欢迎光临
我们一直在努力

芯片制造商正展开激烈竞争 以求在飞速发展的人工智能芯片市场分一杯羹

人工智能(AI)的核心是机器学习——计算机利用数据(以及大量数据)学习并不断改进基于复杂算法的决策的能力。为了让数据中心、机器人、无人机、自动驾驶汽车以及数字助理和智能手机等设备处理这些海量数据,它们需要一个关键部件:半导体芯片。其结果是:机器人技术和人工智能革命引发了芯片制造商之间争夺领导地位的新战役,这些制造商希望从人工智能芯片市场分得一杯羹。瑞银(UBS)预测,到2021年,人工智能芯片市场的规模将从2016年的60亿美元增至350亿美元。比赛开始了。

然而,随着这个领域的参与者如此之多,越来越明显的是,不仅是一个半导体芯片将主宰计算领域。尽管英伟达(Nvidia)在人工智能培训应用领域迅速确立了主导地位,但从美国到中国,许多公司都加入了人工智能芯片的竞争,都将巨额资金投入到这一转型行业。谷歌、微软(Microsoft)、苹果(Apple)、亚马逊(Amazon)和Facebook等美国科技巨头正努力提高处理器速度,以支持面部和语音识别、搜索和自定义图像识别等人工智能应用程序,以改善个性化和机器人辅助。

谷歌的张量处理器(张量处理器)是其最新的AI芯片,与标准cpu和gpu相比,其性能提高了15 - 30倍,每瓦特性能提高了30 - 80倍。tpu通过支持按比例运行最先进的神经网络来提高谷歌基于云的服务的性能,而且成本要便宜得多。这些高性能芯片也帮助加速了谷歌最具创新性的一些应用程序的开发,其中包括谷歌Assistant,它可以识别机器人上的语音指令;谷歌Translate,它提供即时语言翻译。

苹果公司希望凭借其新款iPhone XS奠定基础,这款手机配备了A12仿生芯片,这是业界首款7纳米芯片,拥有6核CPU和4核GPU,外加一个升级的神经引擎。iPhone的应用程序仍将在该公司的机器学习框架Core ML上运行,但在A12上运行速度将快9倍。在传统芯片制造商中,英伟达目前占据主导地位,其次是英特尔、AMD和Xilinx。中国的三大巨头——百度、阿里巴巴和腾讯——要么已经发布,要么正在开发自己的定制处理器。百度最近发布了名为昆仑(Kunlun)的专用人工智能芯片,阿里巴巴(Alibaba)和腾讯(Tencent)也在各自的云平台上部署人工智能处理能力。与此同时,Cerebras和Graphcore等初创企业一直在积极参与这一游戏,它们都从领先的风投公司那里筹集了逾1亿美元的资金。他们的任务是:开发能够优化和与系统其他部分通信的芯片,以支持智能手机、汽车和其他消费设备上的人工智能应用。

英伟达是GPU领域的领军企业,拥有先发优势。该公司很可能在数据中心培训和深度学习推理方面保持领先地位,尤其是凭借其全新的GPU平台。基于过去10年开发的图灵架构,该公司最近推出的RTX平台将张量核用于人工智能推断和射线追踪功能结合起来,以加速工作负载。这种新芯片的性能是其前任Pascal芯片的6倍。Nvidia声称,这种新的GPU架构代表了性能的根本性转变,并可能推动整个行业转向使用射线追踪的图形呈现新模式。过去3年,英伟达(Nvidia)股价上涨近10倍,为其市场主导地位和令人印象深刻的增长带来了回报。

与此同时,英特尔(Intel)却落在了后面,在服务器市场的份额不断下降,在实现下一代芯片目标方面也明显拖延。然而,英特尔仍在人工智能的竞争中,是一个不可低估的竞争者。该公司目前提供兼容和全面的解决方案,从cpu, Nervana asic, FPGAs从它的Altera收购,3D-Xpoint,和移动眼的计算机视觉asic。随着行业转向推理和边缘计算,这些新产品将使该公司在与英伟达等公司的竞争中更具竞争力。

AMD是这一领域的另一个有力竞争者,该公司正将目标对准英伟达的核心市场——数据中心AI培训,推出一套新的单一解决方案,其中包括全球首个基于Vega平台的7纳米GPU架构。其Radeon Instinct系列旨在占领图像、视频、语音识别以及自然语言处理(NLP)领域的市场份额。此外,AMD的开源软件允许用户在使用Nvidia处理器的同时使用其硬件。

然后是高通(Qualcomm)。其独特的方法提供了一个分布式解决方案中的单一平台,该公司称之为AIEngine。高通认为人工智能没有单一的解决方案,因此使用了其最新的Snapdragon Kryo CPU、肾上腺o GPU和Hexagon DSP内核,从不同的Snapdragon代开始,然后通过一个共同的软件平台将它们连接在一起。

最大的独立FPGA芯片制造商Xilinx在过去4年里斥资逾10亿美元参与人工智能竞赛。它在支持与机器学习相关的数据中心工作负载方面发挥着越来越重要的作用。它使用一个异构计算平台,应用多个处理资源创建一个以数据中心为重点的人工智能解决方案。Xilinx的自适应计算加速平台(ACAP)被设计用于在深度学习和5G处理上分别提供20x和4x的性能提升。第一块芯片,珠穆朗玛峰,将在今年晚些时候以7纳米的工艺被制成。由于传统处理器缺乏支持这些智能特性的计算能力,Xilinx用于开发神经网络的AI解决方案现在已经扩展到为云和Edge提供ML应用程序,尤其是最近收购了北京初创企业DeePhi。与DeePhi的集成对于Xilinx的AI组合非常重要,因为其深度学习处理单元(dlpu)的开发将包括FPGA和ASIC芯片。

展望未来,我们相信市场将保持激烈的竞争。根据CB Insights的一份报告,在2017年,风投在芯片初创公司上的投资超过15亿美元,几乎是两年前的两倍。目前至少有45家初创芯片公司专注于NLP、语音识别和自动驾驶汽车。硅谷的创业公司Cerebras和英国的Graphcore正在悄悄地研发能够进行对话的机器人,以及能够自动生成视频和虚拟现实图像的系统。这些新来者不仅得到领先风险投资公司的大力支持,而且还在积极招聘,从许多老牌老牌芯片制造商中挑选关键高管。Cerebras已经从英特尔雇佣了数十名工程师,特别是从英特尔的数据中心团队引入了CTO。Graphcore的创始人是半导体行业的资深人士,他们过去曾创立过多家初创公司,其中包括移动芯片公司Icera,该公司于2011年以3.76亿美元的价格被英伟达(Nvidia)收购。另一家前途无量的初创公司SambaNova由谷歌Ventures出资,由一位甲骨文(Oracle)资深人士和斯坦福大学(Stanford)教授共同创立。该公司正致力于整合硬件和软件的解决方案,以最大限度地提高人工智能芯片的性能和效率。

在这样一群创新者专注于一个目标的情况下,预计新创新将继续快速增长。也许目前最大的区别在于关键软件的开发,这些软件被紧密地集成到单个解决方案集中。迄今为止,英伟达似乎拥有明显的优势,其同等权重的软硬件开发团队反映了软件集成在下一代AI芯片组中的重要性。但随着每一次新的进步,都有机会涌现出新的领军者,而针对不同领域的人工智能芯片的专业化发展速度,已经超出了多数分析师的预期。在这350亿美元的芯片市场机遇中,每家公司都在争夺自己的份额,请注意并购活动的加速,以及该领域各个领域投资者面临的更多机遇。

免责声明:本网站图片,文字之类版权申明,因为网站可以由注册用户自行上传图片或文字,本网站无法鉴别所上传图片或文字的知识版权,如果侵犯,请及时通知我们,本网站将在第一时间及时删除。