2018人工智能芯片研究报告_42页_2mb

2018人工智能芯片研究报告总结

核心内容

本报告围绕人工智能芯片的定义、技术路线、发展历程、国内外发展情况、应用领域以及未来趋势进行系统分析，强调AI芯片作为人工智能技术核心的基础架构，对推动AI发展起着关键作用。

主要观点

• AI芯片的定义与分类：AI芯片是指能够加速人工智能算法执行的专用芯片，主要分为GPU、FPGA、ASIC三种类型。此外，还有神经拟态芯片和类脑芯片等新兴技术路线。
• 技术特点：GPU在深度学习训练中表现优异，但功耗较高；FPGA具有灵活性和能效优势，但价格较高；ASIC针对特定任务进行优化，具有更高的性能和能效，但开发成本高。
• 发展历程：AI芯片的发展经历了四次重要阶段，从2007年前的未成熟期，到GPU的广泛应用，再到ASIC的兴起，以及当前类脑芯片的探索。
• 国内发展现状：中国AI芯片行业处于起步阶段，但已涌现出一批具有代表性的企业，如寒武纪、地平线、深鉴科技等，且在多个应用领域有所突破。
• 应用领域：AI芯片已广泛应用于智能手机、ADAS、计算机视觉、VR设备、语音交互和机器人等多个领域。

关键信息

AI芯片的技术特点

国内外AI芯片公司

国内

• 寒武纪科技：全球首个成功流片并拥有成熟产品的AI芯片公司，产品线涵盖终端和服务器。
• 地平线机器人：专注于自动驾驶、AI芯片研发，BPU架构支持高效推理。
• 深鉴科技：基于FPGA平台开发DPU，后被赛灵思收购。
• 中星微：中国首个嵌入式神经网络芯片NPU，应用于视频监控。
• 灵汐科技：致力于开发类脑处理芯片，支持DNN/SNN混合模式。
• 启英泰伦：专注于语音识别芯片，CI1006芯片支持深度神经网络。
• 华为：麒麟970搭载寒武纪NPU，实现高性能AI推断。
• 百度：推出XPU，基于FPGA架构，支持深度学习。

国外

• 英伟达（NVIDIA）：推出Tesla P100、V100等深度学习专用GPU，性能优异。
• 谷歌（Google）：推出TPU系列，专为机器学习优化，能效高。
• 高通（Qualcomm）：布局AI芯片，推出骁龙820芯片，支持VR和AI功能。
• IBM：TrueNorth芯片支持SNN，具有低功耗、高能效的特点。
• Movidius：被Intel收购，专注于视觉处理芯片，应用于无人机、摄像头等。
• 苹果（Apple）：A11 Bionic芯片内置Neural Engine，实现FaceID等AI功能。
• 三星（Samsung）：投资Graphcore、寒武纪等AI芯片企业，计划在智能手机中广泛应用AI芯片。

AI芯片的发展趋势

1. 更高效的大卷积解构/复用：通过分解卷积操作，减少数据通信和计算资源消耗。
2. 更低的Inference计算/存储位宽：从32位浮点逐渐转向16位、8位甚至4位定点运算，降低功耗。
3. 更多样的存储器定制设计：随着计算能力的提升，减少存储访问延迟成为研究重点。
4. 更稀疏的大规模向量实现：通过稀疏计算减少无用功耗，如哈佛大学提出的五级流水线结构。
5. 计算和存储一体化：采用新型存储器（如ReRAM），实现计算与存储融合，提升性能与能效。

专家与人才分布

• Jeff Dean：谷歌大脑创始人，主导TensorFlow和MapReduce等重要项目。
• 黄仁勋：NVIDIA创始人，推动GPU在AI领域的应用。
• Vivienne Sze：MIT副教授，Eyeriss节能加速器主要研发人员之一。
• 谢源：加州大学圣芭芭拉分校教授，研究领域涵盖VLSI设计、人工智能架构等。
• 陈天石：中科院研究员，寒武纪科技创始人，发表多篇高水平论文。
• 施路平：清华大学教授，类脑计算领域的主要开拓者。
• 余凯：前百度研究院副院长，地平线机器人创始人，深度学习领域有重要贡献。

人才分布

• 全球AI芯片领域学者主要集中在北美洲，其次是欧洲，中国紧随其后。
• 人才迁徙趋势显示，美国是人才流动的核心，英国、中国、德国、瑞士紧随其后。
• 中国在AI芯片领域人才储备和研发能力持续增长，但尚未形成垄断。

应用领域

• 智能手机：华为、苹果等公司已推出搭载AI芯片的设备，提升拍照、识别等功能。
• ADAS（高级辅助驾驶系统）：英伟达、Mobileye等公司提供ADAS芯片，支持自动驾驶。
• 计算机视觉（CV）：Movidius、大疆、海康威视等公司应用CV芯片，提升智能监控能力。
• VR设备：微软Hololens搭载HPU芯片，实现高质量图像处理。
• 语音交互设备：启英泰伦、云知声等公司推出支持深度学习的语音识别芯片。
• 机器人：地平线机器人提供AI芯片解决方案，用于自动驾驶和智能家居。

结论

AI芯片作为人工智能发展的核心技术，正逐步从通用计算向专用计算演进。随着算法和应用场景的不断丰富，AI芯片在性能、能效和定制化方面持续优化，未来将朝着更高效、更低功耗、更灵活的方向发展。国内外企业在AI芯片领域竞争激烈，中国在这一领域有较大的发展潜力，但需进一步提升研发能力与市场影响力。