来源｜杭派工程师

文｜太浪

字节跳动宣布自研AI芯片，百度自研的AI芯片“昆仑”完成独立融资，投后估值达130亿元人民币……最近，AI芯片有点火。

为什么好像一夜之间大家都在造AI芯片？

01

AI 场景遇到算力瓶颈

和传统CPU不用，AI芯片被认为是可以高效运行人工智能算法的芯片。

AI发展至今，已有60多年的历史，分别在上世纪50年代（基于符号逻辑的推理证明）、80年代（基于人工规则的专家系统）以及2006年（大数据驱动的深度学习神经网络）掀起热潮，呈螺旋式发展。

算力、算法、数据是AI的三要素，三者相互作用，相互促进。

2007年以前，受限于当时算法和数据等因素，AI对芯片还没有特别强烈的需求，通用的CPU芯片即可提供足够的计算能力。

随着智能手机的普及，3G、4G移动通信网络技术的发展及大规模部署，有力促进了中国移动互联网快速发展，手机游戏、视频应用、移动音乐、购物APP等移动互联网应用普及，带来数据流量的爆发式增长，也对算力提出更高需求。

传统CPU无法高效运行AI算法（尤其是深度学习算法），GPU（图形处理器）芯片取得迅速的发展。因为AI深度学习的模型参数多、数据规模大、计算量大， 而GPU有更多的逻辑运算单元用于处理数据，属于高并行结构，在处理图形数据和复杂算法方面比CPU更有优势。GPU采用并行架构，超过80%部分为运算单元，具备较高性能运算速度。相比较下，CPU仅有20%为运算单元，更多的是逻辑单元。此后一段时间内，GPU代替了CPU，成为当时AI芯片的主流。

然而GPU毕竟只是图形处理器，不是专门用于AI深度学习的芯片在执行AI应用时，其并行结构的性能无法充分发挥，导致能耗高。

与此同时，AI技术的应用日益增长，在教育、医疗、无人驾驶等领域都能看到AI的身影，FPGA芯片和ASIC芯片便出场了。

FPGA，全称“现场可编程门阵列”，其基本原理是在FPGA芯片内集成大量的基本门电路以及存储器，用户可以通过更新FPGA配置文件来定义这些门电路以及存储器之间的连线。可以理解为，FPGA是需要它有哪些功能、它就能有哪些功能的芯片。

ASIC，专用集成电路，是为实现特定要求而定制的芯片。虽然牺牲了通用性，但它无论是在性能、功耗还是体积上，都比FPGA和GPU芯片有优势，特别是在需要芯片同时具备高性能、低功耗、小体积的移动端设备上。但相对开发周期长，功能难以扩展。

虽然FPGA的性能比不上ASIC芯片，价格也比ASIC芯片更高。但在芯片需求还未成规模、深度学习算法需要不断迭代改进的情况下，具备可重构特性的FPGA芯片适应性更强。

还有一点需要明确，这些为加速计算能力而存在的AI芯片，并不能取代CPU。CPU作为核心逻辑处理器，统一进行任务调度。AI加速芯片与CPU往往要协同作业。

CPU在AI时代式微，GPU、FPGA、ASIC这些芯片纷纷闪亮登场后，成就了多家芯片企业。其中，英伟达凭借GPU领域的霸主地位，在过去5年股价飙升20倍，并在2020年7月9日超过英特尔 ，成为全球市值最高的芯片设计企业、世界第三大半导体公司。

02

科技公司布局AI芯片的姿势

当然，在AI芯片这件事上，不再是传统的芯片公司唱独角戏。

谷歌率先举起互联网企业造AI芯片的大旗，发布TPU，亚马逊、微软、阿里巴巴、华为、百度等也纷纷发布各自的AI芯片，包括寒武纪、地平线机器人、燧原科技（被腾讯连投4次）、依图等AI创业公司和海康威视、大华等传统企业也在AI芯片领域布局。

▲谷歌TPU

和传统芯片厂商不同，互联网公司造芯有其独特的优势，他们更接近场景，能够更好地根据场景做针对性的优化。

例如，在阿里巴巴集团内部，仅淘宝就拥有视觉、NLP、搜索推荐等AI场景，平头哥发布的第一款芯片含光800就是视觉AI推理芯片，资料显示，这款芯片创造了两项纪录，推理性能达到78563IPS，能效比500IPS/W，两项指标均为AI推理芯片第一。1颗含光800的算力相当于10颗GPU。

去年6月，含光800正式实现大规模商用，在阿里云上为企业提供AI云服务，目前已应用于视频处理、搜索推荐等场景。

刚刚宣布研发芯片的字节跳动同样拥有大量的AI应用场景。

字节跳动，通过AI算法，让“内容找人”成为常态。除了推荐系统，其广告系统、评论系统，以及内容合规性审核系统，也都是AI技术在背后做支撑。

比如，使用自然语言处理等技术，对文章内容、用户评论等进行分析，进而进行内容推荐和内容审核；将计算机视觉技术用于抖音、火山、FaceU激萌等短视频App上，用来做人脸特效、背景分割、“尬舞机”、内容审核、封面选择、AI剪辑等；利用计算机视觉、语音识别、NLP等技术进行内容审核，发现不良内容、恶意营销等。

这些AI技术的研发与落地应用，都需要底层算力的支持。据悉，仅今日头条一款产品30天的训练模型，数据量就超过4PB，而正常训练一个完整的模型则需要至少一年的数据量48PB。1PB等于2的50次方个字节，在数值上大约等于1000个TB。人类功能记忆的容量预计在1.25TB，这意味着，800个人类记忆才相当于1个PB。更有体感的表述是，假设手机播放MP3的编码速度为平均每分钟1MB，而1首歌曲的平均时长为4分钟，那么1PB歌曲可以连续播放2000年。

过去几年，字节跳动接连推出今日头条、抖音等产品，不断收割流量。无论是精准推荐、精准营销、还是制定定制化的激励方案吸引用户付费/购买，都需要用到AI技术。随之而来的是，要处理的数据量也呈指数级增长。2018年，今日头条每日数据处理量超过50PB、存储数据超过1500PB、评论系统每天的评论数大概有1亿条。数据显示，2017年，字节跳动的服务器数量只有2到3万台，2018年这一数字猛增到17万台。

03

以AI芯片入局的互联网公司已成芯片产业新势力

传统通用芯片称霸数十年，但互联网企业通过AI芯片已拿到芯片研发的入场券，这一阵营的芯片版图必然不仅限于此，他们可以向新型通用芯片（新型CPU）延伸。

在从网上书店转型为云计算巨头的过程中，亚马逊成为全球最大的数据中心服务器芯片买家之一。随着云业务的扩张，该公司越来越专注于设计自己的芯片，而非直接购买它们。

2015年，亚马逊以3.5亿美元的高价收购了以色列一家小型新品设计公司Annapurna Labs，为其数据中心里的硬件设备定制芯片。据悉，Annapurna Labs自被亚马逊收购后，员工规模已经增加了10倍。

亚马逊不仅推出了专注于AI推理的芯片inferentia，还推出了一款新的ARM服务器芯片Graviton，并已迭代到2.0版本。据亚马逊介绍，AWS Graviton 2的速度比以前一代的芯片快7倍，浮点性能是2倍。

在线图片服务商Smugmug通过AWS的服务每天向用户展示数十亿张照片，他们改为使用Graviton芯片上运行的AWS后，将相关成本降低了40%。

阿里平头哥推出基于RISC-V指令集打造的CPU IP核“玄铁910”，用于设计制造高性能端上芯片，应用于5G、人工智能以及自动驾驶等领域。华为推出自研CPU芯片鲲鹏。百度推出通用AI处理器“昆仑”系列。

定制芯片的激增可能会进一步降低高性能计算产品的成本，并激发创新，这对各方来说都是好事。

而且，可以想见的是，在日益激烈的云计算市场竞争中，各自芯片的优势很有可能被拿出来作为卖点。

但这些公司都只负责芯片设计，并不生产自家芯片的生产，因此，它们依赖同一条国际芯片供应链。

自从新冠疫情爆发以来，整个芯片制造业的供应链（从芯片原材料到芯片产能）均受到影响。如果危机持续下去，将减缓这些企业的技术进步速度，进而侵蚀其利润空间。

网易智能开通视频号啦~Tech逆向思维是网易智能旗下专注专注于科技、AI领域大公司大事件、新观点新应用和当下科技热点的科普号。

来！带你换个角度看世界~

最新视频→【中国 5G 比美国领先十倍？基建狂魔超车在哪？】

欢迎大家留言互动，关注我们~

RECOMMEND

“

网易智能有12个不同垂直领域社群等你来

添加智能菌微信：kaiwu_club

”

扫码了解更多