【產(chǎn)業(yè)鏈圖譜 | 人工智能產(chǎn)業(yè)鏈圖譜_人工智能產(chǎn)業(yè)鏈全景圖】

【研究報(bào)告 | 人工智能行業(yè)研究報(bào)告】

　　人工智能芯片的技術(shù)研究是基于人工智能系統(tǒng)對芯片技術(shù)進(jìn)行技術(shù)改進(jìn)，近日，美國普林斯頓大學(xué)的研究人員推出了新的人工智能芯片，該芯片通過對芯片的數(shù)據(jù)處理位置進(jìn)行改進(jìn)，提高了芯片的數(shù)據(jù)處理速度，并減少了芯片的功率消耗。

　　芯片采用了標(biāo)準(zhǔn)的編程語言，在一些對手機(jī)的反應(yīng)速率要求和功率要求較高的應(yīng)用中，都將發(fā)揮自己的產(chǎn)品特色。

　　針對芯片的技術(shù)改進(jìn)方面，研究人員針對芯片的節(jié)能和性能的重要性也發(fā)表了自己的看法，研究人員表示，由于現(xiàn)階段的人工智能程度多搭建在有電池驅(qū)動的設(shè)備上，所以降低芯片的功耗也是研究中的重要課題，而這項(xiàng)特點(diǎn)也代表了人工智能芯片對可編程語言的需求。

　　傳統(tǒng)的計(jì)算機(jī)處理方式是，數(shù)據(jù)存儲地址位于內(nèi)存，中央處理器要先讀取內(nèi)存中的數(shù)據(jù)才能對數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)的不同地址的讀取過程中，即有大量的功率被消耗。而新的芯片的研究方向是通過統(tǒng)一芯片的數(shù)據(jù)處理地址和數(shù)據(jù)存儲地址，達(dá)到降低芯片功耗的需求。

　　當(dāng)然，如果要實(shí)現(xiàn)這樣的研究目的，需要我們對芯片的架構(gòu)進(jìn)行改進(jìn)，才能突破摩爾定律的極限，在這次的研究中，研究人員采用的是電容器器件，電容器器件相對于晶體管，能夠提供更密集的計(jì)算空間，將電容器與芯片上的靜態(tài)隨機(jī)存取存儲器(SRAM)的傳統(tǒng)單元配對。電容器和SRAM的組合用于對模擬(非數(shù)字)域中的數(shù)據(jù)進(jìn)行計(jì)算。這種內(nèi)存電路可按照芯片中央處理單元的指令執(zhí)行計(jì)算。

　　近年來，PC 行業(yè)已經(jīng)開始逐年衰退，智能手機(jī)行業(yè)也隨著市場的逐漸飽和進(jìn)入瓶頸期。在這種情況下，人工智能無疑是最受媒體和資本熱捧的寵兒。

　　正是因此，國外大廠紛紛推出了自己的人工智能芯片。就目前而言，人工智能芯片主要以 ASIC、FPGA、CPU、GPU、DSP 為主，像寒武紀(jì)和地平線就是屬于 ASIC，阿爾特拉的人工智能芯片屬于 FPGA，英偉達(dá)的人工智能芯片屬于 GPU，星光智能一號屬于 DSP，英特爾的方案屬于 CPU。

　　在這些人工智能芯片中有一個(gè)規(guī)律，那就是芯片的通用性與用來跑人工智能的性能和功耗成反比。像 CPU 這樣的芯片，由于應(yīng)用的廣泛程度，導(dǎo)致這種芯片具有很好的通用性，但在某些特定領(lǐng)域，性能和功耗相對于其他幾種芯片都沒有啥優(yōu)勢。

　　將傳統(tǒng)的面向數(shù)字信號處理的 DSP 處理器架構(gòu)進(jìn)行運(yùn)算器方面的修改之后，也可以用來跑人工智能，而且可以借助現(xiàn)有的成熟技術(shù)。不過在應(yīng)用領(lǐng)域上有一定局限性——可以用于卷積神經(jīng)網(wǎng)(CNN)，但對循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和長短期記憶網(wǎng)絡(luò)(LSTM)等處理語音和自然語言的網(wǎng)絡(luò)則無能為力。換言之，就是這種 DSP 主要用于機(jī)器視覺領(lǐng)域，但難以應(yīng)用到語音識別、文本處理和自然語言理解等領(lǐng)域。用 DSP 做人工智能芯片的做法，在人工智能細(xì)分市場還是具備一定商業(yè)上的潛力的。

　　當(dāng)然，提高芯片的性能和功率是發(fā)展芯片技術(shù)的重要研究課題，但是產(chǎn)業(yè)和應(yīng)用形態(tài)仍是當(dāng)前芯片產(chǎn)業(yè)需要明確的問題。