向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

魏少军:中国人工智能芯片研发需要上一个台阶

时间:2019-03-29 作者:赵明灿 阅读:
今天上午在ASPENCORE旗下《电子工程专辑》、《电子技术设计》、《国际电子商情》三大媒体联合举办的“2019年中国IC领袖峰会”上,中国半导体行业协会副理事长、设计分会理事长魏少军教授以“人工智能芯片要上一个新台阶”为题,探讨了他最近关于AI的一些思考,以及关于AI芯片发展的大概愿景。

近两年,人工智能(AI)很热,预计未来还会再热一段时间。因此,在今天上午ASPENCORE旗下《电子工程专辑》、《电子技术设计》、《国际电子商情》三大媒体联合举办的“2019年中国IC领袖峰会”上,中国半导体行业协会副理事长、设计分会理事长魏少军教授以“人工智能芯片要上一个新台阶”为题,探讨了他最近关于AI的一些思考,以及关于AI芯片发展的大概愿景。

AI芯片的四个阶段

首先,魏教授将AI芯片的发展划分成四个阶段:AI Chip 0.5、1.0、1.5、2.0

017ednc20190329sy

AI Chip 0.5阶段是指利用已有的芯片(如CPU、GPU、FPGA、DSP等)来实现AI功能。这是比较早期的实现方式,只要实现AI功能就好。

AI Chip 1.0阶段出现了一些AI专用芯片,比如TPU、SCNN、UNPU等。它们属于领域专用,根本点在于如何解决强大的算力和功耗之间的关系,也即寻求一种最佳的效率(OPS/W)。魏教授指出:“各种人工智能的算法都需要强大的算力,而用原来的芯片去做无可避免地会带来功耗的上升。因此,我们需要开发一些专用芯片,在保持算力的同时降低功耗。”

AI Chip 1.5阶段出现了一些半通用、可重购、兼顾了训练和推理的芯片,比如Thinker、DPU等,用来解决算法太多等问题。目前这类芯片所报道的还不是特别多,我们还主要处在AI Chip 1.0阶段。

AI Chip 2.0阶段是什么?我们现在不知道。魏教授认为它应该是通用的,同时应该是自适应。“当然,我们希望它是智慧化的。”他补充说。

早期的AI Chip 0.5-1.0主要聚焦在云端的训练。1.0-1.5开始较多地讨论边缘端、与推理相关的内容。“但这并不完全集中在推理,未来的发展应该是两者兼顾。”魏教授说。因此,从1.5-2.0应该是云和端、训练和推理兼顾的一项发展。

每个阶段大家聚焦的重点是什么呢?0.5阶段主要聚焦于性能,即怎么样能够运算得更快一些。这中间经历了从CPU(速度不够快)到GPU(功耗很大)再到FPGA实现的转变。1.0阶段不仅仅关注性能的问题,更关注能耗(能量效率)的问题。1.5阶段除了性能、功耗和能效外,更关注的是灵活性。2.0阶段则包括更重要的智慧化。一言以蔽之,0.5阶段是实现,1.0阶段是应用,1.5阶段是系统,2.0阶段是智慧。

综上,2.0阶段与上述发展特征相吻合,而前面则不吻合。魏教授认为,这个收敛过程恰好也说明了任何事物发展都有它自身的特点,殊途同归最终都要做到智慧化。

AI Chip发展路线图

AI芯片到底会怎么样发展?从下面的AI Chip发展路线图来看,这类芯片会慢慢出现两种不同的架构:越来越多的算法;越来越多的可编程性。同时,算法的设计和硬件的设计两者要结合起来,目标是实现更低的延时、更高的能量效率,以及更通用。因此,在这个过程当中,算法和硬件的联合设计,成为AI芯片发展的重要特点。

018ednc20190329syi

此外,图中右上角所述的“更高的能量效率面向小型化的AI应用”,主要是指边缘应用。而左下角“更高的硬件灵活性面向综合的AI应用”,则更多地聚焦云端应用。“这样的发展路线图,基本上可以反映在发展过程当中所面临的不同问题,和要解决的重点问题。”魏教授认为,我们在设计AI芯片的时候,已不像以前只关心芯片或关心软件,而是需要协同的设计、协同的优化、协同的验证和协同的实现。

AI服务需要从“云”走向“端”

今天的AI服务更多还是在云上,阿里巴巴、Google、百度、IBM、Microsoft等都在发展AI云服务。这类服务内容已经很丰富,包括图像识别、语音翻译、智慧家庭、智慧医疗等等。

但芯片人更多的是希望从云走向端,有足够的量才能实现我们的愿望和现实利益。以下面Arm公司的例子来看,它把AI应用分成三类:大端(云端)、中端和小端。从数量上看,大芯片、中芯片、小芯片各有100倍的差距。但是不管怎么做,云端和边缘端的协作是必然。

019ednc20190329sy

ASIC增速将最快,但有两个问题难解决

从Tractica的报告来看,各类AI芯片中,专用集成电路(ASIC)的数量增长将最快。这个预测基于的点是什么?就是大量的应用在端,需要用到更多的领域专用类芯片。

020ednc20190329

但这其中我们碰到两个问题:第一个是算法仍在不断演进,新算法层出不穷;第二个是一种算法对应一种应用,没有统一的算法。这对于做ASIC是件非常痛苦的事情,这在短期也很难解决。

举例来说,卷积型的CNN更多的是用于视觉特征的提取;全互联的FCN更多的是用于分类;RNN则主要用在串行数据的处理上,比如说语音的识别和翻译等等。

021ednc20190329

因此,我们很难有一个具体的算法,能够覆盖各种各样的应用——实际上,神经网络的结构是不太一样的。

此外,在不同的应用当中,能量指标也不太一样。比如,可穿戴设备、智能传感器等的功耗大概是1mW;移动电话、智慧家庭、智慧玩具等是100mW;视频监控、工农业应用可能会达到瓦级;而到了自动驾驶则可能会上百瓦。

能量效率指标在不同应用中要求不同,要想全部覆盖也是个比较麻烦的事情。

AI 芯片需要一款高能效通用深度学习引擎

总的来说,我们需要解决下图中的三个问题。比如说,能不能找到一个通用的神经网络计算——如果不能百分百覆盖所有的应用,哪怕能覆盖掉一部分也很好。另外,在保证足够大算力的同时,需要考虑能量效率问题。例如,我们想为手机增加人工智能功能,但如果增加一点点这样的功能,会使手机电池寿命突然减半,那么就肯定不可取。

022ednc20190329sy

软件定义芯片是AI芯片的发展方向

魏教授认为AI芯片未来的发展方向是软件定义芯片。如下图所示,GPU相比CPU没有太大的变化,但是FPGA特别是ASIC时就会发生重大变化。

023ednc20190329sy

对于未来芯片架构的创新,软件定义芯片,或者称粗粒度可重构架构(CGRA),这个概念比较热,即要去兼顾硬件可编程性与软件可编程性。这个概念在国际半导体技术路线图(ITRS和美国国防高级研究计划局(DARPA)的ERI项目中都有规划。魏教授表示:“它应该是软件、硬件均可以编程,而且是混合颗粒度的。它虽然能量效率和计算效率比不上专用集成电路,但一定是比起CPU、GPU要好很多。”

024ednc20190329

总结

魏教授感悟说,我们做芯片的人苦,为了实现差异化,不停地在定义、设计、制造、销售这个周期中打转。随着时间的推移,芯片的价值在降低,差异化在变小。但如果我们设计的芯片能像人类的成长过程一样,通过接受教育而变得跟别人不一样,那么我们的芯片将越用越有价值,越用差异化越大。这是实现竞争的一个非常重要的方法。

如果能做到这一点,我们就可以通过不断地在使用过程当中获取相关的参数,获取学习的内容,进一步发展,最终形成芯片的个性化。随着时间的推移,个性化越来越强。“这样的发展思路也许对我们今后发展人工智能,甚至不仅仅是人工智能,在发展个性化、差异化的芯片过程当中,会起到很重要的作用。”魏教授总结说。

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
赵明灿
赵明灿是EDN China的产业分析师/技术编辑。他在电子行业拥有10多年的从业经验。在加入ASPENCORE之前,他曾在电源和智能电表等领域担任过4年的工程师。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 让微控制器进入休眠状态后,到底能省多少能耗? 低功耗模式如何在真正的微控制器(MCU)上实现?这些模式如何影响嵌入式系统?在这篇文章中,将更详细探讨如何让微控制器进入睡眠状态,并看看到底能够节省多少能耗。
  • 挑战服务器市场,AMD要靠“超大规模业者”? AMD正式发表第二代EPYC服务器处理器,包括Google、微软和Twitter均为其站台。为了挑战目前以英特尔为主的x86服务器市场,分析师指出,短期内AMD主要就靠这些超大规模业者(hyperscaler)…
  • 传统IC厂商小心:中国BAT + 美国FANG来了! 超大规模业者(hyperscale companies)主宰了电子世界。这些简称为“FANG”──包括Facebook、亚马逊(Amazon)、苹果(Apple)、Netflix、Google,以及“BAT”——阿里巴巴(Alibaba)、腾讯(Tencent)、百度(Baidu),还有微软(Microsoft)──的公司,无论你选择哪一种指标来衡量,都比世界上最大的芯片制造业者来得有份量;我们在接下来十年可以确定,这些巨擘将以我们很少人能想得到的方式重塑这个产业。
  • 抢华为首发,中兴能否依靠5G手机回归主流? 日前,中兴天机Axon 10Pro 5G版正式开售,抢先华为Mate 20 X 5G版成为了我国首款真正上市的5G手机,一时间成为了众多消费者关注焦点。但中兴虽然打响了5G首发的“第一枪”,但并不能简单认为其回归“主流”之路就将一帆风顺。
  • SoC互连:千万不要DIY! 在过去的一年中,互连(interconnect)IP市场动作频频,最值得注意的就是英特尔(Intel)收购NetSpeed和Facebook收购Sonics。最近的市场整合可能会让一些公司考虑是否应该自己动手DIY。但问题不是你能否做到,而是你该这样做吗?
  • 半导体产业陷入低迷,EDA产业却逆势成长 尽管半导体产业陷入低迷,全球两大经济体卷入长期的贸易战,EDA产业在此不景气中仍逆势成长,交出亮眼的营收成绩...
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告