江苏龙网

  1. 首页 > 资讯 > 科技 > >

『』登陆云边端，AI芯片产业打响全线战争( 三 )


而在国内 ， 国内初创企业如地平线、眼擎科技、寒武纪也都在积极参与 。 地平线去年正式宣布量产国内首款车规级AI芯片“征程二代” ， 采用台积电28nm工艺 ， 可提供超过4TOPS的等效算力 ， 典型功耗仅2瓦 ， 延迟少于100毫秒 ， 多任务模式下可以同时运行超过60个分类任务 ， 每秒钟识别目标数超过2000个 ， 面向车联网对强实时响应的需求 。
据预测 ， 从2018年到2022年全球边缘计算相关市场规模的年复合增长率将超过30% ， 到2022年 ， 边缘计算市场规模将超万亿 ， 与云计算市场规模不相上下 。 正因为边缘计算如此巨大的市场前景 ， 国内外行业巨头纷纷开始边缘侧AI芯片的布局 。
对于杀入边缘侧的AI芯片巨头而言 ， 实现云-边-端-网的多方协同 ， 其中就必须要完成从云端到边缘的端到端解决方案的布局 。 这一动作客观上也加剧了边缘侧AI芯片的竞争态势 ， 为AI初创企业带来更多的生存压力 。
性能功耗比拼：终端AI芯片的无限战争
移动端AI芯片市场目前主要是在智能手机上 。 为实现差异化竞争 ， 各手机厂商都加入了AI功能的开发 ， 通过在手机SoC芯片中加入AI引擎 ， 调配现有计算单元来实现AI计算 ， 或者直接加入AI协处理器来实现AI功能的运行 。
智能手机作为一种多传感器融合的综合数据处理平台 ， 要求AI芯片具备通用性 ， 能够处理多类型任务能力 。 而智能手机又受制于电池容量大小和电池能量密度限制 ， AI芯片在追求算力的同时对功耗有着严格的限制 。
目前主流厂商都开发专用的ASIC芯片或者是使用功耗较低的DSP作为AI处理单元 。
『』登陆云边端，AI芯片产业打响全线战争
本文插图

根据一份最新的手机AI芯片排名 ， 高通骁龙865、苹果A13和华为麒麟990分列前三 。
排在第一名的高通骁龙865 ， 采用了全新的第五代AI Engine ， 可以实现高达每秒15 TOPS的运算 ， 相比骁龙855提升了两倍的运算能力 。 通过AI异构多核可编程架构的设计思路 ， 集成了传感器中枢 ， 利用多种不同引擎协同完成AI任务 ， 在精度和功耗之间取得平衡 。
苹果A13处理器 ， 采用第二代7nm工艺 ， 专为高性能和低功耗而量身定制 ， 拥有85亿个晶体管 。 其GPU为四核心设计 ， 速度提升20% ， 功耗降低40% ， 也就是在性能大幅提升的前提下续航并没有降低 。
华为去年推出的麒麟990 5G的NPU ， 采用双大核+微核的方式 ， 其大核负责性能 ， 微核拥有超低功耗 ， 其中微核在人脸检测的应用场景下 ， 能耗比大核工作降低24倍 。
根据信通院报告统计 ， 2017年全球手机AI芯片市场规模3.7亿美元 ， 占据全球AI芯片市场的9.5% 。 预计2022年将达到38亿美元 ， 年复合增长率达到59% ， 未来五年有接近十倍的增长 。 而目前能够在智能手机Soc芯片中取得领先位置的仍然只有高通、苹果、华为、三星等少数玩家 ， 雄厚的资金实力和海量的销售规模 ， 使得每家都愿意拿出真金白银来投入到新一代的AI芯片研发上面 ， 在芯片的性能和功耗平衡上面实现碾压和赶超 。
洗牌已至？AI芯片之战才刚刚开始
有媒体分析 ， 根据行业发展规律 ， AI芯片在经历了短暂的资本狂欢和创业高峰之后 ， 会在2020年之后 ， 出现第一批出局者 ， 开始行业的大洗牌 。
这一结论自然具有一定的道理 。 由于AI芯片产业是一个高投入、长周期 ， 依靠量产规模优势才能艰难取胜的产业 。 同时由于AI技术发展迅猛 ， 芯片的设计周期可能无法赶上算法的迭代周期 ， 这很容易造成AI芯片从设计到落地 ， 已经无法赶上当前的计算需求 。
此外 ， 在对成本和能耗极为敏感的移动终端 ， 还需要特别关注AI芯片的计算效能 ， 达到低功耗、小体积、开发简易 ， 这些都需要探索架构上的创新 。
实际上 ， 2019年有不少商用的AI芯片 ， 已经开始面临芯片难以落地的困境 ， 原因多种多样 ， 比如芯片本身带来的性能提升不够有吸引力 ， 芯片不适配应用的需求 ， 易用性不高 ， 选择的行业难以突破等等 。


推荐阅读


上一篇：「网络爬虫」一篇文章带你了解webscraper爬虫插件

下一篇：中国概念股■传京东筹备在港二次上市 中概股回归加速？