李洪革在演講中首先對(duì)比了近年來(lái)全球集成電路的整體市場(chǎng)情況,在2018年上半年全球集成電路市場(chǎng),全球Top15企業(yè)排行中,美國(guó)依然是主場(chǎng),美國(guó)企業(yè)控制了60%的市場(chǎng),而韓國(guó),日本,中國(guó)臺(tái)灣,歐洲則各自為營(yíng)排列其后,進(jìn)一步表明集成電路相關(guān)頂級(jí)產(chǎn)品依然是由國(guó)外壟斷和控制。

全球芯片戰(zhàn)場(chǎng)概覽

傳統(tǒng)集成電路芯片可以放置在Amp,RF,ADC上,它們?cè)谛酒袌?chǎng)占比達(dá)22%;

存儲(chǔ)器(DRAM,SRAM等),以三星,美光,海力士為代表,所占份額達(dá)到29%;

傳統(tǒng)CPU,英特爾依然是一頭獨(dú)大,AMD最近也逐漸被邊緣化,其在芯片市場(chǎng)占比22%;

以ARM為核心所誕生的移動(dòng)處理器市場(chǎng)潛力巨大,由高通,蘋(píng)果,博通等巨頭領(lǐng)銜,在芯片市場(chǎng)占比16%;

在上周五,華為宣布推出7納米的AI芯片,這意味著華為已將AI CPU,列為與CPU,GPU并行的第三個(gè)處理單元,未來(lái)市場(chǎng)趨勢(shì)是否會(huì)向AI CPU傾斜,需要時(shí)間來(lái)驗(yàn)證。

各領(lǐng)域芯片產(chǎn)業(yè)界的地位

傳統(tǒng)處理器市場(chǎng),由英特爾,AMD,IBM等壟斷;存儲(chǔ)器領(lǐng)域,三星和海力士主導(dǎo);在image sensor(圖像傳感器)細(xì)分領(lǐng)域中,日本索尼則排位第一,而AI芯片方面(ISSCC2018沒(méi)有稱(chēng)之為AI芯片,而是將概念擴(kuò)展為Neuromorphic類(lèi)腦計(jì)算),近年來(lái)美國(guó),韓國(guó),日本,歐洲都在不斷發(fā)力人工智能芯片市場(chǎng),美韓兩國(guó)具有領(lǐng)先優(yōu)勢(shì),而國(guó)內(nèi)研究則有待加強(qiáng)。

人工智能的新一輪熱點(diǎn)是完全基于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的計(jì)算興起,因此李教授科普了神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史。

李教授指出, Neuromorphic研究成果基本集中在計(jì)算能力和性能上。而在1998年,卷積(深度)神經(jīng)網(wǎng)絡(luò)之所以沒(méi)有流行是因?yàn)槠湓诔跗谛枰M(jìn)行大量計(jì)算,但當(dāng)時(shí)的芯片工藝幾乎不可完成,之后我們也可以看到英特爾和英偉達(dá)計(jì)算力的提升基本與芯片工藝的尺寸成正比,因此卷積(深度)神經(jīng)網(wǎng)絡(luò)能夠在如今大規(guī)模發(fā)展完全得益于片上系統(tǒng)的高性能計(jì)算,沒(méi)有納米級(jí)IC支撐,網(wǎng)絡(luò)很難真正實(shí)用化。

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)主要由三層組成,前兩層是全連接和輸出層,是標(biāo)準(zhǔn)的雙層BP網(wǎng)絡(luò)。其區(qū)別在于后面增加了N層卷積計(jì)算層來(lái)進(jìn)行特征提取。DNN由微軟從5層拓展到152層來(lái)增強(qiáng)計(jì)算力,其中卷積計(jì)算就消耗了90%以上的計(jì)算和運(yùn)行資源。但相比之前,耗時(shí)耗力的利用軟件方式進(jìn)行特征提取再放置到網(wǎng)絡(luò)進(jìn)行特征分類(lèi),也實(shí)在是簡(jiǎn)單粗暴。

未來(lái),深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的角力場(chǎng)將會(huì)是醫(yī)療診斷,金融服務(wù),圖像識(shí)別,工業(yè)機(jī)器人,無(wú)人駕駛,人機(jī)博弈方面。

AI芯片的主流架構(gòu)有哪些

1.谷歌TPU。延用了傳統(tǒng)的CPU和GPU技術(shù),但通過(guò)一些技術(shù)的差異化及缺陷調(diào)整,性能快了15-30倍,采用28納米制程工藝。不過(guò)計(jì)算方式仍是標(biāo)準(zhǔn)的馮諾依曼體系架構(gòu),即數(shù)據(jù)流與控制流獨(dú)立并行的架構(gòu)。優(yōu)勢(shì)是進(jìn)行包括MLP,CNN,RNN的多層計(jì)算。

2.IBM提出的Truenorth神經(jīng)擬態(tài)處理器。完全基于人腦架構(gòu)制成的類(lèi)腦計(jì)算,功耗僅為65毫瓦。

3.基于PE陣列的MIT Eyeriss芯片架構(gòu)。功耗為278毫瓦。

4.哈佛為DNN加速設(shè)計(jì)的芯片架構(gòu)。采用稀疏矩陣,算法和架構(gòu)有了質(zhì)的變化。采用28納米技術(shù),功耗達(dá)到23.5毫瓦。

5.韓國(guó)科技技術(shù)院(KAIST)設(shè)計(jì)的芯片架構(gòu)。

6.佐治亞理工設(shè)計(jì)的芯片架構(gòu)。

7.2014年中科院設(shè)計(jì)的Diannao芯片。

李教授還在最后提及了神經(jīng)網(wǎng)絡(luò)的未來(lái)發(fā)展方向:云端深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)處理器,終端深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)處理器,神經(jīng)擬態(tài)處理器。

分享到

崔歡歡

相關(guān)推薦