人工智能产业化芯片是关键 端到云的软硬件配合是发展核心
美国《财富》杂志(Fortune)近日发表题为“Why deep learning is suddenly changing your life“的文章，深入介绍了包括百度、谷歌、微软、Facebook在内的全球四大AI巨头在人工智能的布局以及深度学习对日常生活带来的改变。
深度学习和人工智能的发展优势早在AlphaGo战胜李世石的棋局中展露无遗，人工智能的产业趋势也在互联网巨头的推动下，应用前景愈发明朗。那么当前人工智能发展到了哪一步?互联网巨头发力人工智能与英特尔、英伟达等布局人工智能的技术有什么区别?未来这两类企业存在哪些交集?
为此，记者通过采访2016年全国大众创业万众创新活动周(简称双创周)深圳湾主会场唯一一家布局人工智能芯片领域的深圳云天励飞技术有限公司(简称云天励飞)，管中窥豹，一探端倪。
技术路线互补 芯片将是产业化关键
处理器芯片设计与工艺的突破带动电子信息行业发展已是不争的事实，但对于人工智能的应用而言，单就处理器的提升还远远不够。Intel为此在最新的第七代Kaby Lake处理器中，将深度学习指令集AVX-512加入其中;而英伟达认为GPU在处理能力及存储层面更具优势，发布了首款用于深度学习的Tesla P100 GPU。
云天励飞联合创始人兼首席执行官陈宁博士告诉记者，谷歌、百度等互联网巨头与英特尔、英伟达在人工智能领域所做的是一个技术互补的路线，像谷歌更多的是做云端、数据中心的深度处理，而包括云天励飞在内的芯片公司所推出的芯片技术是针对视觉前端。
陈宁博士进一步表示，纯云端的视觉计算处理是发展人工智能应用发展的痛点，不可能把所有的数据放在云端进行集中式处理，所以才会去设计应用在视觉前端的低功耗的芯片，可以做实时的视觉数据分析，再把对应的数据发送到云端进行高效的处理。
这也就是说，互联网巨头与芯片公司在布局人工智能领域是处于一种分工协作的模式，所有的智能硬件设备，通过芯片的视觉前端处理与大数据、云实现结合，才能实现真正的人工智能。
那么人工智能的发展正处于哪个阶段?又有哪些技术瓶颈?陈宁博士向记者透露，面向人工智能的芯片是人工智能大规模产业的关键，也是今天人工智能不能大规模产业化的瓶颈与核心原因，整体看当前的人工智能产业发展处于初期阶段。目前人工智能的芯片和硬件水平相当于50、60年前个人电脑发明之前的硬件水平，有了个人电脑才有了互联网和移动互联网，所以说必须实现人工智能芯片的突破才能使之大规模产业化。
深度学习算法是基础 端到云的软硬件配合是核心
“人工智能芯片需要突破，专为深度学习的算法是基础，软硬件配合的系统才是应用的关键。”陈宁博士表示，随着人工智能系统应用的数据量不断扩大，运算的规模也会相应的扩大，处理器必须和视觉计算的软件结合，芯片就能在数据量大的时候形成一个突破，与具体的场景应用相匹配。
云天励飞让人工智能芯片产业化
为此，云天励飞创新设计的一颗深度学习处理器芯片(IPU)，从指令集上重新定义处理器，可以将人工智能核心算法效能提升数个数量级，并为人工智能芯片设计的云天“深目”系统平台，使芯片和后台的硬件与软件结合。随着数据量的规模性的扩大，硬件也随之实现可扩容，可兼容的架构，云飞励天的这套设计方案在目前布局人工智能的芯片设计中尚属首创，已在机器人中展开应用，并在瞄准无人机、无人驾驶、智能制造、智慧商业、平安城市等处于市场培育期新兴领域，加速产业化落地。
具体而言，人工智能全新架构处理器不只要理解芯片和硬件，还要面向新的算法理论，与软件结合，才能高效实现神经网络运算，具备高效和灵活的特性，且可编程重构，且在云端可更新算法。
事实上，随着人工智能浪潮的到来，对于未来人工智能芯片在视觉前端的处理，还将会包括更为智能的推理预测与识别。陈宁博士认为，对于未来，人工智能芯片的发展最核心还是在于软件和硬件的配合，现在的识别是通过前端处理，未来推理更需要对后台海量数据的综合判断，大数据处理的更需要硬件来加速，这强调的是及时性、实时性的软硬件结合响应，同时更需要实现“端到云”的密切结合，才能做到推理预测。
人工智能未来发展前景美好，在互联网巨头和芯片公司的持续推动下仍存在一定技术瓶颈与窗口期，虽说通过AlphaGo人机大战似乎看到人工智能时代即将来临，但要知道AlphaGo芯片集成就有1900个CPU+280个GPU，而这还只是人工智能的初级形态，整个人工智能的市场尚处于爆发的前夕。（责编：振鹏）
本文为华强电子网原创，版权所有，转载需注明出处
关注电子行业精彩资讯，关注华强资讯官方微信，精华内容抢鲜读，还有机会获赠全年杂志
关注方法：添加好友→搜索“华强微电子”→关注
或微信“扫一扫”二维码
