隨著AI產(chǎn)業(yè)快速突破，各大公司在AI領(lǐng)域的人才動向也在引起極大關(guān)注，你來我往、歸去來兮，AI江湖上大有一片血雨腥風(fēng)之勢。當(dāng)然，AI領(lǐng)軍人物的變動，會對具體公司業(yè)務(wù)造成影響。但從整個行業(yè)來看，人才流動的頻繁，反倒有可能促進產(chǎn)業(yè)的整體進程。

不信你翻翻歷史。AI這門功夫自1956年問世以來，至今已經(jīng)歷60年風(fēng)風(fēng)雨雨，一直是流派眾多，難學(xué)難練，沒有大成。

難學(xué)，是因為必須要掌握一種叫做“算法”的神功；難練，是因為需要有足夠算力，能夠處理數(shù)據(jù)樣本，訓(xùn)練機器。

幾十年來，一直是有算法沒算力，甚至于有人認為，人工智能就是一個科幻，就是小說家跟人類開的一個玩笑而已。誰也沒想到，進入21世紀后算力大爆炸。引發(fā)了整個AI產(chǎn)業(yè)開天辟地般的變化。

其中，算法上升為天——深度學(xué)習(xí)，分成DBN，CNN，BP，RBM等等諸多分支，其中佼佼者當(dāng)屬CNN（convolutional neural networks），人稱卷積神經(jīng)網(wǎng)絡(luò)，應(yīng)用廣泛。

算力，下降為地——AI芯片。各種芯片如雨后春筍涌現(xiàn)，拿過來訓(xùn)練機器，得心應(yīng)手啊。

廟堂之上也為AI駕臨人間雀躍不已。世界各國意識到人工智能的重要性，紛紛簞食壺漿，以迎AI。

聯(lián)合國于2016年發(fā)布告示，召集人類討論機器人的制造和使用如何促進人工智能的進步，以及可能帶來的社會與倫理問題。

美國政府于2016年連續(xù)頒發(fā)三道金牌：《美國國家人工智能研發(fā)戰(zhàn)略計劃》、《為人工智能的未來做好準備》、《人工智能、自動化與經(jīng)濟報告》，宣稱加入人工智能教派，并且描繪了此舉能帶來的種種美好的前景。

英國政府見此立即照方抓藥，刊發(fā)了《機器人技術(shù)和人工智能》報告，詳細的闡述英國的機器人技術(shù)與AI的親密關(guān)系。

有算法有算力，天地已定。有政策有戰(zhàn)略，和風(fēng)細雨。正是產(chǎn)業(yè)萌芽，草長鶯飛，欣欣向榮的時刻。人才的流動正是產(chǎn)業(yè)加速的信號。

書歸正傳。芯片定義了產(chǎn)業(yè)鏈和生態(tài)圈的基礎(chǔ)計算架構(gòu)，正如CPU是IT產(chǎn)業(yè)的核心一樣，芯片也是人工智能產(chǎn)業(yè)的核心。

話說天下AI芯片共分四大流派：

GPU，目前銳氣正盛，恰似東邪，憑借并行計算形成先發(fā)優(yōu)勢。

FPGA，蟄伏北方，正在暗地里合縱連橫，大有號令群雄的勢頭，恰似丐幫。

ASIC，割據(jù)南方，占領(lǐng)了大片市場，參與的公司林立。

類腦芯片，這個更“邪性”，打算直接復(fù)制大腦，也暗藏著問鼎中原的野心。

根據(jù)互聯(lián)網(wǎng)公開發(fā)布信息，今年，四大流派已經(jīng)派出幾十路高手，參與華山論劍，這些高手均屬于芯片設(shè)計期高手。

這些高手都有什么特點？誰能逐鹿中原？下文一一分析。

GPU一派

市場上名氣最大的應(yīng)該是GPU一派。GPU也稱視覺處理器，專門用于圖像及相關(guān)處理的芯片。

2012年，Alex Krizhevsky，多倫多大學(xué)的博士研究生，憑此在ImageNet大賽上奪下了2012屆的冠軍。Alex提出了一個奇妙的模型，僅憑借兩個GPU就取得了訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)的極佳效果。江湖頓時為之轟動，于是引發(fā)了GPU訓(xùn)練神經(jīng)網(wǎng)絡(luò)的風(fēng)潮。要知道，AI領(lǐng)域過去曾用CPU處理數(shù)據(jù)，但CPU效力太低。

當(dāng)年，谷歌曾經(jīng)花費巨資購買1.6萬個處理器，堆成谷歌大腦，峰值功耗在10萬瓦以上，占地面積數(shù)十平方米。試問天下，有幾人能玩的起1.6萬個處理器？

隨著 AlexNet的劃時代論文橫空出世，于是GPU 在服務(wù)器端橫掃天下。

有人會問，CPU和GPU，都是處理器，兩者有什么不同？

與CPU相比，GPU 出現(xiàn)得遠比 CPU 晚，但并行計算能力能卻常令CPU望塵莫及。并行計算是相對于串行計算來說的。要知道，自計算機誕生以來，電腦編程幾乎一直都是串行計算，絕大多數(shù)的程序只存在一個進程或線程，好比一個人只能先吃飯再看聊天。

但更多人喜歡邊吃飯邊聊天怎么辦？遇到這類問題，串行計算就傻眼了。并行計算一次可執(zhí)行多個指令的算法，能夠完美解決吃飯聊天難題。解決方式可分為時間上的并行和空間上的并行。時間上的并行就是指流水線技術(shù)，而空間上的并行則是指用眾多個處理器并發(fā)的執(zhí)行計算。

深度學(xué)習(xí)所依賴的是神經(jīng)系統(tǒng)網(wǎng)絡(luò)，通常網(wǎng)絡(luò)越深，需要的訓(xùn)練時間越長。對于一些網(wǎng)絡(luò)結(jié)構(gòu)來說，如果使用串行的X86 處理器來訓(xùn)練的話，可能需要幾個月、甚至幾年，因此必須要使用并行甚至是異構(gòu)并行的方法，才有可能讓訓(xùn)練時間變得可以接受。

在當(dāng)前的人工智能芯片領(lǐng)域，GPU的應(yīng)用領(lǐng)域不容小覷，據(jù)Jon Peddie Research（簡稱JPR）市場調(diào)研公司統(tǒng)計，在2008至2015年期間，除了2008年GPU市場規(guī)模稍有下降，其余年份全球獨立顯卡的出貨量和銷售額都呈現(xiàn)出明顯的上升趨勢，并且在2012至2015年有加速上升的表現(xiàn)。

GPU領(lǐng)域只有兩大公司，一是英偉達，占市場份額約7成，另一位則是萬年老二AMD，占市場份額約3成。

從GPU用戶數(shù)量來看，根據(jù)英偉達2016年的財務(wù)報告，相比2013年的100家，2014年的1549家，2015年已有3409家機構(gòu)或企業(yè)使用英偉達的GPU產(chǎn)品，從事人工智能的研究。這些企業(yè)和機構(gòu)包括各大高等院校的人工智能實驗室，互聯(lián)網(wǎng)企業(yè)，軍事企業(yè)等。

AMD雖然落后于英偉達，但2016年的市場份額已呈現(xiàn)出上升趨勢，在發(fā)布了代號Vega織女星的GPU芯片，市場一片叫好，未來可能有繼續(xù)上升的趨勢。

不足的是，GPU 很費電（比如高端顯卡動輒200W+），一旦開啟，散熱就成了麻煩事。

FPGA一幫

GPU美中不足的是就是太貴了，太貴了，而且有副作用，降溫是大個問題。怎么辦？

賽靈思等公司改進了FPGA許多技術(shù)，使之價格便宜功耗又很低，操練起來更有趣。于是，跟隨FPGA的越來越多，形成了一大流派。

FPGA是從哪里來的呢？

原來早在1984年賽靈思就發(fā)布世界上首款FPGA，當(dāng)時的FPGA晶片尺寸很大，但成本卻不低。1992年后，F(xiàn)PGA因采用新工藝節(jié)點，第一次出現(xiàn)了在FPGA上實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)。但直到2000年后，F(xiàn)PGA丹法結(jié)合了“易容術(shù)”后才略有小成，易容術(shù)是指FPGA 已不僅是門陣列，還是集成有可編程邏輯的復(fù)雜功能集。2008以來，F(xiàn)PGA不光可以越來越多地整合系統(tǒng)模塊，集成重要的控制功能，還可以使用更高效的系統(tǒng)編程語言，如OpenCL和C語言，通過類似軟件的流程來編程，降低了硬件編程的難度。于是，自2011年開始，出現(xiàn)了大規(guī)模基于FPGA的算法研究。

簡單來說，F(xiàn)PGA 全稱“現(xiàn)場可編程門陣列”（Field Programmable GateArray），其基本原理是在 FPGA 芯片內(nèi)集成大量的數(shù)字電路基本門電路以及存儲器，而用戶可以通過更新FPGA 配置文件，來定義這些門電路以及存儲器之間的連線。

這里提及的“可編程”，完全就是“可變成”。這意味著你今天可以把 FPGA 配置成一個微控制器MCU，明天就可以更新配置文件把同一個 FPGA 配置成一個音頻編解碼器。你是不是想起了孫悟空七十二變，今天是個老頭明天是個少女？此乃易容術(shù)也。

不同于GPU的運行原理，F(xiàn)PGA是以門電路直接運算的，即編程中的語言在執(zhí)行時會被翻譯成電路，優(yōu)勢是運算速度快。

在很多領(lǐng)域FPGA的性能表現(xiàn)優(yōu)異，以至于有人說FPGA可能會取代CPU和GPU成為將來機器人研發(fā)領(lǐng)域的主要芯片。當(dāng)然，這事有點夸張。目前來看FPGA也多作為CPU的協(xié)處理器而出現(xiàn)，沖擊GPU是顯而易見的，但要說取代CPU，還得等等。

目前，國內(nèi)有許多創(chuàng)業(yè)企業(yè)，自動加入FPGA陣營，提供基于FPGA的解決方案。比如源于清華大學(xué)的深鑒科技，專注于深度學(xué)習(xí)處理器與編譯器技術(shù)，深鑒科技研發(fā)了一種名為“深度壓縮”的技術(shù)，它不僅可以將神經(jīng)網(wǎng)絡(luò)壓縮數(shù)十倍而不影響準確度，還可以使用“片上存儲”來存儲深度學(xué)習(xí)算法模型，減少內(nèi)存讀取，大幅度減少功耗。

FPGA流派的廠商有兩大兩小，兩大廠分別是賽靈思、Altera（英特爾于2015年以167億美元收購Altera），兩小是Lattice和Microsemi。

其中，賽靈思和Altera占據(jù)了近90%的市場份額，兩人旗下的專利超過6000項。而剩下約10%的市場份額，由Microsemi和Lattice瓜分，這兩位的專利也有3000余項。由此可以看出，極高的技術(shù)門檻將其它希望進入FPGA市場的廠商牢牢擋在門外。

ASIC：由吸星大法突破

雖然GPU在并行計算方面有不少優(yōu)勢，但畢竟不是為機器學(xué)習(xí)專門設(shè)計的，F(xiàn)PGA則是需要用戶自主編程，主要面向?qū)I(yè)領(lǐng)域的企業(yè)用戶，門檻太高。

大眾消費領(lǐng)域怎辦？如應(yīng)用到無人駕駛汽車上或是智能家居終端，這款芯片還要同時滿足高性能和低功耗的要求，甚至不需要將數(shù)據(jù)傳回服務(wù)器端，不必連入互聯(lián)網(wǎng)，本地即時計算即可。

ASIC挺身而出。

ASIC的全稱是專用集成電路 （Application-Specific Integrated Circuit）。

玩過比特幣的都知道著名的挖礦大戰(zhàn)。ASIC在比特幣挖礦領(lǐng)域，展現(xiàn)出了得天獨厚的優(yōu)勢。2013年1月Avalon項目團隊交付了世界上第一臺商用比特幣ASIC礦機，轟動了挖礦世界。CPU、GPU礦機幾乎在一夜之間消失的無影無蹤，引發(fā)了比特幣挖礦行業(yè)第二次重大升級，比特幣網(wǎng)絡(luò)核心開發(fā)者Jeff Garzik有幸成為了第一個商業(yè)ASIC礦機的擁有者，據(jù)說當(dāng)時收到Avalon礦機的用戶在一兩天內(nèi)就回了本。而傳說中隱藏在農(nóng)村的土豪，能動用的ASIC礦機達到了數(shù)千臺。

人工智能深度學(xué)習(xí)和比特幣挖礦有類似之處，都是依賴于底層的芯片進行大規(guī)模的并行計算。

ASIC分為全定制和半定制。全定制設(shè)計需要設(shè)計者完成所有電路的設(shè)計，因此需要大量人力物力，靈活性好但開發(fā)周期長，上市速度慢。專為機器學(xué)習(xí)設(shè)計的ASIC芯片，從設(shè)計到制造，對資金和技術(shù)的要求都更高。一般來說，基于FPGA的開發(fā)周期大約為六個月，而相同規(guī)格的ASIC則需要一年左右，需要經(jīng)過多步驗證，可想而知，在這樣精細的打磨下，其性能自然也更為出色。

ASIC的開發(fā)時間長，意味著ASIC芯片很有可能趕不上市場變化的速度，致使廠商陷入竹籃打水一場空的尷尬境地。

類腦芯片：復(fù)制另一個人腦

類腦芯片不得不提IBM，每次產(chǎn)業(yè)變遷，IBN總要給大家?guī)硪恍┬迈r名詞熱鬧一番。比如電子商務(wù)、智慧星球，認知計算，現(xiàn)在又帶來了號稱要復(fù)制人腦的類腦芯片，科技真真太黑了。

IBM類腦芯片的后臺支持者是美國國防部先進研究項目局（DARPA），DARPA是可謂科技圈的泰山北斗，大名鼎鼎的Internet前身阿帕網(wǎng)即源于這個機構(gòu)。

DARPA與IBM合作建立了一個項目，名為“神經(jīng)形態(tài)自適應(yīng)伸縮可塑電子系統(tǒng)計劃（SyNAPSE）”。該計劃意圖還原大腦的計算功能，從而制造出一種能夠模擬人類的感覺，理解，行動與交流的能力的系統(tǒng)，用途非常明確：輔助士兵在戰(zhàn)場動態(tài)復(fù)雜環(huán)境中的認知能力，用于無人武器的自動作戰(zhàn)。

該項目中最引人注目的是類腦芯片TureNorth。2011年，IBM發(fā)布第一代TrueNorth芯片，它可以像大腦一樣具有學(xué)習(xí)和信息處理能力，具有大規(guī)模并行計算能力。2014年，IBM發(fā)布第二代TrueNorth芯片，性能大幅提升，功耗卻只有70毫瓦，神經(jīng)元數(shù)量由256個增加到100萬個，可編程突觸由262144個增加到2.56億個。高通也發(fā)布了Zeroth認知計算平臺，它可以融入到高通Snapdragon處理器芯片中，以協(xié)處理方式提升系統(tǒng)認知計算性能，實際應(yīng)用于終端設(shè)備上。

“正北”問世，激起了國內(nèi)研究機構(gòu)對人工智能的的熱情。

上海的西井科技去年發(fā)布了全球首塊5000萬神經(jīng)元類腦芯片。該公司宣稱，這是目前世界上含有神經(jīng)元數(shù)量最多的類腦芯片，也是首塊可商用化類腦芯片。

總結(jié)：

AI芯片作為產(chǎn)業(yè)上游，也是技術(shù)要求和附加值最高的環(huán)節(jié)，產(chǎn)業(yè)價值和戰(zhàn)略地位遠遠大于應(yīng)用層創(chuàng)新，因此我們需要高度重視。

放眼時代變遷，CPU領(lǐng)域WINTEL聯(lián)盟已經(jīng)一統(tǒng)江山極難突破，而AI芯片方興未艾，機遇正在逐漸顯露，AI領(lǐng)域未來必然也會產(chǎn)生類似英特爾、AMD這樣的世界級企業(yè)。

美國以絕對實力處于領(lǐng)先地位，但一批中國初創(chuàng)企業(yè)也在蓄勢待發(fā)。

但是，AI芯片領(lǐng)域的創(chuàng)新絕不是件一蹴而就的事情。它涉及到人工智能算法、編程語言、計算機體系結(jié)構(gòu)、集成電路技術(shù)、半導(dǎo)體工藝的方方面面。在巨大的國際競爭壓力下，靠單個企業(yè)研發(fā)投入，遠遠不夠；單靠有限的風(fēng)險投資，也不行。靠科技補貼，更是遠水解不了近渴。