人工智能的目标是对人意识和思维过程的模拟，让机器做到像人一样思考，甚至超过人的智能，从而使机器能够胜任通常需要人类智能才能完成的复杂工作。 人工智能算法不同于常规算法，需要用到大量的卷积等特定运算，常规处理器芯片在进行这些运算时效率较低，人工智能算法需要特殊的芯片。 在人工智能超过60年的发展历程中，经历了漫长的历史演进和技术更迭，并曾两次陷入低谷。近几年随着工业4.0、智能生活、“互联网+”等领域的快速进步，加之深度学习算法在语音和视觉识别上取得突破，人工智能技术开始渗透至工业、医疗、教育、安全等多个领域，2015年全球人工智能市场规模为74.5亿美元，而到2020年市场规模将扩大至183亿美元，复合年增长率将达到19.7%。同时预计到2020年，中国人工智能市场规模将从2015年的12亿元增长至91亿元人民币，复合年增长率将达到50.0%。 人工智能市场规模的快速增长得益于其应用领域的不断开拓。目前已经覆盖包括深度学习、机器视觉、指纹识别、人脸识别、个人助理、智慧机器人等13个具体应用，涉及工业机器人、安全识别、无人驾驶、智能医疗、智能家居等多个新兴产业，人工智能势必将成为新一轮科技革命的强大推动力量。强大推动力的背后，是AI芯片之争，其主要分为以下几种： 1.GPU芯片。即图形处理器，原本是在个人电脑、工作站、游戏机和一些移动设备上专门进行图像运算工作的微处理器。由于其强大的并行计算能力，GPU逐渐成为目前深度学习领域使用最为广泛的核心芯片。 GPU已经在图像识别、人脸识别、语音识别、视频分析、自然语言处理等多个领域大放奇彩，并逐渐向医药、安全、能源等领域渗透。下游应用的不断扩展反过来又催生了加速计算GPU的快速发展。 GPU与CPU有相同之处，两者都有总线和外界联系，都有自己的缓存系统，以及数字和逻辑运算单元。两者也具有很大的差异。CPU需要很强的通用性来处理各种不同的数据类型，同时又需要进行逻辑判断、分支跳转和中断等处理，因此CPU内部的结构异常复杂；而GPU专门执行复杂的数学几何计算，面对的是类型高度统一、相互无依赖的大规模数据和不需要被打断的纯净计算环境。所以与CPU擅长逻辑控制和通用类型数据运算不同，GPU擅长大规模、独立的浮点和并行计算。中国在GPU芯片设计领域发展相对较晚，当前掌握核心技术的公司包括景嘉微、兆芯等。其中景嘉微研发的JM5400图形芯片打破国外芯片在我国军用GPU领域的垄断，实现了军用GPU国产化。 2.FPGA芯片。与GPU以及CPU相比，具有性能高、能耗低以及可硬件编程的特点。虽然FPGA的频率一般比CPU低，但是可以用FPGA实现并行度很大的硬件计算器。比如一般CPU每次只能处理4到8个指令，在FPGA上使用数据并行的方法可以每次处理256个或者更多的指令，因此FPGA的数据吞吐量远超CPU。 FPGA高性能、低能耗以及可硬件编程的特点使其适用范围得以扩大，目前FPGA主要应用于通讯、医疗电子、安全、视频、工业自动化等领域。
3.ASIC芯片。为深度学习量身定制的ASIC芯片将在计算速度和功耗上赶超GPU和FPGA，并随着人工智能渗透率的不断提升，未来在智能手机、物联网、车联网等领域，人工智能芯片将得到广泛应用，广阔的市场空间为ASIC大规模量产创造了可能。随着大规模量产条件下单片成本大幅下降，ASIC可能会成为未来深度学习领域的主流芯片。目前，科技巨头纷纷在ASIC深度学习芯片上发力。 4.类脑芯片。其是一种基于神经形态工程、借鉴人脑信息处理方式。旨在适于实时处理非结构化信息、具有学习能力的超低功耗新型计算芯片。可以说类脑芯片是更加接近人工智能目标的芯片，其力图在基本架构上模仿人脑的工作原理，使用神经元和突触的方式替代传统的架构体系，使芯片能够进行异步、并行、低速和分布式处理信息数据的能力，同时具备自主感知、识别和学习的能力。 类脑芯片将主要实现两大突破，一是突破传统“执行程序”计算范式的局限，有望形成“自主认知”的新范式；二是突破传统计算机体系结构限制，实现数据并行传送、分布式处理，能够以极低的功耗实时处理海量数据。类脑芯片实时海量数据处理及极低能耗的特性预示着其广阔的市场前景。如果类脑芯片能够顺利进入消费级应用，到2022年其市场规模将达到千亿级美元水平，消费终端将占整体市场的98.17%，其他主流应用包括国防安全、工业自动化、航空航天等领域。 在全球智能化发展的浪潮中，人工智能已经成为未来发展的重要领域，市场对于人工智能领域的关注度呈现指数级增长，人工智能技术有望引领下一轮科技革命，对于各个科技强国及科技巨头，如何构建最佳的架构和系统来处理AI工作所必需的海量数据是重中之重，从最初的CPU到目前应用较为广泛的加速计算GPU、FPGA，再到前沿的ASIC、类脑芯片，芯片作为人工智能技术的核心技术环节，决定了整个领域未来的发展方向。 人工智能技术的发展跟数据量的飞跃式发展有密不可分的关系。预计到2020年全球数据总量将超过40ZB，而这一数据量是2011年的22倍。并且在过去的几年，全球的数据量以每年58%的速度增长。面对如此庞大的数据量，目前平均每年仅有0.4%的数据得到了良好的分析利用，因此，进一步发展人工智能关键之一就是增强数据挖掘的“纵深”，分析更深层面、更大规模的数据。 随着云计算技术的不断发展，和其超强计算、成本较低等特性被大众所挖掘，58%的企业计划使用基于网络的云计算服务，而这一比例远超2014年的24%。云计算的市场规模也在逐渐扩大，到2019年，全球云计算市场规模将达到3150亿美元，远超当前的1720亿美元。
所以，人工智能关键技术是在云计算和大数据日益成熟的背景下取得了突破性进展，云计算为人工智能提供平台，而大数据为人工智能提供信息来源。目前各大科技巨头看好未来人工智能走向云端的发展态势，纷纷在自有云平台基础上搭载人工智能系统，以期利用沉淀在云端的大数据挖掘价值。 当前各大科技巨头在人工智能芯片领域的布局大多集中在云端AI芯片领域，在云端处理与AI相关的任务，虽然这种方法可以获得优异的处理器性能，但在安全性和隐私性方面有所牺牲。对于广阔的消费电子市场，终端AI芯片领域未来有望放量。 虽然我国在人工智能领域的积淀时间相对较短，但发展迅速：国内领先企业已经在无人驾驶、车联网、机器人、智能家居和云端服务器领域取得了较多突破进展；同时中国人工智能市场份额年增速高达50%，远超全球平均水平的19.7%。相信随着相关知识产权的不断开放和技术的不断积累，未来我国在人工智能芯片领域的发展速度将大幅提高。 来源：倚惊鸿 |
