摩爾定律失效？芯片市場算力如何提升

　　“中興被禁”事件，給國內(nèi)市場的第一喝棒指向芯片制造。這是我國的短板，也是智能產(chǎn)業(yè)最重要的“剛需”。從2008年開始，連續(xù)十年芯片都是我國第一大宗進(jìn)口商品，占據(jù)了國際需求市場的50%，2017年的進(jìn)口數(shù)量為3770億塊，花費(fèi)金額為2601億美元。這些芯片被搭載在了智能手機(jī)、電視、電腦等多種硬件中，而這些產(chǎn)品的生產(chǎn)量均占全球總量的半數(shù)以上，其中電腦更高達(dá)95%。

　　對于傳統(tǒng)芯片而言，接下來需要奮起直追，而另一方面，AI芯片的迅速爆發(fā)也給中國芯片產(chǎn)業(yè)帶來了久違的起跑線驕傲。據(jù)市場研究公司Compass Intelligence發(fā)布的上半年研究報(bào)告顯示，在全球前24名的AI芯片企業(yè)排名表中，英偉達(dá)(Nvidia)、英特爾(Intel)以及IBM(NPU)分別位列前三名，中國公司占據(jù)了七個(gè)席位，最高名次是排行第12的華為。

　　困局之中破局是唯一的出路，AI芯片可能就是那個(gè)突破口。作為計(jì)算芯片的一種，它正在對傳統(tǒng)(計(jì)算)芯片發(fā)出挑戰(zhàn)。

　　AI芯片是趨勢使然

　　根據(jù)摩爾定律，當(dāng)價(jià)格不變時(shí)，集成電路上可容納的元器件的數(shù)目，約每隔18-24個(gè)月便會(huì)增加一倍，性能也將提升一倍。如何在相同的面積內(nèi)放入更多的元器件?這對于制作工藝而言是一個(gè)極其大的挑戰(zhàn)，而這一工藝的提升速度是緩慢且艱難的。因此，在算力、性能等方面，當(dāng)前的集成電路相當(dāng)于到了一個(gè)“瓶頸期”。

　　與此同時(shí)，AI逐步發(fā)展并落地，面對海量數(shù)據(jù)的實(shí)時(shí)采集和處理，“算力”成為了一項(xiàng)至關(guān)重要的必備條件。然而當(dāng)前的AI算法訓(xùn)練、推理等，還是依賴英偉達(dá)、高通等廠商提供的傳統(tǒng)芯片。但是，不管是高通驍龍系列，亦或是英偉達(dá)GPU等傳統(tǒng)芯片，其當(dāng)初被研發(fā)出來的目的并不是針對AI算法，這也就意味著，在AI算法加速方面，它們多是“心有力而余不足”的。目前，它們所能做的，也僅是在自己原有產(chǎn)品之上加注AI算法，變身為“通用AI芯片”。但究其本質(zhì)，它們并沒有脫離“傳統(tǒng)芯片”行列。

　　舉個(gè)例子，行車途中前方突然出現(xiàn)障礙物，如果是CPU，雖有AI優(yōu)化，但本身架構(gòu)致使其在算法加速方面有所限制，導(dǎo)致數(shù)據(jù)處理等相對較慢，從而拉長了時(shí)間線，也因此當(dāng)汽車意識(shí)到前方有障礙物時(shí)，可能已經(jīng)撞上了;若是采取并行計(jì)算的GPU和針對AI算法加速的AI芯片，汽車將在極短時(shí)間內(nèi)提前發(fā)現(xiàn)障礙并作出預(yù)判，但是GPU耗能太大，用不了多久就會(huì)耗盡汽車的電池電能。相比之下，AI芯片才是最佳方案。

　　另外，AI芯片創(chuàng)企異構(gòu)智能中國區(qū)副總裁謝強(qiáng)此前在鎂客網(wǎng)M-TECH論壇上表示，CPU、GPU等通用處理器市場已經(jīng)沒有機(jī)會(huì)了，他們現(xiàn)在所能做的就是把各種各樣的終端AI芯片做到極致，配合CPU、GPU等搭建一個(gè)小系統(tǒng)，這就是一個(gè)很好的解決方案。

　　如果說在傳統(tǒng)芯片領(lǐng)域，我國“反超”的機(jī)會(huì)不大，且消耗的多項(xiàng)成本過高，那么“AI”芯片的大面積布局，將是此領(lǐng)域關(guān)乎國家戰(zhàn)略層面的重要機(jī)遇。也由此在風(fēng)起云涌間，傳統(tǒng)芯片與AI芯片難免狹路相逢。

　　傳統(tǒng)芯片不要慌，AI芯片尚有短板

　　相比于針對算法而研發(fā)的AI芯片，不管是算力還是功耗，包括GPU等在內(nèi)的傳統(tǒng)芯片在內(nèi)的傳統(tǒng)芯片都無法相比。

　　以百度“昆侖”與英偉達(dá)“Xavier”為例。百度開發(fā)者大會(huì)上，李彥宏稱“昆侖”是迄今為止業(yè)內(nèi)算力最高的AI芯片，能在100w以上的功耗提供260萬億次/秒的運(yùn)算速度，而英偉達(dá)“Xavier”的算力大概是30萬億次/秒，功耗為30w。從性能和功耗的比值來看，以百度“昆侖”為代表的AI芯片暫時(shí)領(lǐng)先。

　　云端芯片市場，號(hào)稱一霸的英偉達(dá)面臨著谷歌、百度、華為等競爭對手的“虎視眈眈”。而占據(jù)手機(jī)終端芯片的高通，就AI算法加速而言，雖然它也聲稱自己是AI平臺(tái)，但本質(zhì)上還是利用AI算法對原有既定框架進(jìn)行優(yōu)化，不能定義為真正的AI芯片。

　　盡管AI芯片來勢洶洶，但短板也非常明顯。

　　事實(shí)上，目前還沒有出現(xiàn)像CPU一樣的AI通用算法芯片，一劍封喉的應(yīng)用還沒出現(xiàn)。首先，AI芯片的量產(chǎn)問題是頭部短板。不同于已經(jīng)定性的傳統(tǒng)芯片，AI芯片從架構(gòu)到設(shè)計(jì)等多個(gè)層面都會(huì)是一種全新的顛覆。當(dāng)前，雖有幾家初創(chuàng)公司表示他們的產(chǎn)品已經(jīng)實(shí)現(xiàn)了一種量產(chǎn)，但最終多是應(yīng)用于自身產(chǎn)品和產(chǎn)業(yè)鏈，算不得真正的量產(chǎn)。

　　其次，AI芯片欠缺完整成熟的產(chǎn)業(yè)鏈。在早前由鎂客網(wǎng)主辦的“M-TECH AI芯片商業(yè)化之路”論壇上，多家AI芯片初創(chuàng)公司的嘉賓都表示，云端芯片市場的大部分空間已經(jīng)被英偉達(dá)占據(jù)，AI芯片創(chuàng)企在其中沒有機(jī)會(huì)，之所以形成這樣的局面正由于其產(chǎn)業(yè)鏈的建立。產(chǎn)業(yè)鏈構(gòu)建完整，AI芯片從上游設(shè)計(jì)到中游解決方案、再到下游應(yīng)用場景落地才能流暢。

　　再次，AI芯片的工作只是加速AI算法，但在整個(gè)主板上，這只是芯片所要計(jì)算的一部分。于其他方面，還有更多的計(jì)算工作，而它們中間的多數(shù)，并不需要AI芯片的介入，比如數(shù)據(jù)存儲(chǔ)等等。

　　當(dāng)然，主流架構(gòu)探討、算法通用可實(shí)現(xiàn)性、剛需應(yīng)用場景等也是AI芯片需要攻克的問題。

　　短期之內(nèi)，如英偉達(dá)這樣的芯片行業(yè)巨頭，其GPU因?yàn)樗懔ι星夷軌驖M足當(dāng)前AI算法加速的需要，雖然耗能表現(xiàn)不佳，但是出于產(chǎn)業(yè)的需求，仍然是占據(jù)了當(dāng)前市場的主要份額。

　　總結(jié)：新舊更迭，背后都是市場法則

　　不管是CPU、GPU等傳統(tǒng)芯片，還是AI芯片，它們出現(xiàn)的根因皆是因?yàn)槭袌鲇辛诵滦枨?，繼而才會(huì)形成趨勢，最終落實(shí)為產(chǎn)品。這其中，有著時(shí)代的更迭，也有著技術(shù)的進(jìn)步。

　　這方面，AI芯片本身就是一個(gè)典型的案例。因?yàn)橛?jì)算的需要，人們開始研發(fā)芯片，從而誕生了CPU、GPU等。之前很長一段時(shí)間內(nèi)，CPU一直做著主要的任務(wù)處理和數(shù)據(jù)計(jì)算工作。之后隨著AI的出現(xiàn)，CPU的算力遇到了挑戰(zhàn)。反之，因?yàn)椴⑿羞\(yùn)算架構(gòu)，以往并不起眼的GPU開始煥發(fā)光彩。不過，它們終究不是為AI算法而定制的，也因此，迎合產(chǎn)業(yè)需求發(fā)展的AI芯片出現(xiàn)了。

　　長遠(yuǎn)來看，出于對算力、功耗等多方面的考慮，就AI算法加速方面，AI芯片取代傳統(tǒng)芯片是一個(gè)必然的結(jié)果。屆時(shí)，AI芯片或?qū)⑴cCPU、GPU等一起集成到一個(gè)完整的處理器中，諸如寒武紀(jì)NPU被集成至麒麟970一般，又或者，AI芯片也將作為獨(dú)立處理器存在，這一切目前還是未知數(shù)。

　　不過，可以確定的是，就當(dāng)前而言，我國在AI芯片的研發(fā)上已經(jīng)站在了世界前列。一旦AI芯片實(shí)現(xiàn)量產(chǎn)，除了迎合智能時(shí)代產(chǎn)業(yè)發(fā)展的需求，我國還將在芯片產(chǎn)業(yè)中獲得一定的話語權(quán)，在當(dāng)前核心技術(shù)缺失的困局下實(shí)現(xiàn)“彎道超車”。