据“芯东西”宣布，2021年元旦至4月19日期间，环球人工智能芯片（AI芯片）总投资额已超过200亿元。AI芯片的“风口”逐渐显露。
小小芯片引来了大量巨子的青睐，英伟达、英特尔、AMD等传统芯片巨子，以及微软、脸书、谷歌和亚马逊等传统软件和互联网公司，也纷纭开拓自己的AI芯片。
在短短十几年里，深度学习经历了利用传统CPU的困难进程，通过GPU打开了局面，现在终于发展到自成体系的AI芯片家当，各个厂商也根据自身发展的特性纷纭加入进来，并开始探索深度学习之外的AI芯片发展路线。
01
AI芯片的种类
AI芯片便是专门用于处理人工智能干系打算任务的芯片。由于深度学习是目前主流的人工智能算法，以是当前大部分AI芯片都是用来处理深度学习任务的。从利用图形处理器作为最初的深度学习加速芯片，到专门为 AI 定制的五花八门的专用芯片，在短短几十年的韶光里，AI 芯片就飞速发展成为一个新兴的家当。
2006年，深度学习的观点被杰弗里·辛顿（Geoffrey E. Hinton）等人正式提出。而早在此之前的1986年，对深度学习意义重大的“反向传播”算法，已经被辛顿等人发明并用于改进神经网络性能[1]，不过，当时的神经网络算法只能跑在通用的中心处理器（CPU）上，速率很慢，完备无法支撑运用。
（杰弗里·辛顿）图片来源：百度百科
摩尔定律驱动着集成电路家当飞速发展，芯片性能大约每两年就能翻一倍。
到了1989年，当时还在贝尔实验室的杨立昆（Yann LeCun）开拓了可以通过演习来识别手写邮政编码的神经网络，证明了能够在现实天下中运用这一新技能。然而这时候他们演习一个深度学习卷积神经网络（Convolutional Neural Network，CNN）仍旧须要3天的韶光，推广运用还是无法企及。究其缘故原由，CPU的设计目标是通用，各种打算任务都须要搪塞，但是不一定在每种任务场景之下都能做到高效，比如在处理神经网络打算这方面，效率就很低。[2]
（杨立昆）图片来源：百度百科
2009年，斯坦福大学的吴恩达（Andrew Y. Ng）等人揭橥文章，分享了他们的研究：用GPU演习深度学习神经网络，比用CPU快70倍！
[3] 由于GPU内部有大量相同内核，天然适宜并行处理大量并行任务，恰好神经网络演习须要这样的强大并行处理能力。由于办理了打算能力问题，深度学习成为业界显学，并推动了人工智能的新一轮环球发展热潮。
GPU虽然短暂地成为了新一代宠儿，但是它也有不可忽略的缺陷——功耗高，高性能显卡功率常常超过300瓦。2016年，AlphaGo对战围棋九段高手李世石时，运行该AI程序的做事器功耗达一百万瓦，将近人脑的5万倍。[4] 这样的功耗意味着依赖GPU的人工智能，还无法在生产生活中推广利用。
（曾担当百度首席科学家的吴恩达） 图片来源：《连线》杂志网站
有痛点，就有需求。处理深度学习任务的GPU，亟需降落功耗，但降落功耗的GPU还不足。现场可编程门阵列（Field Programmable Gate Array，FPGA）技能有了新的用武之地：FPGA芯片可以重构，经由重新编程处理深度学习任务，功耗比GPU显著降落，本钱也低不少。就这样，FPGA成为了AI芯片的主要技能路线之一。
不过对付深度学习等AI任务，FPGA还不算是终极的办理方案。办理特定问题，专用集成电路（Application Specific Integrated Circuits，ASIC）是目前最高效的。ASIC会把某种算法固化到芯片里，专门处理一类任务的芯片耗电和占用面积显著降落，性能也提高了。
02
AI芯片家当的兴起
如今人工智能（Artificial Intelligence，AI）正在影响各行各业，并将极大地影响人们的事情和生活。如今自动驾驶、语音识别、图像识别、万物智联等AI运用处景发展空间巨大，不少对领域理解深刻、算法方面有积累的公司和团队已经推出专用集成电路AI芯片。
（英特尔旗下Habana Labs的AI芯片Gaudi）图片来源：Habana Labs官网
比如英特尔、英伟达等传统芯片厂商、亚马逊等云打算厂商、Facebook等互联网大厂、特斯拉等车企。他们纷纭投入AI芯片的探索中来，新品发布相继而来，技能路线、产品上风各有不同，构成了伟大的深度学习处理器技能和家当生态。根据IC Insights的报告，AI芯片市场规模2019年已达80亿美元，到2026年估量将达到700亿美元。[5]
这中间，作为芯片领域环球“老大哥”的英特尔，早在2015年就以167亿美元的价格收购了当时在FPGA环球市场坐第二把交椅的Altera公司，并很快推出了运用FPGA技能处理深度学习任务的芯片。同年英特尔宣告以4.08亿美元收购专用集成电路AI芯片公司Nervana Systems。2017年，英特尔发布了包含深度学习处理模块的Movidius Myriad X 芯片，同年还以153亿美元并购Mobileye公司，押注自动驾驶智能芯片领域。在2019年，英特尔又以20亿美元并购了成立仅3年的以色列AI芯片公司Habana Labs。英特尔对AI芯片的投入可谓手笔惊人。
03
AI 芯片的未来
从最初深度学习加速器的家当化，到基于神经形态打算的类脑芯片迅速发展，AI 芯片在数年内取得了巨大进步。按照现在的技能发展轨迹，我们或容许以预测 10 - 20 年后 AI 芯片的形态：除了好比今强大得多的性能、极低的功耗外，它可能是可波折、可折叠乃至全透明的薄片，可以随时按需打印，或者植入人类体内，乃至可能是一种用蛋白质实现、量子打算事理设计的 AI 芯片……
就科技发展趋势来看，深度学习只是人工智能的实现路径之一。类脑打算，存算一体等新的打算范式，还有更多新的理论和技能能够衍生出新的AI芯片，推动人工智能的发展，乃至有可能带来跨跃式的进步，并超出我们的想象。
“AI芯片大概会引领下一次工业革命。”忆阻器之父蔡少棠师长西席表示，同时他推举了张臣雄博士的新作《AI芯片：前沿技能与创新未来》。
这是一本关于深度学习和神经形态打算等种别AI芯片的及时、全面而富有远见的书。只管使AI芯片成为可能的革命性前沿进展层出不穷，覆盖理论和硬件等诸多方面，作者还是成功地以谆谆教导的口吻分享了最新进展的精髓，让浩瀚读者能够理解和领会。
对付任何有兴趣理解AI芯片如何引领下一次工业革命的人来说，这本书都是必不可少的读物。
---- 蔡少棠（Leon O. Chua）
参考文献1.https://zhidx.com/?s=200%E4%BA%BF
2.https://www.researchgate.net/publication/229091480_Learning_Representations_by_Back_Propagating_Errors
3.https://dl.acm.org/doi/10.1145/1553374.1553486
4.https://www.zhihu.com/question/438409639/answer/1667761914
5.https://baijiahao.baidu.com/s?id=1664998456340528648&wfr=spider&for=pc
推举阅读
《AI芯片：前沿技能与创新未来》
张臣雄
作者简介：
张臣雄，毕业于上海交通大学电子工程系，在德国得到工学硕士和工学博士学位。曾在德国西门子、Interphase、上海通信技能中央及一家世界500 强大型高科技企业分别担当项目主管、CTO、CEO、首席科学家等职，长期从事及主管半导体芯片的研究和开拓，推动芯片的家当化运用。张臣雄博士是两家创业公司的创始人之一，兼任首席科学家。
内容简介：
书中内容包括从深度学习AI 芯片等现有产品，到类脑芯片、量子启示AI 芯片、光子AI芯片等创新打破；从自学习、自进化到带有“遐想”功能的更智能的AI芯片；从下一代芯片技能发展路线图，到基于量子场论、超材料、信息论、电磁，乃至生物技能的AI 芯片等前瞻题材。对付这样一个技能日月牙异、成本紧密关注的热点行业，作者还以他从业多年的阅历，从芯片大厂、跨界入局的巨子、创业公司和科研团队平分歧维度剖析了AI芯片的案例。
本书由行业俊彦倾囊相授。负责揣摩的读者和机构，不仅能理解AI芯片技能和行业概貌，而且能够领悟技能和家当发展的潮流，对AI芯片接下来五到十年、乃至更永劫代内的发展有所预判和准备。
