯片现在是两拨人在做，以寒武纪为代表的，他们原本就做芯片，在计算机体系结构和芯片设计方面比较有经验，另外一拨是以地平线为代表的，以前做的是软件算法，现在做芯片。前者更容易做出一个好用、可靠的产品，后者更偏向于提供整体解决方案，硬件不足的地方用软件补足。”云启资本董事总经理陈昱判断，两者会有路径的差异化。　　芯片的成本高在设计研发阶段，设计好之后要经过昂贵的流片验证才能量产，如果没有大的客户，就无法分摊前期成本。即便研发成功，量产时也面临着上游产能受限的问题。　　“比特大陆在芯片设计上具有丰富经验，他们的挖矿芯片因为加密货币市场的爆发而需求强劲，但其产能仍受制于上游的芯片代工厂商。” 陈昱说。按照汤炜伟的说法，比特大陆有望今年成为台积电全球第五大客户。　　正是因为芯片的研发周期和成本都很高，硬蛋公关总监王刚告诉第一财经，未来会考虑提供AI通用模块。“我们今年看到了AIOT的机会，就是人工智能与物联网的结合。硬蛋会把产业链上游的AI合作伙伴，如百度、云知声等，与硬蛋平台上的物联网项目对接，推出通用的AI模块。”　　毫无疑问，国内的半导体行业正在蓬勃发展。已有消息传出国家成立的国家集成电路产业投资基金（下称“大基金”）第二期正在紧锣密鼓募资之中，筹资规模会超过一期，在1500亿~2000亿元左右。按照1∶3的撬动比，所撬动的社会资金规模在4500亿~6000亿元左右。　　国家集成电路产业投资基金股份有限公司总裁丁文武去年10月份接受《中国电子报》采访时称，原计划首期募集资金1200亿元，通过各方的努力，实际募集资金达到了1387.2亿元。经过3年的运作，截至日，大基金累计决策投资55个项目，涉及40家集成电路企业，共承诺出资1003亿元，承诺投资额占首期募集资金的72%，实际出资653亿元，也达到首期募集资金的将近一半。　　“真正把AI芯片做成有竞争力，要有护城河，这是远超于芯片本身的事情。像阿里和腾讯争取入口流量一样芯片往应用层走，更好知道最终用户的实际需求，更好的定义芯片，需要有比较强的能效，有一定的AI处理架构，没有这样的架构都是一片浮云。”
深鉴科技联合创始人、CEO姚颂对此有着清醒的认识。　　而魏少军在一片繁荣之际毫不讳言“现在的发展太热了，甚至媒体在其中也起到了推波助澜的作用”。他提到，AI芯片的发展很可能在未来2到3年遭遇一个挫折期，今天以满足特定应用为主要目的的AI芯片需要思考何去何从，今天的部分甚至大部分创业者将成为此次技术变革中的先烈。　　倘若如此，“毫无疑问，这将是AI发展中最令人钦佩也最令人动容的伟大实践。” 魏少军说。
第一财经日报4.芯片：让方寸曙光照亮中国工业；2018年，集成电路再次被写入政府工作报告，位列实体经济发展第一位。作为影响社会、经济和国防安全保障与综合竞争力的战略性产业，怎么强调集成电路的重要性都不显过分，因为它是信息时代的核心基石，是一个国家的“工业粮草”，离开它的“喂养”，世界甚至无法运转。通过周密的顶层设计和几代人的艰苦努力，中国集成电路技术长期受制于人的被动局面正在改观，产业链培育和布局基本完成，相关成果陆续显现。预计10年内，中国集成电路从技术到产业都将迈上新的高度，进入全球第一梯队。凭周密部署打破芯片瓶颈芯片通常被人们当做集成电路的代名词，在只有指甲盖大小的芯片上集成少到几千万多到几十亿个元器件，就如同在针尖上起舞。但是，没有它的支撑，信息社会就失去了根基。为使芯片不成为我国整体信息化发展的瓶颈，我国相关支持政策密集出台，技术攻关与产业突围并举，解决了集成电路“从无到有”的问题，与国际先进水平的差距开始缩小。2008年，我国将“核高基”（核心电子器件、高端通用芯片、基础软件产品）和“极大规模集成电路制造装备及成套工艺”分别列入国家科技重大专项并开始实施。200多家企事业单位、2万多名科技工作者参与技术攻关，9年来已研发成功并进入海内外市场30多种高端装备和上百种关键材料产品。国家科技重大专项技术总师、中国科学院微电子研究所所长叶甜春对科技日报记者说：“这是我国20年来第一次组织这样的技术攻关，使我国集成电路高端装备和材料从无到有，拉起了一个良性发展的产业链，形成了自主知识产权体系，国内企业在国际竞争中的实力和地位发生了很大变化。”2014年，针对集成电路产业链中最薄弱的制造环节，我国开始调动产业投入，成立了国家集成电路产业基金（大基金），吸引了大量国内外资本，二期投入正在酝酿中。十三届全国人大代表、贵州华芯通半导体技术有限公司董事长欧阳武说：“作为国家深化科技创新改革，探索国家战略与市场机制相结合，提升集成电路上下游产业链竞争力的有益尝试，‘大基金’对我国的集成电路全产业链发展的积极推动作用不可估量。”借国际合作弥补高端缺位基于巨大的市场规模，全球芯片产业正加速向中国集中，国产芯片技术在自主研发和出海的双支撑下，已成长为新的市场风口，但依然缺乏高端产品，这种局面在最近一段时间开始改观。2月22日，紫光展锐与英特尔宣布达成5G全球战略合作，联合开发搭载英特尔5G调制解调器的全新5G智能手机平台，并计划于2019年推向市场。调制解调器是通信环节非常重要的一环，不少芯片设计厂家就卡在此处而无法在第一时间推出5G产品。该合作计划公布后因为指向全球高端芯片市场和5G引起广泛关注。紫光集团收购展讯通信、锐迪科，并将两者整合为紫光展锐的每一步都掀起不小的市场波澜，合并后的紫光展锐在手机芯片市场份额已稳居世界前三，80%的芯片产品销往海外市场，拥有亚洲第一的射频前端产品以及中国最大的物联网芯片市占率。但由于种种原因，产品主要集中在中低端。紫光展锐市场高级副总裁吴慧雄说：“高端、全球市场、长期合作是我们同英特尔合作的几个关健词。在走向高端的路上，我们找到了非常好的搭档。”2014年，英特尔宣布完成向紫光展锐投资90亿元，取得20%的股权。紫光集团全球副总裁、紫光展锐首席运营官王靖明在接受科技日报记者采访时强调：“国际合作是途径，我们的落脚点是自主创新，掌握拥有自主知识产权的核心技术。这种战略关系的关键是互信互惠互利。”当5G成为新一轮全球竞争的产业焦点，当全球物联网技术和应用进入创新活跃期，它所带来的千亿连接将创造一个极具想象力的新市场，新一代的巨无霸企业或许就在技术研发和行业应用已走在世界前列的紫光展锐等中国企业中产生。用创新思维攀上更高台阶尽管我国芯片产业日益强大，但由于过去几十年投入不足，欠账太多，无论是产业基础、产业结构、产业规模还是创新能力和水平与发达国家相比差距仍旧很大，尚需努力才能再上台阶。叶甜春说：“我们的技术空白点还很多，我们的骨干企业规模和利润都远远不及竞争对手，国家应该投入更多资源去支持研发和创新，只有持续投入二三十年，我国集成电路产业才能真正站稳脚跟。绝不能因为最近几年发展速度快、技术进步大而掉以轻心，必须清醒地看到马上就会到来的艰苦爬坡，在这个逆水行舟的阶段，国家支持一旦出现间歇性停顿，就会前功尽弃。”“当我们在追赶时，有非常多的路径可以借鉴，越接近前者，可借鉴的东西就越少。”叶甜春说，“全球产业正在整合，产业模式在变，中国集成电路如果不能攀上一个大的台阶，不迅速调整战略，差距将被进一步拉开，只有靠创新的研发、创新的思维，才能找到正确路径，避免掉入陷阱。”叶甜春说：“过去二三十年，电子产品规格主要由日本与欧美厂商定义，现在，中国庞大的市场需求使很多新产品必须针对中国市场定义，这是中国市场引领全球市场的开始，也是中国集成电路产业重塑市场格局的机会。如果说所有的技术创新都是靠应用在驱动，商业模式的创新便不可缺失。一个相互驱动的生态体系，面向不同行业应用产品的设计、制造的一体化垂直整合模式还待建立。”叶甜春强调，集成电路产业是一个高技术密集、涉及学科众多、高度全球化的领域，没有一个国家敢说绝对领先，而是各有所长。我国集成电路产业此时已不是简单地追赶领跑，自主创新和国际合作都不可偏废。“如果高铁的所有零部件供应全部由中资公司能提供才开始建设，也许到现在都建不成一公里。这么大的系统工程，每颗螺丝钉都由自己造既不经济，也不现实。”
科技日报5.邓中翰：加大科技创新投入　以自主芯片决胜人工智能时代；“基于中国普及率很高的互联网及庞大的移动互联网用户量，从而产生庞大的数据量，国内在人工智能方面具有非常大的市场，特别是在基于大数据深度学习上的新一代人工智能技术”。近日，全国政协委员、中星微集团董事长邓中翰向记者表示，“新的人工智能技术的发展给我国实现‘弯道超车’带来重大利好。对我国而言，就是要利用好现有的大数据这一优势，通过深度学习等新的一系列人工智能算法来挖掘。其中，重要的方面是基础芯片、软件的研发。”“芯片行业由诸多不同类型的芯片组成，也是由众多国际巨头组成，目前我国人工智能服务器端的芯片主要应用美国品牌英伟达。虽然近年来，我国芯片领域也取得了一些领先世界的进步，但依然没有改变目前高端芯片主要依赖于进口的状况。”在邓中翰看来，“芯片产业对于目前我国高度重视的人工智能产业具有重大意义。从国家安全角度出发，我国应尽早在人工智能的芯片层级进行布局。”目前，我国每年的芯片进口额超过2500亿美元，如计算机中央处理器(CPU)等主要电子产品核心芯片都严重依赖进口。邓中翰表示，“未来，人工智能领域一旦基于国外芯片进行开发和应用设计，假如在芯片层级安有后门，后果不堪设想。人工智能芯片关系国家安全，值得引起各方高度重视。”“人工智能发展如果没有自己的芯片，会遇到诸多问题。我们一定要注重信息产业的发展，不仅要做大，更要做强，从而使核心技术不再受制于人。”
在邓中翰看来，目前我国芯片核心技术受到两个方面的制约，一方面是人才，“目前我国还没有像美国硅谷企业一样拥有多年的技术积累”;另一方面，国外企业研发资金投入比我国大，“最近我国成立了国家集成电路大基金，就起到了非常好的作用。”邓中翰表示，在体制方面，一定要将成果迅速转化，不能只停留在发表论文或是评奖层面。“要通过国家集成电路大基金和引进高端芯片设计人才，来改善这种情况。但是要想彻底改善，还要有相应的体制改革来配合人才和资金的投入。”邓中翰呼吁，国家要从资金、政策等方面加大投入力度，大力开发承载人工智能运行的自主芯片技术，把握以自主创新芯片来决胜人工智能新时代这一大方向，为中国人工智能稳步跻身全球领先水平掌舵护航。“无论是关系国家公共安全的安防监控产业还是关系国家信息安全的芯片产业，要想持续打造具有自主知识产权的相关产品，都需要资本的投入。当前，我国企业的融资渠道有待进一步丰富。因此，资本市场和证券市场的支持则会对这两个产业的发展起到巨大的推动作用。”安防监控产业和芯片产业作为我国新经济的一部分，为了支持其实现跨越式发展，邓中翰提出三点建议。一是加大对拥有自主知识产权的重点安防监控企业和芯片企业的金融支持力度，扶持其在境内资本市场上市融资，通过资本市场进行发展壮大;为这些企业在国内上市融资开辟绿色特殊通道，建议工业和信息化部、中国证监会对重点企业的支持形成联席工作机制，做到定点扶持。二是珠三角地区(如广东省)和长三角地区(如江苏省、浙江省)是安防产业和芯片产业发展成熟的区域，企业集中，但珠三角和长三角区域芯片产业和安防产业的重点优秀企业进入资本市场的数量不多。“应加大对珠三角和长三角区域内的重点安防监控与芯片企业在资本市场上市融资的支持力度，形成产业集群，提升产业在全球的竞争力。”三是做好制度创新，针对信息安全和公共安全企业，制定相应的资本市场支持政策，同时欢迎和支持在海外上市的具有自主知识产权的信息安全和公共安全领域的优秀企业回归国内资本市场上市，将优秀的企业留在国内。
中国高新网6.中科院金属研究所研制出利用体温发电的新材料& 近日，中科院金属研究所专家向笔者介绍，该所研制出了能够利用体温发电的新材料。研究团队预计，未来5年，这种新材料就可以实现商业化，为蓝牙耳机、健康监测器、手表、智能手环等可穿戴电子设备供电。在金属研究所沈阳材料科学国家（联合）实验室，邰凯平研究员向笔者介绍了这一新材料，不足一指宽、0.1毫米厚的单片灰色软质薄膜，贴在人体手腕处，所连接的测量电表上立刻显示出有明显输出电压。邰凯平说：“这种高性能柔性热电材料可实现最薄仅为数10微米。通过材料制成的薄膜电池可以回收利用日常生活中随处可见的废热发电，比如利用照明灯灯罩散发的热量或人体体温。”邰凯平介绍，使用人体体温发电时，体温与环境温度相差15摄氏度左右时可实现微瓦——毫瓦量级发电量，发电效果随着温差的增大而提高，特别是当人体运动时消耗生物化学能产生热量或是北方地区室外年平均温度低于20摄氏度的时候。只要有温差存在就可以发电，体温高于环境温度或是环境温度高于体温都可以。利用上述新材料制成的薄膜电池，即“柔性、可裁剪碲化铋/纤维素复合热电薄膜电池”，首次将高性能碲化铋热电材料与低成本纤维素纸进行网络结构复合，同时具有优异的变形能力，能够充分贴合复杂曲率变化的人体体表，并维持与周围环境的温差，从而提升热能转换效率，可应用于新一代低功耗微系统供电技术。据了解，随着可穿戴电子产品的发展，国内外科学家近年来开始关注柔性热电材料与器件的研究。
中国有色金属报
&& &扫描下方二维码关注老杳或集微网官方微信：
老杳吧本周热点帖子
老杳吧今日热点帖子
老杳吧本周热点资讯
老杳吧今日热点资讯
对本文中的事件或人物打分:
当前平均分：0.7 （10次打分）
对本篇资讯内容的质量打分:
当前平均分：0.67 （3次打分）
【已经有3人表态】
[感动最多的]
[路过最多的]
[高兴最多的]
[难过最多的]
[搞笑最多的]
[愤怒最多的]
[无聊最多的]
[同情最多的]