<mark id="oztn4"></mark>
0
11 月 6 日，全球 AI 芯片領域的第一家獨角獸創業公司寒武紀召開了該公司成立以來的首場發布會，這次發布會的主題是“智能時代的引領者”，可以看到寒武紀的自我定位。
在本次發布會上，寒武紀 CEO 陳天石介紹了三款全新的智能處理器 IP 終端產品：面向低功耗場景視覺應用的寒武紀 1H8、擁有更廣泛通用性和更高性能的寒武紀 1H16 和面向智能駕駛領域的 1M。
據雷鋒網了解，寒武紀早在 2016 年就發布了全球首款深度學習專用處理器——寒武紀 1A 處理器。它是國際上首個商用深度學習處理器產品，能夠集成到終端 SoC 芯片，每秒可處理 160 億個虛擬神經元，每秒峰值運算能力達 2 萬億虛擬突觸；在人工智能應用上達到了四核 CPU 25 倍以上的性能和 50 倍以上的能效。
這款處理器被用于華為麒麟 970 手機芯片中。根據華為官方給出的 4 個比例，它擁有極佳的功耗表現：其性能 6.25 倍于 CPU、4 倍于 GPU；NPU 的效能 50 倍于 CPU、6.25 倍于 GPU。不僅如此，這款處理器在應用場景中表現也非常出色，在用 NPU 識別 1000 張圖片的過程中，NPU 的整體功耗只在 0.3-0.7W 之間浮動，實際的電池消耗僅為 0.19%（4000mAh 電池）。換句話說：如果電量充足，NPU 完全可以利用一塊電池實現 50W 張照片的識別。
陳天石表示，與寒武紀 1A 相比，三款新品在功耗、能效比、成本開銷方面進行了優化，性能消耗比再次實現飛躍式的提升，適用范圍覆蓋了圖像識別、安防監控、智能駕駛、無人機、語音識別、自然語言處理等各個重點應用領域。
除了面向終端的智能處理器 IP 系列，寒武紀還發布面向云端的高性能智能處理器產品線；而在本次發布會上首先亮相的是將在 2018 年發布寒武紀 MLU 100 和寒武紀 MLU 200，這兩款芯片主要應用于服務器端的智能處理需求，分別偏重于推理和訓練兩個用途。
據雷鋒網了解，2017 年 10 月 24 日，在中科曙光 2017 智能峰會上，曙光公司專門為人工智能市場開發、設計的專用服務器 “Phaneron”就搭載了寒武紀的產品。Phaneron 主要的業務場景是面向深度學習的在線推理業務環境，它用到的就是寒武紀的高性能處理芯片。
此外，為了區別于之前的神經網絡處理器（NPU），寒武紀將云端芯片產品線命名為機器學習處理器（MLU）；這就意味著寒武紀未來將支持多樣化的機器學習應用，而非僅僅是深度學習。
當下，軟硬件結合已經成為人工智能芯片領域的發展趨勢；而寒武紀也不出意外地發布了一款專門為開發者打造的寒武紀人工智能軟件平臺 Cambricon NeuWare，該平臺支持 TensorFlow、Caffe、MXNet 等多種主流機器學習框架。
該軟件平臺包含開發、調試和調優三大部分，可以同時支持云端和終端的智能處理。雷鋒網了解到，該軟件平臺構建在寒武紀發明的人工智能專用指令集支撐之上；由此，寒武紀擁有了一個軟硬件結合的平臺，形成了一個完整的基于底層指令集的生態，可以方便開發者進行跨平臺應用遷移，能夠為云和端一體的人工智能處理打下基礎。
在發布會上，來自華為海思、阿里巴巴、聯想、科大訊飛、中科曙光、ARM、曠視科技、地平線等人工智能領域的合作伙伴也一同參與，并對智能產品的發展進行了交流。其中聯想高級副總裁賀志強在會場表示，聯想已經在與寒武紀進行合作，探討將寒武紀的 IP 芯片用于智能手機前置攝像頭識別的可能性。
在發布會上，寒武紀 CEO 陳天石表示，寒武紀將力爭在 3 年之后占有中國高性能智能芯片市場 30% 的份額，并使得全世界 10 億臺以上的智能終端設備集成寒武紀終端智能處理器；如果這兩個目標能夠實現，寒武紀將“初步支撐起中國主導的國際智能產業生態”。
另外，陳天石還表示，未來人工智能方法將在視覺、語音、自然語言、數據分析、經濟金融等各位應用方面大顯身手，這就要求未來超級計算機、數據中心、智能手機、嵌入式設備等要進一步智能化，而寒武紀機器學習處理器有望成為這些設備的標配。
從陳天石這番話，我們能夠看出寒武紀的野心。實際上，經歷了數輪融資之后，寒武紀在財務實力上也支撐得起這樣的野心。
寒武紀在成立之初獲得來自中科院的數千萬元天使輪融資，之后在 2016 年 8 月獲得來自元禾原點、科大訊飛、涌鏵投資的 Pre-A 輪融資。今年 8 月 18 日，寒武紀科技宣布完成 A 輪 1 億美元融資；領投方為國投創業，阿里巴巴、聯想、國科投資、中科圖靈加入，原 Pre-A 輪投資方，元禾原點創投、涌鏵投資繼續跟投。在 A 輪融資完成之后，寒武紀的估值超過 10 億美元，正式成為全球 AI 芯片領域的第一家獨角獸創業公司。
陳天石此前接受雷鋒網獨家專訪時表示，“隨著社會逐漸從信息時代過渡到智能時代，AI芯片將是支撐智能計算不可或缺的載體。復雜的深度學習網絡計算需求很高，這就需要有更多更強大的計算資源。”
GPU 是目前主流的AI計算平臺，但是其基本框架結構畢竟不是為了 AI 所設計的，效率受到很多限制。FPGA 雖然迭代快，可以再短期內滿足一定的計算需求，但從計算速度和能耗比來說，和專用的 AI 芯片還是有差距的。目前還有很多公司和高校也在引用跟蹤我們前期的成果，研制深度學習專用的 ASIC（比如谷歌 TPU）。
理想中的 AI 芯片應當是一種新型的處理器，能具有廣闊的應用面（包括語音、語義、圖像、視頻、自然語言多模態處理能力），同時具備遠超 CPU 和 GPU 的效率。要想達到這一目標，必須要有一套新的 AI 指令集，利用指令進行靈活處理，才有可能在 AI 芯片上把各種算法應用都能支持得又快又好。我們去年提出了國際上首個 AI 指令集，就是朝這個方向的努力。
對于中國在 AI 芯片領域的未來發展機會，陳天石也表示，
其實芯片的成敗，除了本身的效率之外，生態是非常關鍵的環節。過去信息產業，軟硬件生態都是建立在 ARM 和 x86 指令集之上的。不遵從這些英美的指令集，芯片做得再好，沒有配套應用和軟件，也很難在市場上獲得成功。而未來的智能時代，可能格局會發生巨大變化，會出現新的AI生態。
中國有最大的 AI 市場，也由寒武紀等一批公司和院校有好的技術，完全有可能影響國際 AI 生態發展。這里面的核心還是 AI 指令集。沒有 AI 指令集，AI 芯片應當如何規范化設計，AI 軟件如何和底層硬件交互，都是無根之木。這也是為什么我們提出了國際上首個 AI 指令集。
如果從國家硬實力發展角度看，應當對業界進行引導和規范，把國產 AI 指令集樹立為產業的標準。只要國產 AI 指令集立住了，中國主導世界 AI 產業的機會可能就到來了。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
