目前在AI芯片市場上還沒有x86，人們看到了淘金熱，這是毫無疑問的。

　　多年來，半導(dǎo)體行業(yè)似乎已經(jīng)達(dá)到了一種穩(wěn)定的平衡：英特爾在服務(wù)器領(lǐng)域幾乎擊敗了所有的RISC處理器，同時(shí)AMD也逐漸陷入低迷，使得英特爾的x86成為了主導(dǎo)者。而在GPU領(lǐng)域起步較晚的英偉達(dá)，在上世紀(jì)90年代就已經(jīng)淘汰了大多數(shù)競爭對(duì)手。而突然之間，就只剩ATI(現(xiàn)已被AMD收購)仍然在市場上存在。它只占英偉達(dá)之前市場份額的一半。

　　在較新的移動(dòng)領(lǐng)域，似乎也是類似的壟斷故事：ARM統(tǒng)治著市場，英特爾曾用Atom處理器嘗試與之競爭，但在遭遇多次失敗后，在2015年最終選擇了放棄。就這樣，一切都與以往不同了，AMD重新成為了x86的競爭對(duì)手;針對(duì)大數(shù)據(jù)等專門任務(wù)的現(xiàn)場可編程門陣列(FPGA)的出現(xiàn)創(chuàng)造了一個(gè)新的利基市場。但實(shí)際上，隨著人工智能(AI)和機(jī)器學(xué)習(xí)(ML)的出現(xiàn)，芯片世界的巨大轉(zhuǎn)變也隨之而來。隨著這些新興技術(shù)的出現(xiàn)，大量的新處理器已經(jīng)到來。并且，它們都來自于不太可能的來源。

　　英特爾在2016年收購了初創(chuàng)公司Nervana Systems，進(jìn)入了AI芯片市場，隨后它又收購了另一家公司Movidius，目的是開發(fā)圖像處理AI;

　　微軟正在為其HoloLens VR/AR頭戴設(shè)備開發(fā)人工智能芯片，而且有可能在其它設(shè)備中使用;

　　谷歌針對(duì)神經(jīng)網(wǎng)絡(luò)開發(fā)了一種特殊的人工智能芯片——“張量處理單元(TPU)”，該處理器可用于谷歌云平臺(tái)上的人工智能應(yīng)用;

　　亞馬遜正在為其Alexa家庭助理開發(fā)人工智能芯片;

　　蘋果正在研發(fā)一款名為“神經(jīng)引擎(Neural Engine)”的人工智能處理器，該處理器將為Siri和FaceID提供動(dòng)力;

　　ARM公司最近推出了兩款新處理器——ARM機(jī)器學(xué)習(xí)(ML)處理器和ARM物體檢測(OD)處理器，這兩者都專注于圖像識(shí)別;

　　IBM正在開發(fā)專門的人工智能處理器，該公司還從英偉達(dá)那里獲得了NVLink的授權(quán)，用于專門針對(duì)人工智能和機(jī)器學(xué)習(xí)的高速數(shù)據(jù)傳輸;

　　即使是特斯拉這樣的非傳統(tǒng)科技公司也想要進(jìn)入這個(gè)領(lǐng)域，其首席執(zhí)行官埃隆馬斯克(Elon Musk)去年承認(rèn)，前AMD和蘋果芯片工程師Jim Keller將在特斯拉負(fù)責(zé)硬件制造，這些還沒有將初創(chuàng)公司計(jì)算在內(nèi)?！都~約時(shí)報(bào)》指出，據(jù)不完全統(tǒng)計(jì)，專注于人工智能的芯片創(chuàng)業(yè)公司(不是單純的軟件公司或芯片公司)已經(jīng)達(dá)到了45家，并且仍在繼續(xù)增長。

　　為什么在多年的芯片制造停滯之后，硬件突然出現(xiàn)了爆炸式的增長?畢竟，人們已經(jīng)達(dá)成共識(shí)，英偉達(dá)的GPU對(duì)人工智能來講非常優(yōu)秀，而且已經(jīng)被廣泛使用，為什么我們現(xiàn)在需要更多的芯片，并且是更多不同的芯片?

　　答案有些復(fù)雜，就像人工智能本身一樣。

　　投資導(dǎo)向和技術(shù)發(fā)展的影響

　　Intersect360 Research公司CEO Addison Snell說，盡管x86目前仍是計(jì)算領(lǐng)域的主流芯片架構(gòu)，但對(duì)于像人工智能這樣高度專業(yè)化的任務(wù)來說，它太普通了，該公司的主要業(yè)務(wù)是HPC(高性能計(jì)算)和人工智能。“人們希望AI成為一個(gè)通用的服務(wù)器平臺(tái)，因此，它必須在所有事情上都做得很好”他說，“在其他芯片的基礎(chǔ)上，各個(gè)公司正在開發(fā)專門針對(duì)某一應(yīng)用的產(chǎn)品，而操作系統(tǒng)和基礎(chǔ)設(shè)施的任務(wù)仍然留給x86來做。”

　　處理人工智能實(shí)際任務(wù)的過程與標(biāo)準(zhǔn)計(jì)算或GPU處理是非常不同的，因此需要專門針對(duì)人工智能的芯片，x86 CPU可以完成人工智能任務(wù)，而實(shí)際只需要3個(gè)步驟的任務(wù)，它在執(zhí)行時(shí)需要經(jīng)過12個(gè)步驟，在某些情況下，GPU也可能把任務(wù)變得過于繁雜。

　　一般而言，科學(xué)計(jì)算是以確定性的方式完成的，比如你想知道2加3等于5，并計(jì)算到所有小數(shù)部分——x86和GPU可以做得很好。但是人工智能的本質(zhì)是，通過長期的觀察得出2.5加3.5等于6，而不需要真正去計(jì)算，如今人工智能的關(guān)鍵是從數(shù)據(jù)中發(fā)現(xiàn)的模式，而不是確定性的計(jì)算。

　　從更簡單的角度來說，人工智能和機(jī)器學(xué)習(xí)的定義是，它們利用過去的經(jīng)驗(yàn)并加以改進(jìn)。比如，著名的AlphaGo就通過模擬大量的圍棋比賽改進(jìn)技術(shù)。另一個(gè)我們熟悉的例子就是Facebook的面部識(shí)別AI，經(jīng)過多年的訓(xùn)練，它可以精確地標(biāo)記你的照片(Facebook最近幾年進(jìn)行了三次重大的面部識(shí)別收購：2012年收購Face.com、2016年收購Masquerade，2016收購Faciometrics)。

　　一旦用人工智能開展學(xué)習(xí)，就不需要重新學(xué)習(xí)了。這是機(jī)器學(xué)習(xí)的標(biāo)志(人工智能更大定義的一個(gè)子集)。從本質(zhì)上講，機(jī)器學(xué)習(xí)(ML)是一種使用算法來解析數(shù)據(jù)、從中學(xué)習(xí)、然后根據(jù)這些數(shù)據(jù)做出判斷或預(yù)測的實(shí)踐。這是一種模式識(shí)別的機(jī)制——機(jī)器學(xué)習(xí)軟件記住2加3等于5，所以整個(gè)人工智能系統(tǒng)可以使用這些信息。

　　再比如說，自動(dòng)駕駛汽車的AI，并不是通過確定的事物來判斷周圍物體的活動(dòng)路徑，它通過以往的經(jīng)驗(yàn)，表示曾經(jīng)有一輛車，按照這樣的方式行駛。因此，系統(tǒng)能夠預(yù)測到特定類型的動(dòng)態(tài)。

　　這種預(yù)測問題解決的結(jié)果是，人工智能計(jì)算可以通過單精度計(jì)算來完成。因此，雖然CPU和GPU都可以很好地完成，但實(shí)際上它們對(duì)任務(wù)來說是多余的。一個(gè)單精度芯片足以完成這項(xiàng)工作，并且能在更小、更低的功耗下完成。

　　毫無疑問，對(duì)于芯片來說，功耗和范圍是一個(gè)大問題——也許對(duì)人工智能來說尤其如此，因?yàn)橐粋€(gè)尺寸并不能適用于這一領(lǐng)域的所有情況。在人工智能中包含機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)中又包含深度學(xué)習(xí)，所有這些都可以通過不同的設(shè)置被部署到不同的任務(wù)中?！安⒎撬械娜斯ぶ悄苄酒际且粯拥?，”英特爾旗下Movidius公司的營銷總監(jiān)Gary Brown說。Movidius針對(duì)深度學(xué)習(xí)過程制作了一個(gè)自定義芯片，因?yàn)樯疃葘W(xué)習(xí)涉及的步驟在CPU上受到高度限制。

　　“每個(gè)芯片可以在不同的時(shí)間處理不同的智能問題，我們的芯片是視覺智能，算法通過由攝像頭輸入的內(nèi)容學(xué)習(xí)。這是我們的重點(diǎn)?！盙ary Brown表示，甚至有必要對(duì)網(wǎng)絡(luò)邊緣和數(shù)據(jù)中心等其加以區(qū)分——而在這個(gè)領(lǐng)域，公司只是意識(shí)到他們需要在不同的地方使用不同的芯片。

　　“處于邊緣的芯片無法與數(shù)據(jù)中心的芯片競爭，”他說，“像Xeon這樣的數(shù)據(jù)中心芯片必須具備高性能的性能，它與智能手機(jī)中的AI是不同的。在那里你必須將功耗降到1瓦以下，所以問題是，“哪里(的本地處理器)還不夠好，所以需要一個(gè)輔助芯片?”

　　畢竟，如果想在智能手機(jī)或AR頭戴設(shè)備上使用人工智能，電源是一個(gè)挑戰(zhàn)，英偉達(dá)的Volta處理器在人工智能處理領(lǐng)域占很重要的地位，但其功耗可達(dá)300瓦。所以不可能被用于手機(jī)中。

　　Sean Stetson是自動(dòng)駕駛工業(yè)車輛制造商Seegrid的技術(shù)進(jìn)步總監(jiān)，他也認(rèn)為人工智能和機(jī)器學(xué)習(xí)到目前為止一直受到普通處理器的不好的影響。他表示：“為了讓算法發(fā)揮作用，無論是機(jī)器學(xué)習(xí)、圖像處理還是圖形處理，它們都有非常具體的工作流?！比绻麤]有專門針對(duì)這些模式設(shè)置的計(jì)算核心，那么就會(huì)進(jìn)行大量的無用數(shù)據(jù)加載和傳輸。當(dāng)你在最低效的時(shí)候移動(dòng)數(shù)據(jù)時(shí)，就會(huì)產(chǎn)生很多信號(hào)和瞬態(tài)的能量。而處理器的效率是以每條指令使用的能量來衡量的。”

　　當(dāng)然，更加專業(yè)化以及更高的能效并不是這些新的人工智能芯片存在的全部原因。IBM公司研究員兼IBM Power systems開發(fā)副總裁Brad McCredie表示，人們都爭先恐后地加入這一行列的更明顯的原因是：回報(bào)將會(huì)非常豐厚。他說：“IT行業(yè)幾十年來第一次看到了增長，我們看到了指數(shù)增長的拐點(diǎn)?！鳖A(yù)期會(huì)有新的資金進(jìn)入這一行業(yè)，而這一切都圍繞著人工智能。這就是導(dǎo)致大量風(fēng)投涌入這一領(lǐng)域的原因，人們看到了淘金潮，這是毫無疑問的”。

　　一個(gè)全新的生態(tài)系統(tǒng)

　　專注于人工智能的芯片并不是憑空設(shè)計(jì)的，伴隨它們的是處理人工智能和機(jī)器學(xué)習(xí)高度并行性的新方法。如果你構(gòu)建了一個(gè)人工智能協(xié)處理器，但是使用過時(shí)的標(biāo)準(zhǔn)PC技術(shù)甚至是過時(shí)的服務(wù)器，那么這就像把法拉利引擎放在大眾甲殼蟲中一樣。

　　英特爾人工智能產(chǎn)品事業(yè)部首席技術(shù)官Amir Khosrowshahi表示?！爱?dāng)人們談?wù)撊斯ぶ悄芎虯I芯片的時(shí)候，構(gòu)建人工智能解決方案需要大量的非人工智能技術(shù)，它會(huì)涉及到CPU、內(nèi)存、SSD和互連等，要讓所有這些都發(fā)揮作用，是非常關(guān)鍵的?！?

　　例如，當(dāng)IBM為任務(wù)關(guān)鍵系統(tǒng)設(shè)計(jì)其Power9處理器時(shí)，它使用英偉達(dá)的高速NVLink來支持核心互連、PCI Express Generation 4，以及它自己的接口OpenCAPI(相干加速器處理器接口)，OpenCAPI是一種新的連接類型，它為內(nèi)存、加速器、網(wǎng)絡(luò)、存儲(chǔ)和其他芯片提供高帶寬、低延遲連接。

　　McCredie說，x86的生態(tài)系統(tǒng)沒有跟上。他指出，PCI Express Gen 3在市場上已經(jīng)有7年沒有重大更新(第一次只是最近才出現(xiàn))，而IBM是最早采用這一技術(shù)的公司之一，x86服務(wù)器仍在使用PCIe Gen 3，它的帶寬只有4 Gen的一半。他說：“計(jì)算能力的爆炸式增長將需要更大的計(jì)算能力，我們需要處理器來做它們能夠完成的所有事情，然后在這個(gè)基礎(chǔ)上再多做一些，該行業(yè)終于開始關(guān)注內(nèi)存帶寬和輸入/輸出帶寬的性能，這些東西正成為系統(tǒng)性能的一階約束”。

　　McCredie繼續(xù)說道：“我認(rèn)為加速器將會(huì)增長，將來會(huì)有更多的工作負(fù)載，因此需要更多的加速。我們甚至?xí)剡^頭來加速常見的工作負(fù)載，例如數(shù)據(jù)庫和ERP(企業(yè)資源規(guī)劃)。我認(rèn)為，我們正看到行業(yè)中一個(gè)堅(jiān)實(shí)的趨勢開始，現(xiàn)在我們更加注重加速，更加注重市場適應(yīng)性。

　　但是硬件本身并不能在機(jī)器學(xué)習(xí)中學(xué)習(xí)，軟件才是主要的部分。在所有這些新芯片的熱潮中，幾乎沒有提到與硬件協(xié)同工作的軟件。“幸運(yùn)的是，這是因?yàn)檫@些軟件在很大程度上已經(jīng)存在，它正在等待芯片趕上來，”金融分析和人工智能開發(fā)商OTAS Technologies的首席執(zhí)行官Tom Doris說。

　　“我認(rèn)為，如果你看一看以前的歷史，就會(huì)發(fā)現(xiàn)一切都是硬件驅(qū)動(dòng)的，算法并沒有太大的改變，技術(shù)進(jìn)步都是由硬件的進(jìn)步推動(dòng)的，這對(duì)我來說有點(diǎn)意外，因?yàn)槲乙呀?jīng)離開這個(gè)領(lǐng)域好幾年了，自90年代末以來，軟件和算法方面并沒有發(fā)生太大的變化，基本上都是計(jì)算能力的改變”他說。

　　彭博首席技術(shù)官辦公室的數(shù)據(jù)科學(xué)家David Rosenberg也認(rèn)為，目前軟件的狀況良好。他表示：“在某些領(lǐng)域，軟件還有很長的路要走，這與分布式神經(jīng)計(jì)算的技術(shù)有關(guān)，但對(duì)于我們已經(jīng)知道解決方法的問題，軟件已經(jīng)得到了很好的改進(jìn)。現(xiàn)在的問題是硬件怎樣能夠足夠快地、高效地執(zhí)行軟件。”

　　事實(shí)上，目前的情況是，硬件和軟件正在并行開發(fā)，目的是支持這一新的人工智能芯片及其用例。前斯坦福大學(xué)教授Ian Buck說，在英偉達(dá)，軟件和硬件團(tuán)隊(duì)的規(guī)模大致相同。Buck教授開發(fā)了CUDA編程語言(CUDA允許開發(fā)者編寫應(yīng)用程序并使用Nvidia的GPU進(jìn)行并行處理，而不是CPU)。Buck在英偉達(dá)主要負(fù)責(zé)的是人工智能領(lǐng)域。

　　他說：“我們正在針對(duì)系統(tǒng)軟件、程序庫、人工智能框架和編譯器開發(fā)新的架構(gòu)，所有這些都是為了利用每天出現(xiàn)的新方法和神經(jīng)網(wǎng)絡(luò)，在人工智能領(lǐng)域取得成功的唯一途徑，不僅僅是構(gòu)建偉大的芯片，而且要緊密地整合到軟件的堆棧中，以實(shí)現(xiàn)和優(yōu)化每天都在發(fā)明的新網(wǎng)絡(luò)?！?

　　因此，對(duì)于Buck來說，人工智能代表一種新的計(jì)算方式的原因之一是，他相信它確實(shí)構(gòu)成了硬件和軟件之間的一種新型的關(guān)系，我們不需要考慮向后的兼容性，我們正在重新設(shè)計(jì)那些擅長處理此類任務(wù)的處理器，并與軟件一起運(yùn)行。

　　這場芯片競賽的未來在哪?

　　雖然現(xiàn)在人工智能芯片領(lǐng)域有很多潛在的開發(fā)商，但圍繞這些計(jì)劃的最大問題之一是，有多少會(huì)進(jìn)入市場，有多少能夠接觸到供應(yīng)商，又有多少會(huì)被淘汰。畢竟如今大多數(shù)的人工智能芯片仍然只是幻影。

　　當(dāng)涉及到許多非CPU制造商設(shè)計(jì)的人工智能芯片時(shí)，比如谷歌、Facebook和微軟等，似乎這些公司正在為自己的使用定制芯片，而且很可能永遠(yuǎn)不會(huì)把它們推向市場。這些實(shí)體擁有數(shù)十億美元的收入，完全有能力投入到定制芯片的研發(fā)中，而無需立即得到投資回報(bào)。因此，用戶可能會(huì)依賴谷歌的TPU作為谷歌云服務(wù)的一部分，但谷歌不會(huì)直接出售TPU服務(wù)。這也是Facebook和微軟期望的模式。

　　而其他芯片則肯定會(huì)上市，英偉達(dá)最近宣布了三款新型芯片：為智能機(jī)器人設(shè)計(jì)的Jetson Xavier系統(tǒng)芯片、為自主出租車的深度學(xué)習(xí)而設(shè)計(jì)的Drive Pegasus芯片以及針對(duì)半自動(dòng)駕駛汽車的Drive Xavier。為所有這些提供動(dòng)力的是Isaac Sim虛擬仿真環(huán)境，開發(fā)者可以用它來訓(xùn)練機(jī)器人，并用Jetson Xavier進(jìn)行測試。

　　與此同時(shí)，英特爾承諾，其收購Nervana公司后推出的的首款機(jī)器學(xué)習(xí)處理器將在2019年以Spring Crest的代號(hào)進(jìn)入市場。目前，該公司還擁有一款名為“Lake Crest”的人工智能芯片，利用這一芯片，開發(fā)者們可以使用人工智能來解決自己的問題。英特爾表示，Spring Crest最終將提供三到四倍于Lake Crest的性能。

　　所有這些都能存活嗎?“我認(rèn)為，在未來，我們將看到人工智能的進(jìn)化過程，”Movidius公司的Gary Brown說?！叭绻阆胍跀?shù)據(jù)中心使用AI，就需要一個(gè)數(shù)據(jù)中心芯片，如果你想要一個(gè)頭戴設(shè)備，你也可以找到一個(gè)對(duì)應(yīng)的芯片，這將是AI芯片的發(fā)展趨勢，我們可能會(huì)看到不同的芯片有不同的優(yōu)勢，這些可能會(huì)被集成到CPU中，我們可能還會(huì)看到有多個(gè)功能的芯片?！?

　　如果所有的感覺都像是似曾相識(shí)，也許現(xiàn)實(shí)就是這樣，人工智能芯片的發(fā)展在某種程度上與過去芯片的演變過程相匹配——從高度專業(yè)化和眾多競爭對(duì)手開始，但最終一些產(chǎn)品獲得了動(dòng)力，少數(shù)幾個(gè)市場領(lǐng)導(dǎo)者則具備多個(gè)功能。30年前，80386是最重要的桌面芯片，如果你需要在Lotus 1-2-3中做大量計(jì)算，你可以為你的IBM PC-AT購買數(shù)學(xué)協(xié)微處理器80387。接著是80486，英特爾成功地將數(shù)學(xué)處理器集成到CPU中。然后，CPU慢慢地獲得了諸如安全擴(kuò)展、內(nèi)存控制器之類的東西，之后是GUP。

　　就像其他技術(shù)一樣，目前新興的人工智能芯片產(chǎn)業(yè)領(lǐng)域眾多競爭對(duì)手的局面不會(huì)維持太久。例如，OTAS的Doris指出，許多不上市的內(nèi)部使用芯片會(huì)成為高級(jí)技術(shù)人員的主要項(xiàng)目，而更換政權(quán)通常意味著采用行業(yè)標(biāo)準(zhǔn)。Intersect360的Snell指出，今天的人工智能芯片初創(chuàng)公司也將減少——正如他所說，“現(xiàn)在有太多的競爭對(duì)手需要整合?！笔聦?shí)上，許多初創(chuàng)公司只是希望開辟出一個(gè)利基市場，吸引大公司來收購它們。

　　IBM的McCredie說：“我同意，這將會(huì)是一個(gè)艱難的過程，但是范圍必須縮小，有一天，這可能意味著這個(gè)新的芯片領(lǐng)域看起來與老的芯片領(lǐng)域并無兩樣——就像之前的x86、英偉達(dá)GPU、ARM等。

　　但就目前而言，這種人工智能芯片競賽剛剛起步，許多新進(jìn)入者都打算繼續(xù)向前。