競逐AI晶片誰將勝出？

關鍵字：()；；；；；；()

瀏覽次數：44358｜歡迎推文：

科技產業資訊室 (iKnow) - May 發表於 2017年9月5日

圖、競逐AI晶片誰將勝出？

人工智慧（AI）被視為第四次工業革命核心，預估到2020年，市場商機規模高達3,000億美元，「得晶片者得天下」概念發酵，因此吸引各大科技廠爭相加碼投資。

過去因為資料量不夠大，同時機器CPU無法做準確分析，如今各種結構與非結構性資料量愈來愈大，全部被集中到雲端或者可藉由終端手機進行資料蒐集及分析。資料量愈來愈多樣化，加上各式演算法愈來愈精進，使得人工智慧的環境趨於成熟。以下簡述目前較具體在AI晶片有進展的公司：

Nvidia（英偉達）一直是圖像處理的行業龍頭，GPU的浮點運算、同步並行運算是非常適用於人工智慧的深度學習神經網絡，因此成為AI晶片領頭軍。谷歌無人駕駛汽車就採用了Nvidia 的移動終端處理器Tegra（4 核CPU+256 核GPU）。2016 年8 月，英偉達推出首台深度學習超級計算器Nvidia DGX-1。2017 年4 月，Nvidia宣布為Tesla自駕車開發全新數據中心加速器Tesla P100 已經供貨，面向人工智慧、自動駕駛、氣候預測、醫藥開發等專業領域。

Google 在2017年5月的 I/O 大會推出AI晶片「TPU」（Tensor Processing Unit）是客製化的 ASIC（特殊應用邏輯IC），專為機器學習設計，用於改善搜尋結果的相關性，提高 Google 街景服務地圖和導航功能的正確度。也就是說，TPU專為特定用途設計的特殊規格邏輯 IC，只執行單一工作，所以速度更快，但缺點是成本較高。

英特爾2016年9月收購視覺晶片公司Movidius。歷經將近一年的研發，於2017年8月底宣佈推出了全新的Myriad X視覺處理器（Vision Processing Unit；VPU），這是全球第一個配備神經運算引擎（Neural Compute Engine）的系統單晶片（SoC），可用於加速產品端的深度學習推理，未來可應用在無人機、機器人、智慧攝像機、虛擬實境與擴增實境等產品。

高通早在2015年CES推出Snapdragon Cargo是一款無人機SoC晶片，具有視覺運算可應用於工業、農業監測、航拍。此外，高通的驍龍820晶片也被應用於VR頭盔中。事實上，高通已經在研發能在終端完成深度學習的移動設備晶片。

IBM推出TrueNorth 晶片，又於2017年8月9日宣布已發展出採用多台伺服器搭配分散式深度學習軟體（Distributed Deep Learning；DDL）縮短深度學習時間，提高效率。IBM使用了64個自行開發的Power 8伺服器，每一個微處理器都與256顆英偉達繪圖處理器透過NVLink連接起來，讓兩種晶片之間的資料流程進行傳輸。當其開始處理來自ImageNet-22K資料庫的750萬張圖片時，其識別準確率高達33.8%，比起微軟先前的29.8%紀錄還高。

蘋果公司對未來開發的產品，一向神祕低調。消息傳出蘋果正在開發AI晶片Apple Neural Engine，且內建於新一代的iPhone/iPad原型機進行測試，期望提升臉部或語言辨識能力。還有研發出一套人工智慧架構平台，可讓兩組Siri軟體相互對話溝通，應用在智慧居家領域。同時，蘋果也積極開發深度學習技術，鎖定自動駕駛車以及智慧家居應用，要把虛擬語音助理軟體Siri更加智慧化。

微軟準備為下一代Hololens擴增實境裝置打造一個客製化的TPU人工智慧晶片，也不排除在Hololens晶片推出之後，也可以用於微軟的雲端服務之上。也在試驗另一種晶片 FPGA（可程式化邏輯元件），FPGA 介於 GPU 和 ASIC 之間，沒有 GPU 那麼通用，也不像 ASIC 只有單一功能，FPGA 能重新編程，執行多種功能。

華為在IFA 2017(柏林時間9月2日)發布了首款人工智慧(AI)手機應用處理器—Kirin 970(麒麟970)，是8核心手機應用處理器，同樣由子公司海思半導體（HiSilicon）設計，雖然ARM架構處理器核心數及運算時脈與上一代Kirin 960相同。採用台積電的10奈米先進技術以大幅降低功耗，加入華為最新的人工智慧（AI）神經處理元件（Neural Processing Unit，NPU），成為全球首款搭載AI運算核心的手機晶片。該晶片支援語音識別、人臉識別、場景識別等多個人工智能場景的處理。該款新晶片將搭載在華為10月新機Mate 10。

百度聯合硬體廠商推出DuerOS智慧晶片，可以在晶片嵌入百度演算法，快速而廣泛地應用到更多場景。百度利用「算法+晶片」的組合，切入人工智慧應用產業。

結語
AI晶片包含三大類市場，分別是數據中心(雲端)、通信終端產品(手機)、特定應用產品(自駕車、頭戴式AR/VR、無人機、機器人...)。當前機器學習多採用 GPU圖像處理，尤以Nvidia 是此一領域龍頭，但是，有些業者認為GPU處理效率不夠快，而且因應眾多特定新產品的不同需求，於是，推出NPU、VPU、TPU...等等。總而言之，AI晶片是一個新興的產品，等待「殺手級」出現，充滿無限大的市場。由於，搶未來AI應用市場商機，科技巨鱷如Google、微軟、蘋果企圖建構AI平台生態模式吃下整個產業鏈。

目前還不清楚哪種架構的晶片會在 AI 大戰獲勝。但(手機)終端市場對於AI晶片的功耗、尺寸、價格都有極為嚴格的要求，難度上比雲端數據晶片更高。

至於 CPU是否會被TPU、NPU、VPU….等之類新類型處理器取代，答案應該不會。因為，新出現的處理器只是為了處理新發現或尚未解決的問題；同時，希望晶片市場能有更多競爭及選擇，不要英特爾、高通獨大。科技企業搶人工智慧應用商機，AI晶片成為兵家必爭之地。(1295字；圖1；表1)

表、布局AI晶片業者

公司	AI晶片	用途
Nvidia	GPU（Graphic Processing Unit）	1. NVIDIA 的移動終端處理器Tegra（4 核CPU+256 核GPU）。 2. 深度學習超級計算機NVIDIA DGX-1。 3. 數據中心加速器Tesla P100面向人工智慧、自動駕駛、氣候預測、醫藥開發等專業領域。
Google	TPU（Tensor Processing Unit）	是客製化的 ASIC（特殊應用邏輯IC），專為機器學習設計，用於改善搜尋結果的相關性，提高 Google 街景服務地圖和導航功能的正確度。
英特爾	VPU（Vision Processing Unit）屬於NPU	是全球第一個配備神經運算引擎（Neural Compute Engine）的系統單晶片（SoC），可用於加速產品端的深度學習推理。未來可應用在無人機、機器人、智慧攝像機、虛擬實境與擴增實境等產品。
微軟	FPGA（可程式化邏輯元件）	FPGA 介於 GPU 和 ASIC 之間， FPGA 能重新編程，執行多種功能。
華為	NPU（Neural Processing Unit） Kirin 970(麒麟970)	採用台積電的10奈米先進技術以大幅降低功耗，加上海思的HiAI移動計算架構，NPU運算能力達到了1.92T FP16 OPS，憑藉AI計算能力，(相較於四個Cortex-A73核心)在處理同樣的AI應用任務時，新的異構計算架構能夠提高25倍的CPU性能和50倍的能耗表現。
百度	GPU（Graphic Processing Unit）+ 對話式人工智慧系統	聯合硬體廠商推出DuerOS智慧晶片，利用「算法+晶片」的組合，切入人工智慧應用產業。
IBM	TrueNorth 晶片 + 多台伺服器搭配分散式深度學習軟體（Distributed Deep Learning；DDL）	IBM使用了64個自行開發的Power 8伺服器，每一個微處理器都與256顆英偉達繪圖處理器透過NVLink連接起來，讓兩種晶片之間的資料流程進行傳輸。
高通	VPU（Vision Processing Unit）	高通推出Snapdragon Cargo是一款無人機SoC晶片，具有視覺運算可應用於工業、農業監測、航拍。此外，高通的驍龍820晶片也被應用於VR頭盔中。事實上，高通已經在研發能在終端完成深度學習的移動設備晶片。

Source：科技政策研究與資訊中心—科技產業資訊室(iKnow)整理，2017/9

參考資料：
人工智慧爆發中美AI晶片大比拼。光電新聞網，2017/05/14。
華為發布手機AI晶片Kirin 970。科技產業資訊室(iKnow)，2017/9/5。
英特爾揭露最新AI晶片，中國大陸不落人後。科技產業資訊室(iKnow)，2017/8/30。
IBM的深度學習獲得重大突破，縮短時間提高效率。科技產業資訊室(iKnow)，2017/8/14。
全球人工智慧晶片市場預測2016～2022年成長率62.9%。科技產業資訊室(iKnow)，2017/7/24。
傳聞蘋果開發AI晶片內建於下一代iPhone。科技產業資訊室(iKnow)，2017/6/1。

本站相關文章：
1. 谷歌學習蘋果？開始自製晶片進入人工智慧
2.人工智慧崛起，微軟與谷歌都投入晶片研發
3.微軟公布HoloLens晶片規格，由台積電代工
4.英特爾揭露最新AI晶片，中國大陸不落人後
5.英特爾推出第五代Core M處理器挑戰iPad Air

歡迎來粉絲團按讚！

--------------------------------------------------------------------------------------------------------------------------------------------