人工智能历经60年仍未普及 运算效能成重要挑战

人工智能历经60年仍未普及 运算效能成重要挑战

　　人工智能(Artificial Intelligence, AI)无疑是科技圈近来最火爆的话题，不过对于AI这个提出已经超过60年的概念，能否在第三波浪潮中解决算法、计算效率、数据等问题实现普及成为了业界关注的焦点。为加速人工智能的落地与普及，我们看到谷歌、英伟达、英特尔、高通等巨头纷纷从处理器入手，解决重要的计算效率问题。当然，为解决计算效率问题也给芯片IP授权商带来了机会与挑战。那么，IP授权商如何加速人工智能的普及?

　　历经60多年 人工智能为何仍未普及?

　　人工智能在经历两次浪潮后最终归于沉寂，并且人们的态度也一直在两极反转，有人称其为人类文明耀眼未来的预言，也有人把其当作技术疯子的狂想。对此，CEVA分部营销总监Yair Siegel在接受《华强电子》记者采访时表示：“就AI的梦想而言，它们距离模仿人脑功能仍然非常遥远。”

CEVA分部营销总监Yair Siegel

　　即便距离AI梦想还遥远，2012年之前关于人工智能的两极化观点也还同时存在，但2015年之后，人工智能又迎来了第三次浪潮。Cadence亚太区IP业务销售总监陈会馨女士接受采访时表示：“人工智能的实现需要处理器有很强的运算能力，但人工智能提出的时候芯片行业刚刚起步，集成电路也还未到大规模的状态，硬件的运算能力远远不能满足人工智能的需求。这几年人工智能再次受到关注，其中重要的原因就是硬件载体的运算能力有了飞速的提升。”Yair Siegel补充到：“业界研究人工智能和机器学习已有多年时间，最近数年中，在称为神经网络的学术算法研究领域取得了重大突破。这些用于神经网络的全新算法可以更好地模仿人脑学习和取得结论的能力。2016年谷歌的DeepMind AlphaGo深度神经网络项目在中国围棋比赛中打败了人类围棋冠军李世石，也可能是这项技术一个很好的转折点。同时，我们也看到了许多其它的神经网络和深度学习技术能够实现目标识别、语音识别和语言理解等人工智能功能。”

Cadence亚太区IP业务销售总监陈会馨

　　人工智能普及三大核心要素 运算效能等成IP授权商重要挑战

　　“人工智能虽然没有达到普及的程度，但现在正在对世界科技格局产生重要影响。影响人工智能发展的核心要素有三个，一、深度学习算法的提出;二、移动互联网产生足够的大数据;三、计算能力的大幅度提高。随着算法、计算能力和大数据这三大人工智能要素的发展，人工智能范式迁移已现端倪，技术和产业两个维度的‘奇点时刻’正在临近。” Arm战略联盟业务发展总监金勇斌如此总结人工智能普及的三大核心要素。

Arm战略联盟业务发展总监金勇斌

　　金勇斌进一步表示，影响人工智能普及的三大核心要素相互影响，相互促进。具体来说，计算效率方面，人工智能的普及需要将智能推进到边缘和终端设备中，与云计算不同，边缘和终端设备芯片对功耗特别敏感。数据方面，无处不在的智能节点采集的数据是分散的多样的，形成的大数据是无标签的，需要边缘智能物联网设备处理标签数据，处理标签后的数据才能进行分析、学习。现有的处理器基本框架结构不是为人工智能所设计的，应用受到很多限制，所以越来越多的厂商认为需要新的处理器来满足深度学习技术进而实现人工智能。

　　陈会馨就表示：“深度学习的芯片是一个全新的设计架构，和以往的网络或AP等技术不一样，如何在深度学习的芯片中给IC设计的厂商一些特殊接口的IP实际上既是机遇也是挑战。具体来说，为了让深度学习的设备达到一个很好的能效比，处理器中需要引入新的IP。另外，以往的处理器中的内存接口就是关注的焦点，对于深度学习的芯片来说，大家希望有更高带宽的内存接口来支撑整个芯片计算的吞吐，因此内存接口的瓶颈在深度学习的芯片中会更加突出。”