(本文作者桑尼，授權電子發燒友發布)大家好，老王回來了!書接上回，話說在上篇中老王提到這些年一直在思考的幾個問題，老王帶著這些問題去尋找心儀的方案。哎，說到這，老王不得不先吐槽這些年的市場亂象。

只見新聞 不見芯片

AI芯片市場可謂火爆異常，做芯片已經不再是芯片公司的專利，這幾年可謂全民齊上陣，你方唱罷我登場，芯片指標沒有最高只有更高。每天的科技新聞絕大部分跟AI有關，而這些AI新聞中必有AI芯片相關報道，獨角獸如雨后春筍，放衛星此起彼伏，今日彎道超車，明天巨頭崩潰，形勢一片大好，不亦樂乎。奇怪的是，你們到底在市場上見到過誰家的芯片?當被問到這個嚴肅的問題時，奇葩的回復一個接著一個。

• A公司：“…對不起，我們的芯片將自用，不對外銷售… 順便：如果我們現在盈利，那么說明我們沒有未來…”(PS:觀點新穎!這樣咒自己公司?投資人知道不?)
• B公司：“…我們的技術世界領先，但目前只做云側芯片，在端側我們只提供IP…”(PS: 與黃教主不共戴天?技術過硬為何不出端側IC?IP盈利周期太長，不懂?)
• C公司：“…我們的芯片將于今年Q3實現量產…”(PS: 親，您去年年初就在說同樣的話!)
• D公司：“…我們將于年內推出第三代芯片…”(PS: 勞駕，請問貴司第一代和第二代芯片在哪里?)
• 。。。 。。。

魚龍混雜 真假難辨

常被混淆的概念比如：機器視覺 = AI。很有必要談一下機器視覺(CV)，這門技術有三十多年的歷史了，傳統機器視覺是手工設計特征算子，并不算是新技術，今天的市場上仍然充斥著不少采用傳統機器視覺的產品(PS：只不過換了個名字叫“淺層神經網絡”，國人的創新意識無處不在)。我們之前談到過這一大波兒AI以深度學習技術為代表，以卷積神經網絡替代手工算子實現端到端應用，而深度學習與傳統機器視覺的比拼在2012年時就有了結論：深度學習以無可爭議的優勢勝出。所以，當諸位研判方案時，應該首先確定到底是采用傳統機器視覺還是深度學習方法，到底是手工設計特征算子還是卷積神經網絡。眾所周知，傳統機器視覺對環境的適應性和泛化能力很差，準確率低，產品的售后調參能調到你崩潰，根本無法大規模部署。老王直言，坑就在那里，睜大雙眼，不要去踩。

不畏浮云遮望眼

常言道“外行看熱鬧，內行看門道”。老王行走江湖幾十年不敢說閱芯(女)無數，但用過的芯片接觸的公司也是不勝枚舉。評估一款芯片，由表及里，你會發現市場上被稱為AI芯片其實本質卻是DSP(PS：多核高配ARM芯片同理)，區別僅在于是自研還是集成第三方IP，必須要肯定的是，自研DSP并不簡單，比如Movidius公司(已被Intel收購)十年磨一劍打造的Myriad系列是目前市場上為數不多能量產的方案，其他公司基本走集成IP路線，常被采用的IP包括CEVA，Tensillica， Imgtec， Vivante等等(PS：還有eGPU甚至eFPGA，無法落地端側的方案老王就不贅述了,集成IP卻言之創新讓老王不敢恭維)。必須要指出的是：無論自研還是集成IP，只要計算引擎的本質是DSP(或ARM)那么難言創新，因為它根本無法實現“高性能+低功耗”DSP方案常被用來處理傳統機器視覺，但用來處理卷積運算則根本無法勝任。DSP是萬金油不假，但也只能充當過渡性方案，說到這，老王又把video行業的例子搬出來，想當年TI公司達芬奇系列就是DSP方案處理video，一度也是轟轟烈烈，而最終你看到有多少用達芬奇處理視頻編解碼的?老王選芯片不想重復“昨天的故事”，老王要“擁抱未來”。誠然，未來人工智能在端側以“智商水平”來分級，算力至少應該從幾十TOPS起步，到幾百TOPS才能滿足基本的智商要求，這種等級的算力是DSP這種通用型芯片所望塵莫及的。老王直言，看清形勢，上車要趁早。

翩若驚鴻 自成一派

感謝諸位看官撥冗從頭看到這，終于到了解開神秘面紗的時刻。老王苦心孤詣，不忘初心，潛心打造AI技術平臺，服務于廣大開發者。老王的平臺取名“若派Ropal”，源自“翩若驚鴻，自成一派”，“若派”平臺主推的這顆AI芯片的確稱得上自成一派，不同于現有市場上任何流派，符合老王列出的所有條件。這家芯片公司網上新聞極少，低調且神秘，再次強調老王并非等閑之輩，還是挖掘到了很多信息(PS：韓國某大廠朋友給老王送來的情資，嘿嘿，老王把隔壁都拓展到國外了)。這家公司名叫Gyrfalcon Technology Inc，芯片型號SPR2801S，是一款AI協處理器，專注加速卷積運算，老王重點要說的是這款芯片的架構創新，“高性能+低功耗”真的可以同時有，毫不夸張的說，開始老王也認為是忽悠，但真正評估后發覺，強中自有強中手，一山還有一山高，你想不到是因為你道行不夠深。不說別的，你可知道這款小小的芯片之上集成了多少個計算單元嗎?答案是28000多個!而峰值功耗只有0.3W，你沒看錯，老王開始也認為是看錯了… …閑言少敘，重點說創新，這款芯片集學術界最前沿的三項技術于一身：1、二維卷積(PS：美國MIT大學發表的論文Eyeriss了解一下);2、量化與壓縮(PS：美國Stanford大學發表的論文EIE了解一下);3、存算一體(PS：美國CMU大學發表的論文PiM了解一下)。等一下，有人可能會說“老王，能再通俗一點嗎?我們聽不懂!”好的，沒問題，制約AI芯片發展的難題之一是運算單元與片外存儲之間的數據移動(data movement)無法消除，只要這個問題不解決，那么AI芯片特別是在端側“算力上不去，功耗下不來”的局面就無法根本改善，GTI的創新則很好的解決了這個問題。讓老王驚訝的是，當這三項技術還停留在論文階段時，竟然有公司已經實現了，那背后的設計者是值得深挖一下的，去隔壁查了查，果然不出所料，這款芯片的首席設計師是一位名副其實的芯片界老炮兒，原來此人在1988年伯克利博士畢業時的論文即是CNN(PS：彼時還不叫卷積，而是細胞，其實一回事)，一舉榮獲當年IEEE的最佳論文獎!此外，論文做到了知行合一，之后作者以模擬電路演示手寫字識別以論證其CNN理論。

所以嘛，創新哪有這么簡單，原來是深藏三十年的功力今朝試鋒芒。內行看門道，掌握這樣技術的公司還有什么樣的卷積加速芯片是不能做的?深入了解后發現，這款芯片架構是完全自主知識產權，據說還申請了多達六十幾項專利，杜絕出現“如有雷同純屬巧合”的事件，這樣看來GTI以后不自成一派也不行了。

上周業內最火的新聞莫過于華為高調發布兩款AI芯片，繼谷歌之后，華為也完成了云與端的閉環。何為閉環?說白了就是既有云側訓練芯片，也有端側推理芯片，提供從訓練到推理的全棧解決方案。對于其他大部分AI芯片公司來說，這無疑是在瑟瑟秋風中送上一首《涼涼》，沒有閉環能力的公司在未來可想而知，為數不多的機會可能會出現在端側指標上以數量級的優勢勝出，但又有幾家公司能做到呢?(PPT造芯除外)。不過，對老王來說還好，第三次強調老王并非浪得虛名，老王看上的她必須有閉環能力(凹凸有致)。

最后，避免軟廣之嫌，避免老王賣瓜，避免給無辜小編找麻煩，欲了解老王的力作請猛戳這里：http://www.ropal.com.cn (PS: 電腦打開鏈接效果好)

勾搭老王就是這樣簡單，歐耶!