人工智能專用芯片是大勢所趨，而IP授權是當前實現(xiàn)商業(yè)化的最佳選擇
8月中旬，人工智能芯片初創(chuàng)公司寒武紀獲得1億美元的A輪融資，至此成為該領域的第一個獨角獸，緊接著，9月初，華為在IFA2017上正式發(fā)布了全球首款面向手機的人工智能芯片麒麟970。
就在這前后不到一個月的時間里，人工智能芯片成為了人人爭相熱議的一個產(chǎn)品、一個產(chǎn)業(yè)。
人工智能芯片熱度漸多家公司早已著手布局
前段時間，因為被看做是當前智能家居的入口之一，智能音箱一下子受到了人們的極大關注，而隨著小愛同學、天貓精靈等產(chǎn)品的相繼推出，更是將這股熱潮推上了頂端。
就在這股浪潮漸漸平穩(wěn)的時候，人工智能芯片緊跟而上，引起了人工智能領域的又一波新的浪潮。事實上，在這第三次的人工智能浪潮中，作為讓人工智能技術更快、更好運行的基礎硬件設施，人工智能芯片必然是未來智能化時代的一種趨勢。也因此，雖然人工智能芯片相比于其他人工智能技術和應用顯得低調得多，但它的布局依舊是眾多廠商眼中不能錯過的機遇：
買買買的英特爾至今，為了不再錯過人工智能芯片，英特爾陸陸續(xù)續(xù)收購了Altera、Yogitech、Nervana、Movidius、Mobileye等多家公司，拿下了他們的FPGA等多種技術。
GPU在手，誰與爭鋒的英偉達憑借著GPU在人工智能應用中的先天性優(yōu)勢，英偉達已經(jīng)走在了人工智能芯片的前列。不過，就在最近，黃仁勛也發(fā)布了一款針對深度學習而打造的芯片TeslaV100。
緊盯FPGA的微軟微軟把重心放在FPGA人工智能芯片上，已經(jīng)被用在Bing搜索的支持上。另外，其也推出了基于FPGA的視覺芯片A-eye，讓攝像頭具有視覺理解能力，可應用在機器人、汽車和無人機等多種智能產(chǎn)品。
與此同時，國內的廠商也是蠢蠢欲動。
首個獨角獸寒武紀因為高達1億美元的A輪融資，寒武紀成為了人工智能芯片領域的首個獨角獸，通過的IP授權的形式，其技術已經(jīng)在華為人工智能芯片麒麟970上面得到了商業(yè)化；
主打嵌入式的地平線機器人地平線機器人致力于打造基于深度神經(jīng)網(wǎng)絡的人工智能大腦平臺，包括軟硬件。在硬件上，其此前曾表示旗下的人工智能芯片盤古已經(jīng)成功流片商用；
從上面多家企業(yè)的布局和產(chǎn)品來看，我們能夠清晰地認知到，雖然人工智能芯片相比于語音識別等技術并沒有得到大眾更多的關注，但是作為人工智能的基礎硬件設施，其已經(jīng)成為諸多公司搶奪市場、占據(jù)風口的一大戰(zhàn)略制勝點。
人工智能加速人工智能專用芯片是未來趨勢
深度學習算法是實現(xiàn)人工智能技術和應用的核心，其在運行過程中需要對海量的數(shù)據(jù)進行運算處理用已有的樣本數(shù)據(jù)去訓練人工神經(jīng)網(wǎng)絡、用訓練好的人工神經(jīng)網(wǎng)絡去運算其他數(shù)據(jù)。對于傳統(tǒng)計算架構而言，這將是一個極大的挑戰(zhàn)。
面對深度學習算法這一計算新需求，GPU（圖形處理器）、FPGA（可編程門陣列）、ASIC（專用集成電路）等成為了人工智能芯片領域的被追捧者。比如GPU，相比于CPU，其具有高并行結構，擁有更多的ALU（ArithmeticLogicUnit，邏輯運算單元）用于數(shù)據(jù)處理，適合對密集型數(shù)據(jù)進行并行處理。
值得我們注意的事，不管是讓英偉達一舉聞名的GPU，抑或是當前與GPU不分伯仲的FPGA，在屬性上，它們都只能算是人工智能通用芯片。相比于一開始就是私人訂制的ASIC，在深度學習算法的運行上，KUKA機器人示教器維修，GPU和FPGA或多或少都有著一些局限：
GPU局限：GPU能夠游刃有余的訓練人工神經(jīng)網(wǎng)絡，但在輸出應用時，它一次只能處理一張圖像；相比于FPGA的靈活，GPU硬件結構固定，不具備可調整性；在實現(xiàn)相同性能的功耗上，GPU遠大于FPGA以及ASIC。
FPGA局限：為了實現(xiàn)可重構特性，F(xiàn)PGA內部有大量極細粒度的基本單元，但是每個單元的計算能力都遠遠低于GPU中的ALU模塊；在深度學習算法的運行速度和功耗上，F(xiàn)PGA表現(xiàn)的都不如ASIC；FPGA價格較為昂貴，在某些情況下甚至會高于ASIC。
不可否認，對于當前人工智能的發(fā)展，GPU和FPGA都做出了不小的貢獻，但是從未來發(fā)展趨勢來看，人工智能專用芯片才是未來的核心。
從上面的一些比較我們可以看出，在功耗和速度上，GPU、FPGA與ASIC之間還是有著一定差距的。
針對人工智能芯片的通用與專用的區(qū)別，地平線機器人芯片專家馬鳳翔稱，相比于通用芯片，專用芯片是為特定場景而定制的，具備低功耗、低成本、高性能的優(yōu)勢。再通俗一點講，就如寒武紀創(chuàng)始人之一的陳云霽所舉出的例子，普通的處理器就好比瑞士軍刀，雖然通用，但不專業(yè)，造成浪費，但是做菜的時候，還是菜刀得心應手，而專業(yè)的深度學習處理器就是這把更高效、更快捷的菜刀。
與此同時，不僅僅是性能的要求，隨著人工智能技術的發(fā)展，其應用范圍也將進一步擴大。未來，自動駕駛、機器人、智能家居等等終將充斥我們的生活，這其中所隱藏的將是一個無可估量的市場需求。屆時，不管是所需要處理的數(shù)據(jù)，抑或是運算速度，與現(xiàn)在相比都將不是一個量級，若想做的更好，就只能向人工智能專用芯片靠攏。
人工智能專用芯片商業(yè)化IP授權是當前的最佳出路
隨著寒武紀成為AI芯片領域首個獨角獸、華為麒麟970的推出，以及后面蘋果、三星等多家重量級廠商相繼宣布AI芯片的規(guī)劃，如何實現(xiàn)技術、產(chǎn)品的商業(yè)化落地就成為了接下來需要廠商們亟待解決的問題。
目前，運用ASIC架構的人工智能專用芯片中，最典型、最具代表性的當屬寒武紀旗下的產(chǎn)品和谷歌的TPU了，不同的是，前者服務的對象是廣大客戶，而后者則是服務于自己的人工智能系統(tǒng)Tensor-flow。
談及商業(yè)化，雖然中星微、寒武紀的產(chǎn)品此前都有所流片，但是從當前的整體來看的話，相比于流片，IP授權或許更適合人工智能專用芯片，尤其是對于創(chuàng)企而言。至于原因，可以總結為兩點：
第一，與其急著流片實現(xiàn)商業(yè)化，不如緩下腳步達到芯片生態(tài)圈
的確，對于企業(yè)來說，流片是一種能夠快速實現(xiàn)商業(yè)化的方法，并且收獲的利潤也是可觀的。但是，這樣一來難免顯得有些激進，一不小心或許就會造成失誤。相比之下，通過IP授權來慢慢拉攏客戶構建生態(tài)圈、蠶食人工智能芯片市場顯得更為從容有序。
說到IP授權，我們第一個想到的就是ARM，作為后起之秀的它通過IP授權的策略打敗了當時的業(yè)內老大Intel。ARM大中華區(qū)總裁吳雄昂曾一句話總結成功建立了一個有強大活性和創(chuàng)新力的生態(tài)圈，為生態(tài)圈的合作伙伴提供了一種共贏模式，參與其中的企業(yè)有很高的成功率和利潤空間。另外，ARM生態(tài)圈的成員并不受限于ARM平臺，在此基礎上可以有無限的創(chuàng)新空間。