同樣是做AI芯片，走的路又有什么不同？

　　一、芯片行業(yè)的演進(jìn)路線

　　芯片行業(yè)的整體發(fā)展始自上世紀(jì)60年代，一開始是指數(shù)型發(fā)展，所以有了每18個(gè)月集成度翻一番的摩爾定律，可以說(shuō)當(dāng)時(shí)的發(fā)展是非?？斓摹Ｄ柖杀澈蟮倪壿嬍钦f(shuō)，隨著工藝制程的進(jìn)化，同一款芯片的制造成本會(huì)更低，單位面積晶體管數(shù)量提升導(dǎo)致相同的芯片所需要的面積縮小;而如果工藝制程發(fā)展速度過(guò)慢，則意味著芯片制作成本居高不下，導(dǎo)致利潤(rùn)無(wú)法擴(kuò)大。但是，如果孤注一擲把所有的資本都用來(lái)發(fā)展新制程，則風(fēng)險(xiǎn)太大，一旦研發(fā)失敗公司就完蛋了。

　　摩爾發(fā)現(xiàn)當(dāng)時(shí)市場(chǎng)上成功的半導(dǎo)體廠商的制程進(jìn)化速度大約是每年半導(dǎo)體芯片上集成的晶體管數(shù)量翻倍，于是寫了著名的論文告訴大家這個(gè)發(fā)展速度是成本與風(fēng)險(xiǎn)之間一個(gè)良好的折中，半導(dǎo)體業(yè)以后發(fā)展可以按照這個(gè)速度來(lái)。

　　可以說(shuō)，摩爾定律背后的終極推動(dòng)力其實(shí)是經(jīng)濟(jì)因素，它給市場(chǎng)帶來(lái)的積極影響是，隨著半導(dǎo)體工藝制程的進(jìn)化，芯片的性能以指數(shù)級(jí)增長(zhǎng)，從而帶動(dòng)了電子產(chǎn)品性能大躍進(jìn)式發(fā)展，電子市場(chǎng)一片生機(jī)勃勃。在摩爾定律提出的前三十年，新工藝制程的研發(fā)并不困難，但隨著晶體管越來(lái)越小，越來(lái)越接近宏觀物理和量子物理的邊界，高級(jí)工藝制程的研發(fā)越來(lái)越困難，研發(fā)成本也越來(lái)越高。如果工藝制程繼續(xù)按照摩爾定律所說(shuō)的以指數(shù)級(jí)的速度縮小特征尺寸，會(huì)遇到兩個(gè)阻礙，一個(gè)是經(jīng)濟(jì)學(xué)阻礙，另一個(gè)是物理學(xué)阻礙。

　　經(jīng)濟(jì)學(xué)阻礙是，隨著特征尺寸的縮小，芯片的成本上升很快。這個(gè)成本包括NRE成本(Non-Recurring Engineering，指芯片設(shè)計(jì)和掩膜制作成本，對(duì)于一塊芯片而言這些成本是一次性的)和制造成本(即每塊芯片制造的成本)。有人計(jì)算過(guò)，以現(xiàn)在的最新工藝，一塊芯片的NRE要到1000萬(wàn)美元以上。如此高昂的NRE意味著需要非常非常高的芯片生產(chǎn)量才能去攤薄這個(gè)成本。換句話說(shuō)，如果芯片的產(chǎn)量不到，那么你就沒(méi)有能力去使用最新的工藝，只能沿用較舊的工藝。這就部分打破了摩爾定律 “投資發(fā)展制程-芯片生產(chǎn)成本降低-用部分利潤(rùn)繼續(xù)投資發(fā)展制程”的邏輯。

　　而物理學(xué)的障礙主要來(lái)源于量子效應(yīng)和光刻精度。晶體管太小就會(huì)碰到各種各樣的問(wèn)題，比如當(dāng)特征尺寸縮小到10nm的時(shí)候，柵氧化層的厚度僅僅只有十個(gè)原子那么厚，這時(shí)便會(huì)產(chǎn)生諸多量子效應(yīng)，導(dǎo)致晶體管的特性難以控制。

　　我認(rèn)為，現(xiàn)在芯片行業(yè)的發(fā)展已經(jīng)到了瓶頸期，接下來(lái)的發(fā)展策略有三種，分別是More Moore， More than Moore和Beyond Moore。第一種More Moore，意思是繼續(xù)按照摩爾定律的老路走下去，繼續(xù)縮小晶體管尺寸;第二種More than Moore，意思是首先芯片系統(tǒng)性能的提升不再單純地靠晶體管的縮小，而是更多地靠電路設(shè)計(jì)以及系統(tǒng)算法優(yōu)化。其次集成度的提高不一定要靠把更多模塊放到同一塊芯片上，而是可以靠封裝技術(shù)來(lái)實(shí)現(xiàn)，例如Intel的EMIB，TSMC的InFO等等(蘋果的處理器就用了InFO技術(shù));第三種Beyond Moore，意思是干脆不用CMOS器件而是去研發(fā)一些新的器件，不過(guò)這個(gè)目前看起來(lái)還比較遙遠(yuǎn)。未來(lái)估計(jì)是會(huì)More Moore結(jié)合More than Moore，隨著時(shí)間推移More than Moore比重越來(lái)越大。

　　其實(shí)我對(duì)未來(lái)還是蠻悲觀的，這個(gè)瓶頸期如果沒(méi)有新器件誕生的話，應(yīng)該會(huì)持續(xù)5年10年甚至更長(zhǎng)一段時(shí)間。就像鋼鐵行業(yè)，它早已進(jìn)入平緩期，也沒(méi)什么特別新的技術(shù)，如果這個(gè)行業(yè)想要有比較大的發(fā)展，那除非是發(fā)現(xiàn)新的材料可以替代鋼。半導(dǎo)體行業(yè)也一樣，什么時(shí)候出來(lái)新器件結(jié)束這個(gè)瓶頸期我也不知道，有的時(shí)候科學(xué)上的事情就是很偶然，可能突然就發(fā)現(xiàn)某種材料可以用了，但如果你找不到新材料，就是沒(méi)辦法有很大突破。

　　二、NV/Google/Intel/AMD在AI芯片的不同戰(zhàn)略

　　其實(shí)人工智能計(jì)算還是分很多領(lǐng)域，芯片應(yīng)用大概有兩個(gè)極端：一個(gè)是用于云端服務(wù)器的高功耗高計(jì)算能力的芯片，走的是高性能超級(jí)計(jì)算機(jī)(HPC)的路子;另一個(gè)是用于終端(比如手機(jī))的人工智能芯片，這個(gè)就特別注重低功耗，對(duì)計(jì)算能力的要求不是特別高。

　　在云端服務(wù)器這個(gè)領(lǐng)域，因?yàn)橐幚砗Ａ康臄?shù)據(jù)，Nvidia的GPU已經(jīng)成為服務(wù)器不可或缺的一部分，但Nvidia自己目前還沒(méi)有打算大規(guī)模自己做服務(wù)器，因此在人工智能的云端市場(chǎng)，Nvidia提供的是硬件而非平臺(tái)。而在終端這個(gè)領(lǐng)域，Nvidia基于GPU的人工智能平臺(tái)一方面功耗太大，另一方面過(guò)高的計(jì)算能力反而導(dǎo)致成本過(guò)高，因此無(wú)法與定制芯片抗衡。其實(shí)，Nvidia的人工智能平臺(tái)最具優(yōu)勢(shì)的應(yīng)用場(chǎng)景是上面兩種情況的中間，即數(shù)據(jù)量中等、對(duì)計(jì)算能力要求還比較高、對(duì)功耗有一定要求但是并不苛刻的地方，比如ADAS市場(chǎng)。Nvidia人工智能平臺(tái)無(wú)論計(jì)算能力(10-100TOPS)還是功耗(10-100W)都能完美地符合要求，因此它主打自動(dòng)駕駛市場(chǎng)并不奇怪，它在2017年1月份舉辦的CES上也主要發(fā)布了自動(dòng)駕駛相關(guān)的產(chǎn)品。

　　Intel的話，從三個(gè)方面來(lái)說(shuō)吧。第一，在云端市場(chǎng)，它是最大的玩家，并且正在積極準(zhǔn)備與Nvidia抗衡，因?yàn)镮ntel在HPC方面的業(yè)務(wù)本來(lái)就是駕輕就熟，而Nvidia進(jìn)入HPC還沒(méi)有幾年，只能算這個(gè)市場(chǎng)的new player。大概是在2013年的時(shí)候，人們才發(fā)現(xiàn)原來(lái)GPU可以用于深度學(xué)習(xí)，之前根本不知道這個(gè)事情。說(shuō)回Intel，它在收購(gòu)Altera之后推出了基于FPGA的專用深度學(xué)習(xí)加速卡，可以在云端使用。另外Intel收購(gòu)Nervana后正在積極推廣結(jié)合其技術(shù)為AI優(yōu)化的Knight Mill至強(qiáng)處理器，目標(biāo)也是在云端。第二，在車載端，Intel與Mobileye和BMW結(jié)成了自動(dòng)駕駛聯(lián)盟，Mobileye提供傳感器芯片和算法，Intel提供云端計(jì)算平臺(tái)，BMW提供汽車。第三，在移動(dòng)端，Intel收購(gòu)了Movidius，但是尚未看到大的動(dòng)作。所以我預(yù)期，移動(dòng)端的人工智能芯片，如果有的話還是高通之類的廠商會(huì)比較有優(yōu)勢(shì)。

　　再說(shuō)Google，它推出來(lái)的芯片TPU主要是自用的。這個(gè)有點(diǎn)像IBM，IBM最早出的Power PC系列芯片也是為了給自己的server用。所以Google也是類似的思路，它的芯片就沒(méi)有打算給別人用，換句話說(shuō)它沒(méi)有真的打算進(jìn)入芯片這個(gè)市場(chǎng)，和別人競(jìng)爭(zhēng)。

　　最后說(shuō)AMD，它在GPU和CPU的技術(shù)都處于追趕者的位置，在AI方面比較低調(diào)，在CES上公布新產(chǎn)品的時(shí)候也都沒(méi)有主動(dòng)去提人工智能的事情。最近的新聞大概是和阿里巴巴合作云端服務(wù)作為試水。AMD的總體思路還是求穩(wěn)，不刻意去跟Nvidia爭(zhēng)誰(shuí)先誰(shuí)后，它就等你們把這些東西先做出來(lái)再說(shuō)，自己就很踏實(shí)地把顯卡技術(shù)做好。其實(shí)GPU天生就符合深度學(xué)習(xí)的要求，只要AMD把自己芯片的運(yùn)算能力做上去，它很快就可以殺入人工智能這個(gè)領(lǐng)域中來(lái)。

 三、Nvidia面臨的機(jī)遇和挑戰(zhàn)

　　2016年是人工智能爆發(fā)的一年，借著這股東風(fēng)，Nvidia的股價(jià)在去年飛升三倍有余，令人驚嘆。目前看來(lái)，Nvidia的技術(shù)成長(zhǎng)空間還有很多，因?yàn)镹vidia正在轉(zhuǎn)型成為平臺(tái)公司而不是硬件公司，GPU會(huì)是它的核心但是不是全部，它要做的是圍繞GPU的一個(gè)平臺(tái)、一個(gè)生態(tài)。與GPU配套的各種設(shè)施，例如開發(fā)平臺(tái)、開發(fā)者社區(qū)和包絡(luò)編程語(yǔ)言在內(nèi)的開發(fā)工具也非常重要。舉例來(lái)說(shuō)，在筆記本PC市場(chǎng)，其實(shí)ARM的處理器性能完全可以和Intel相抗衡，但是為什么基本沒(méi)有筆記本電腦用ARM的處理器?就是因?yàn)锳RM在筆記本PC上沒(méi)有任何生態(tài)。一旦平臺(tái)和生態(tài)做起來(lái)，即使它的技術(shù)發(fā)展不像原來(lái)那么生猛，我相信Nvidia的商業(yè)價(jià)值仍然可以得到保證。假如明天AMD做出來(lái)一個(gè)和Nvidia性能一模一樣的GPU，它一時(shí)半會(huì)兒也還是無(wú)法取代Nvidia，因?yàn)镹vidia有自己的CUDA、CUDNN等配套的開發(fā)工具。

　　而Nvidia可能會(huì)面臨的最大風(fēng)險(xiǎn)在于，它現(xiàn)在的股價(jià)完全由人工智能來(lái)支撐，但人工智能的應(yīng)用會(huì)不會(huì)像投資者想象中發(fā)展的那么快是存疑的。其實(shí)非常明顯現(xiàn)在人工智能的應(yīng)用有很大的泡沫，大家預(yù)期它在一兩年之內(nèi)會(huì)起來(lái)。但是如果它在一兩年之內(nèi)沒(méi)有起來(lái)或者說(shuō)某些應(yīng)用沒(méi)有能真的落地，那時(shí)候投資者可能會(huì)有些反沖?，F(xiàn)在是一個(gè)overshoot，發(fā)現(xiàn)沒(méi)有達(dá)到預(yù)期之后就會(huì)有一個(gè)undershoot，幾次震蕩之后慢慢回到理性估值。

　　四、FPGA的玩家和留給創(chuàng)業(yè)公司的機(jī)會(huì)

　　FPGA全稱“可編輯門陣列”(Field Programmable Gate Array)，其基本原理是在FPGA芯片內(nèi)集成大量的數(shù)字電路基本門電路以及存儲(chǔ)器，而用戶可以通過(guò)燒入FPGA配置文件來(lái)來(lái)定義這些門電路以及存儲(chǔ)器之間的連線。這種燒入不是一次性的，即用戶今天可以把FPGA配置成一個(gè)微控制器MCU，明天可以編輯配置文件把同一個(gè)FPGA配置成一個(gè)音頻編解碼器?，F(xiàn)在FPGA和人工智能相關(guān)的主要機(jī)會(huì)是云端服務(wù)器的可配置運(yùn)算 ，目前這個(gè)領(lǐng)域的玩家主要是兩個(gè)，Xilinx和Altera，后者已經(jīng)被Intel收購(gòu)。

　　當(dāng)下FPGA遇到的一個(gè)最關(guān)鍵的問(wèn)題就是開發(fā)者生態(tài)。傳統(tǒng)CPU也好GPU也好，編程是比較容易的，使用的是語(yǔ)言是C++、Java，大家都很熟悉，而且已經(jīng)形成了成熟的體系，開發(fā)環(huán)境、生態(tài)系統(tǒng)還有開發(fā)者的社區(qū)這些都很好。但是FPGA開發(fā)通常需要使用硬件描述語(yǔ)言，如Verilog、VHDL等等，這些對(duì)于程序員來(lái)說(shuō)需要大量的時(shí)間才能掌握。這樣的話FPGA的生態(tài)就無(wú)法發(fā)展，因?yàn)殚T檻高意味著做的人少，做的人少意味著知名度低，相關(guān)項(xiàng)目數(shù)量少，這又導(dǎo)致了無(wú)法吸引到開發(fā)者參與項(xiàng)目，如此便形成了惡性循環(huán)。

　　針對(duì)這種情況，Xilinx就發(fā)布了一個(gè)比較能改善生態(tài)的東西，叫做可重配置加速棧，這些用于云端的FPGA將會(huì)使用部分重配置方案。什么意思呢?通常FPGA配置過(guò)程包括硬件描述語(yǔ)言的綜合、布局布線、最后產(chǎn)生比特流文件并寫入以完成配置。在這個(gè)過(guò)程中，綜合以及布局布線花費(fèi)的時(shí)間非常長(zhǎng)，可達(dá)數(shù)小時(shí)，而最后比特流文件寫入以及配置可以在一秒內(nèi)完成。用于云端的FPGA方案為了實(shí)現(xiàn)快速應(yīng)用切換，預(yù)計(jì)將會(huì)使用硬IP(即針對(duì)某應(yīng)用硬件加速的比特流)，并在需要使用該應(yīng)用時(shí)快速寫入該比特流。在未來(lái)，云端FPGA的生態(tài)預(yù)計(jì)將不止包括Xilinx，還會(huì)包括許多第三方IP提供商，最后形成類似App Store的形式讓使用者方便地選購(gòu)對(duì)應(yīng)的硬件加速方案并實(shí)時(shí)加載/切換。

　　目前國(guó)內(nèi)FPGA水平較弱，而且FPGA需要一整套從軟件到硬件的流程，需要深刻的積累，對(duì)于創(chuàng)業(yè)公司并不是一個(gè)最好的方向，更適合國(guó)家科研項(xiàng)目。但是創(chuàng)業(yè)公司使用FPGA，做FPGA的解決方案，基于FPGA開發(fā)或者做FPGA上的IP，是個(gè)不錯(cuò)的機(jī)會(huì)。換句話說(shuō)就是你不去手機(jī)，而是做APP。其實(shí)這個(gè)方向國(guó)內(nèi)也已經(jīng)有不少公司在做了，我知道的比較出名的有深鑒科技。

　　五、玩人工智能軟件的正確姿勢(shì)

　　目前人工智能軟件最大問(wèn)題是如何把技術(shù)真正落實(shí)到解決消費(fèi)者的需求，一些算法非常有技術(shù)含量，但是落地并不容易，例如圖像分類等等。我覺(jué)得現(xiàn)在做的比較好的軟件是語(yǔ)音識(shí)別/交互類，比較典型的是訊飛輸入法，前陣子在錘子手機(jī)的發(fā)布會(huì)上被秀了一把。

　　圖像類的人工智能算法目前是最火的方向，比語(yǔ)音類要火很多，但是目前看來(lái)圖像算法大多數(shù)只能作為一個(gè)大系統(tǒng)的一部分。比如一個(gè)安防系統(tǒng)，圖像算法可以用來(lái)檢測(cè)一個(gè)人是否帶刀，但是把這個(gè)軟件單獨(dú)拉出來(lái)賣就不一定能成立了。當(dāng)然也有單獨(dú)做軟件的，例如Prisma，這個(gè)之前在Instagram很火的軟件就是利用深度學(xué)習(xí)來(lái)做圖像風(fēng)格變換?？偨Y(jié)一句話就是，人工智能相關(guān)的軟件當(dāng)然是一個(gè)非常好的創(chuàng)業(yè)方向，只是要找準(zhǔn)這個(gè)創(chuàng)新的賣點(diǎn)，光有好的技術(shù)其實(shí)是沒(méi)什么大用的。

　　在人工智能領(lǐng)域，國(guó)內(nèi)也出現(xiàn)了一批還不錯(cuò)的公司，我有在關(guān)注。在圖像檢測(cè)/人臉識(shí)別領(lǐng)域，有依圖科技、Face++、商湯科技三只領(lǐng)頭羊，它們主要為銀行和一些安防系統(tǒng)提供人臉識(shí)別的解決方案。在醫(yī)療領(lǐng)域，就是用人工智能幫忙人類判定疾病也有很多公司在做，一圖正在進(jìn)軍這個(gè)領(lǐng)域。在自動(dòng)駕駛領(lǐng)域，軟件方面做的比較有名的是圖森、地平線。其實(shí)地平線攤子鋪得比較大，硬件軟件都做，除了輔助駕駛外，還跟美的合作在做智能家居。還有一些比較小眾的領(lǐng)域，比如鑒黃，就是圖譜在做。硬件的話，比較有名的是寒武紀(jì)。

　　六、芯片行業(yè)的未來(lái)除了人工智能，還有……

　　最后再說(shuō)回到整個(gè)芯片行業(yè)的發(fā)展上來(lái)。有人問(wèn)，芯片行業(yè)是不是有一個(gè)強(qiáng)者恒強(qiáng)的規(guī)律，出現(xiàn)黑馬的幾率有多大。我認(rèn)為是這樣的：在芯片這個(gè)地方，它是每隔一段就會(huì)換一個(gè)應(yīng)用方向，90年代時(shí)候最火的是多媒體電腦，也就是PC端，后來(lái)就變到了移動(dòng)端，最近則是人工智能。眾所周知，Intel是PC時(shí)代永遠(yuǎn)的老大，在那25年的時(shí)間里基本碾壓所有競(jìng)爭(zhēng)對(duì)手，但移動(dòng)設(shè)備這個(gè)方向它就完全錯(cuò)過(guò)了。所以說(shuō)，在同一個(gè)領(lǐng)域里基本上是強(qiáng)者恒強(qiáng)，很難有超越，但是在這個(gè)領(lǐng)域強(qiáng)，不代表在下一個(gè)領(lǐng)域也會(huì)強(qiáng)，在“時(shí)代”交替的時(shí)候是最容易出黑馬的。我們?cè)谠u(píng)判企業(yè)價(jià)值的時(shí)候，要對(duì)芯片的技術(shù)應(yīng)用有一個(gè)判斷，要非常清楚下一個(gè)所謂的風(fēng)口在哪里。

　　現(xiàn)在芯片應(yīng)用最火的方向毫無(wú)疑問(wèn)是人工智能了，我還同時(shí)看好另外一個(gè)方向，就是醫(yī)療。我相信在醫(yī)療電子領(lǐng)域還有很多可以做的事情，當(dāng)然這個(gè)方向的發(fā)展還要倚賴一些基礎(chǔ)設(shè)施的建設(shè)，比如在線的云平臺(tái)和大數(shù)據(jù)庫(kù)等等，這個(gè)部分在這里就不詳細(xì)展開了。

　　討論區(qū)：以下為參與live的人提問(wèn)，作者回答

　　問(wèn)：萊迪思半導(dǎo)體(LSCC)，大疆無(wú)人機(jī)供應(yīng)商FPGA未來(lái)有潛力，期待分析。

　　答：目前中國(guó)FPGA進(jìn)口第一是華為，第二就是大疆。大疆使用FPGA量很大，然而未來(lái)從成本考慮很大可能會(huì)用ASIC代替。

　　問(wèn)：目前國(guó)內(nèi)的人工智能相關(guān)芯片的發(fā)展情況如何，主要有哪些公司在做?離國(guó)際先進(jìn)水平有多大的差距?

　　答：國(guó)內(nèi)人工智能芯片有寒武紀(jì)，深鑒等初創(chuàng)公司，也有華為等大公司在布局，與國(guó)外差距不大，尤其是寒武紀(jì)已經(jīng)走在世界前列。

　　問(wèn)：AI芯片目前主要的幾種商業(yè)模式有哪些?

　　答：一般有兩種，一種是直接賣芯片，還有是賣IP，IP的話是芯片里的一部分，可以集成在其他公司的芯片里。

　　問(wèn)：圖像分類可否用在發(fā)票圖像處理?比如發(fā)票、車票這些，拍照后，經(jīng)過(guò)處理，變成會(huì)計(jì)分錄。這個(gè)市場(chǎng)無(wú)限大。

　　答：圖像分類當(dāng)然可以用在發(fā)票分類上，實(shí)現(xiàn)手寫和數(shù)字識(shí)別。關(guān)于票據(jù)問(wèn)題，是的，市場(chǎng)是很大，目前美國(guó)支票存取已經(jīng)是自動(dòng)識(shí)別了，用手機(jī)app拍照就行。

　　問(wèn)：Nvidia一半以上的收入還在傳統(tǒng)游戲顯卡市場(chǎng)吧，云計(jì)算和人工智能短期增速如果不盡如人意的話，股價(jià)回調(diào)就不可避免了。

　　答：關(guān)于NV的股價(jià)，我認(rèn)為這位朋友的分析很有道理。

　　問(wèn)：想請(qǐng)教一下，F(xiàn)PGA在用電量是不是一般ASIC的3X，晶片大小是不是為ASIC的2X?

　　答：FPGA的用電量在ASIC的十倍以上，造價(jià)也在十倍以上。

　　問(wèn)：您知道做鑒黃的除了圖譜科技，還沒(méi)有其他的團(tuán)隊(duì)?

　　答：鑒黃的技術(shù)壁壘不高，關(guān)鍵是渠道要搞定。

　　問(wèn)：我這收集了2個(gè)觀點(diǎn)，能不能幫我評(píng)價(jià)一下呢?第一個(gè)：Nvidia在人工智能芯片市場(chǎng)的真實(shí)統(tǒng)治力，可能比股票市場(chǎng)上的亮眼成績(jī)更為顯著。盡管市場(chǎng)上也存在其他深度學(xué)習(xí)訓(xùn)練(training)和預(yù)測(cè)(Inference)的解決方案，但試問(wèn)各家AI企業(yè)，無(wú)論其內(nèi)部的模型訓(xùn)練，還是銷售給最終客戶的智能產(chǎn)品，絕大多數(shù)還是采用了Nvidia的GPU方案。第二，值得關(guān)注的是，就異構(gòu)計(jì)算的主要應(yīng)用機(jī)器學(xué)習(xí)來(lái)看，分為訓(xùn)練和推斷兩個(gè)部分。其中，訓(xùn)練市場(chǎng)占整個(gè)機(jī)器學(xué)習(xí)市場(chǎng)的5%，其余95%都是推斷市場(chǎng)。Steve Glaser認(rèn)為，GPU僅僅是關(guān)注機(jī)器學(xué)習(xí)的訓(xùn)練市場(chǎng)，而推斷市場(chǎng)才是FPGA關(guān)注的領(lǐng)域，這恰恰是機(jī)器學(xué)習(xí)未來(lái)發(fā)展的重要組成部分。

　　答：第一個(gè)判斷是對(duì)的，第二個(gè)判斷的話，F(xiàn)PGA在云端會(huì)用得比較多，inference在終端還是要靠ASIC。

　　問(wèn)：李博士，AI芯片對(duì)人工智能應(yīng)用的影響是什么?AI芯片離大規(guī)模商用還有多遠(yuǎn)?

　　答：AI芯片技術(shù)上離大規(guī)模商用不遠(yuǎn)了，但是使用專用AI的ASIC市場(chǎng)還沒(méi)完全起來(lái)，很多公司在觀望，Intel等公司在慢慢布局，新推出的Xeon Phi服務(wù)器CPU里面加入了部分的AI加速。

　　問(wèn)：能否比較一下寒武紀(jì)和Nvidia的ai芯片的差別?

　　答：寒武紀(jì)是專用ai加速芯片，nvidia的gpu是通用計(jì)算單元只是比較適合計(jì)算深度學(xué)習(xí)。

　　問(wèn)：IBM的沃森在醫(yī)療上的運(yùn)用效果如何?

　　答：IBM Watson在醫(yī)療上的應(yīng)用已經(jīng)有不少報(bào)道，大數(shù)據(jù)和AI在醫(yī)療上得到應(yīng)用一定會(huì)成為現(xiàn)實(shí)。目前醫(yī)學(xué)的研究都是基于數(shù)據(jù)的研究，之前的研究樣本量都不大，使用了大數(shù)據(jù)加人工智能后醫(yī)學(xué)的發(fā)展一定會(huì)大大加速。

　　問(wèn)：再問(wèn)一個(gè)：如果谷歌最終選擇了使用TPU，會(huì)不會(huì)對(duì)英特爾和英偉達(dá)這些芯片制造商構(gòu)成巨大的威脅?因?yàn)樗麄兊脑诰€業(yè)務(wù)是如此巨大。他們比地球上任何其它公司購(gòu)買或運(yùn)營(yíng)的計(jì)算機(jī)硬件都要多，而且隨著云計(jì)算的重要性持續(xù)增加，這個(gè)差距也只會(huì)越來(lái)越大。

　　答：會(huì)有一些，但不會(huì)是最大的影響，因?yàn)間oogle的服務(wù)器在整個(gè)服務(wù)器市場(chǎng)占比例不大。

　　問(wèn)：高通在CES展上推出驍龍835，適合深度學(xué)習(xí)，這款芯片和高通在人工智能方面能不能解讀一下?

　　答：snapdragon 835對(duì)于ai的支持主要在于dsp對(duì)于深度學(xué)習(xí)算法支持的design kit。

　　問(wèn)：感謝分享，我的問(wèn)題是目前人工智能變?yōu)閷?shí)際應(yīng)用，變成類似移動(dòng)互聯(lián)網(wǎng)這樣的產(chǎn)業(yè)最大的難點(diǎn)是什么?目前看到的一些應(yīng)用主要在智能客服等，還有c端的應(yīng)用主要是類似echo等的家庭智能音箱，未來(lái)可以預(yù)見的最大應(yīng)用是自動(dòng)駕駛和醫(yī)療領(lǐng)域的應(yīng)用，其他呢，其他通過(guò)人工智能更深度的改變會(huì)在哪里?

　　答：人工智能變?yōu)楝F(xiàn)實(shí)的難度在于如何落地。人工駕駛和醫(yī)療是兩個(gè)重要的點(diǎn)，然而人工駕駛必須能通過(guò)各種極端情況下的驗(yàn)證才能上馬。輔助駕駛離現(xiàn)實(shí)比較接近。醫(yī)學(xué)使用目前看起來(lái)比較接近實(shí)用，因?yàn)锳I比人做得好不難，主要障礙在于基礎(chǔ)設(shè)施不好大數(shù)據(jù)很難獲得，例如病歷如何聯(lián)網(wǎng)。AI離使用最接近的是金融領(lǐng)域，目前高頻交易，詐騙檢測(cè)等已經(jīng)用上了AI。