人工智能在改变我们的生活前，已经开始重塑科技公司了。在原本革新步伐比较小的硬件领域，无论是传统芯片巨头英特尔、英伟达、高通，还是新晋互联网巨头谷歌、脸书，加上科技创新公司地平线、寒武纪，近日都竞相亮出了他们最新研发的人工智能芯片。新一代的芯片竞赛已经开始，这些企业巨头们争夺的是未来市场的“入场券”。面对这样的竞争，中国是否能占有一席之地，在国内业界引起了诸多关注。
芯片研发从“造一条路”到“织一张网”
一手导演了人机围棋大战的谷歌在去年5月举行的“谷歌I/O开发者大会”上公布了打败李世石的秘密武器———TPU。TPU是一款为机器学习而定制的芯片，它因经过了专门深度机器学习方面的训练而具有更高效能。在一些任务的处理速度上，TPU大约是传统CPU芯片的30倍。
上海科学学研究所人工智能专家、曾参与过中国人工智能规划部分研究的沈应龙告诉记者，传统芯片是一种线程的处理构架，就像已经把车道固定了的马路，要提高速度，只有加快车流速度。车速变快必然带来能耗增加，这种芯片再发展，也会碰到“天花板”。
当下的人工智能热潮是由一种算法带起来的。上世纪40年代，科学家基于对人脑神经元的研究提出了神经网络的数学模型，它的基本特点是，每个神经元都能与周围的神经元产生信息传输和反馈，一如大脑。
从A点到B点，传统芯片只有一条路，但基于神经网络数学模型的人工智能芯片就有无数条路。人机世纪之战之后不久，IBM曝出已经研发出一款可以像大脑一样工作的计算机芯片TrueNorth(真北)。这款芯片由4096个细小的计算内核组成，这些计算内核形成了大约一百万个数字脑细胞和2.56亿个神经回路，能像大脑神经元一样向彼此发送消息并反馈。
颠覆性革新依然还在实验室中
计算机金融、机器人看病、无人驾驶……科幻小说中的场景正在人工智能的助力下变得“触手可及”，不过想要实现，其中一个重要能力就是对信息和数据的处理能力，随着传统芯片上的“车速”被提到极限，以深度学习为代表的人工智能软件已越来越受制于硬件。
“冯诺依曼计算机体系更适应的是自上而下发布指令的中央处理结构，神经网络数学模型是基于分布式运算，在设计思想上就与当前的硬件不匹配。”沈应龙说。
然而，在硬件变革这条路上，即便是谷歌的TPU也只走了“一半”，其构成芯片的基础物理单位仍然是二极管，这与传统芯片上构成集成电路的最小单位并无不同。
IBM的TrueNorth已经在探索人工神经元了，但是以现在的计算能力，还无法完全模拟大脑运行。
在美国密歇根大学的实验室中，正在研发由忆阻器组成的人工智能芯片，忆阻器的特性与神经元突触极为相似，即使关掉电源，忆阻器仍能“记住”通过的电荷，因此它的能耗更小，一块芯片上能集成更多的忆阻器。
基于该思想，对人工智能芯片的评价模式也在改变，原本人们认为运算速度越快芯片质量越好，而评价一块人工智能芯片的好坏则要看它连接了多少基本单位，组建的电子“神经网络”有多大。
不容忽视的“中国力量”也有短板要补
在人工智能芯片竞争中，IBM、英特尔等老牌芯片公司实力强劲不容小觑，谷歌、脸书等创新型公司凭借资本优势能够快速组建团队，但是，不少业界人士则认为，正在崛起的中国芯片行业，也不容忽视。
“中国过去一直是处于旁观者看热闹的角度，但这次我们是处于先行者的位置。”中科院计算技术研究所研究员、寒武纪公司创始人之一陈天石说。去年3月，他们与中科院计算所发布了世界上首款深度学习处理器芯片，在架构研发上也处于国际领先地位。
由前百度深度学习研究院负责人余凯创立的地平线机器人技术公司也非常具有前瞻性。早在“阿尔法狗”一战成名之前，他们就提出“深度神经网络增强学习”处理器。
据沈应龙透露，复旦大学也在人工智能芯片领域占据一席之地，由复旦大学类脑人工智能科学技术研究院院长冯建峰牵头，组成了一支囊括国内外数学、物理、计算机、脑科学领域专家的豪华阵容，国产人工智能芯片呼之欲出。
“尽管国外芯片公司在积累上优于我们，但人工智能芯片和传统芯片从架构和元器件都是完全不同的东西，更加方便我们‘弯道超车’。”沈应龙说。不过他也表示，外国芯片企业的优势还在于市场模式和应用业态，这些短板，我们也应该加油补上。
| 歡迎光臨 比思論壇 (http://108.170.5.74/) | Powered by Discuz! X2.5 |