在“阿爾法狗”（AlphaGo）打敗人類圍棋頂尖高手之后，AI徹底火了，有關(guān)這方面的討論從那時候起就一直不絕于耳，各種相關(guān)的AI應(yīng)用也層出不窮。現(xiàn)在遍地開花的人臉識別、圖像識別和語音識別等應(yīng)用背后都有AI的身影，各種廠商也聚焦在這些市場提供各種差異化的AI方案。

如被稱為國內(nèi)“AI四小龍”之一的依圖科技就憑借在計算機視覺、語音識別、語義理解和智能決策等多方面的技術(shù)積累，將人工智能技術(shù)注入到了智能安防、科技金融、智能醫(yī)療、智慧城市、新零售和智能制藥等多個領(lǐng)域，推出了全球領(lǐng)先的創(chuàng)新技術(shù)和產(chǎn)品。人工智能應(yīng)用也在依圖等廠商的的推動下迅速發(fā)展，這也帶動了后面相關(guān)芯片需求的發(fā)展。

根據(jù)Gartner的預(yù)測數(shù)據(jù)，全球人工智能芯片市場規(guī)模將在未來五年內(nèi)呈現(xiàn)飆升，從2018年的42.7億美元成長至343億美元，增長超過7倍。相關(guān)的芯片也從早期的CPU、GPU、FPGA發(fā)展到現(xiàn)在針對特殊應(yīng)用開發(fā)的客制化AI芯片。尤其是后者，更是成為最近這些年產(chǎn)業(yè)不可逆轉(zhuǎn)的潮流。

從GPU、FPGA到專用AI芯片的演變

在人工智能的發(fā)展早期，市場上都是選用CPU、GPU和FPGA等芯片作為人工智能應(yīng)用的“動力”來源，但隨著終端市場的發(fā)展，這些芯片的瓶頸開始凸顯：

如CPU雖然能夠為人工智能提供適合的算力、價格、功耗和時間，但因為AI的許多數(shù)據(jù)處理涉及矩陣乘法和加法，這并不是CPU所擅長的；GPU方面，雖然他們也是為了應(yīng)對圖像處理中的大規(guī)模并行計算處理而生的，但因為其硬件結(jié)構(gòu)方面的局限性，使得即使他們在人工智能訓(xùn)練端如此重要，也還是有不少廠商嘗試尋找新的替代空間；FPGA也因為基本單元的計算能力有限，速度和功耗方面也略顯不足，再加上價格昂貴，在市場上也頗受爭議。于是擁有成本、性能和功耗等優(yōu)勢的專門定制AI芯片就開始成為了市場追逐的目標(biāo)。

這不但推動了一大波初創(chuàng)公司的誕生，很多做軟件和算法的公司也都先后投身其中。

在前者方面，國內(nèi)的寒武紀、地平線和比特大陸都是先鋒。以寒武紀為例，他們在2016年推出了世界首款終端人工智能專用處理器“寒武紀 1A”處理器，并已應(yīng)用于數(shù)千萬智能手機中。2018年，寒武紀推出了MLU100機器學(xué)習(xí)處理器芯片。按照他們的說法，這個昔年的運行主流智能算法時性能功耗比全面超越CPU和GPU。他們新一代的芯片最近也將浮出水面。

后者方面，谷歌和亞馬遜是當(dāng)中的先行者。據(jù)谷歌介紹，他們設(shè)計的、專門用于神經(jīng)網(wǎng)絡(luò)工作負載的矩陣處理器TPU可以極快地為神經(jīng)網(wǎng)絡(luò)處理大量的乘法和加法運算，并且耗電量顯著降低，占用的物理空間更小。更重要的一點是通過其脈動陣列架構(gòu)設(shè)計大幅度緩解了馮·諾依曼瓶頸；亞馬遜AWS部門也通過其定制設(shè)計的機器學(xué)習(xí)推理芯片Inferentia為客戶提供數(shù)百 TOPS（每秒萬億次運算）推理吞吐量，以允許復(fù)雜模型能夠進行快速預(yù)測。能以極低成本交付高吞吐量、低延遲推理性能。

對于前者來說，因為AI市場潛力巨大，他們做芯片去分一杯羹無可厚非。但對于后者來說，這當(dāng)中的意義更是巨大。一方面是因為他們擁有了龐大的客戶，加入了自研芯片無疑可以降低他們的成本。另一方面，自研的AI芯片在性能和功耗上也有很大的提升空間，廠商甚至可以做一些差異化的設(shè)計，提高其競爭力，這也是那么多系統(tǒng)廠商進入這個市場的原因。

依圖科技則是這個市場的另一大玩家。

人工智能“老兵”的新疆界

和現(xiàn)在的一大波人工智能的新玩家相比，成立于2012年的依圖科技是不折不扣的老兵。在創(chuàng)始人朱瓏博士和林晨曦的領(lǐng)導(dǎo)，以及公司員工的腦力下，依圖科技在人臉識別、語音識別等多個領(lǐng)域積累了深厚的技術(shù)，公司也在多個市場攻城拔寨。這也幫助公司在一輪輪融資中，把市值推高，也讓公司創(chuàng)始人有底氣說出了”我們很貴，別人買不起“這樣的豪言。

而這個主打機器視覺，以“拓展人工智能新疆界”為Slogan的企業(yè)不滿足于此，他們正在橫向和縱向拓展他們的疆界，而芯片就是他們的目標(biāo)。按照依圖的想法，把握住高集成度， 坐上數(shù)據(jù)、算法、算力這三駕馬車，順利走好AI芯片這條道路，這就是他們的目標(biāo)。

基于此，依圖發(fā)布了云端深度學(xué)習(xí)推理定制化SoC芯片questcore。

據(jù)介紹，依圖科技的這款專為計算機視覺領(lǐng)域分析任務(wù)推出的芯片是基于自研的芯片架構(gòu)打造的，它能高效適配各類深度學(xué)習(xí)算法（包括TensorFlow、PyTorch 等主流深度學(xué)習(xí)框架），在保持極低功耗的同時能大幅提升計算力，模型兼容性好，可擴展性高，無縫接入現(xiàn)有生態(tài)。

另外，questcore自帶的網(wǎng)絡(luò)支持模塊以及對虛擬化和容器化的支持，能將AI云的彈性計算和調(diào)度提升一個量級，這可以帶來能耗比的大幅提升。能夠充分發(fā)揮依圖世界級算法優(yōu)勢。依圖方面強調(diào)，在同等功耗下，他們的questcore芯片能提供市面現(xiàn)有同類主流產(chǎn)品 2~5 倍的視覺分析性能。

為了實現(xiàn)其“極智”目標(biāo)，依圖方面強調(diào)，他們從現(xiàn)在開始會在AI芯片和智能硬件垂直發(fā)力。

按照依圖的了解，在“算法定義芯片”的時代，算法即芯片，以 AI 為中心來思考架構(gòu)能為芯片設(shè)計帶來無限的想象空間，而算法則成為在這廣袤空間中探尋搜索的指南針，擁有該領(lǐng)域知識的頂級算法廠商在智慧芯片和智能計算革命中開始發(fā)揮舉足輕重的作用。

又因為依圖 questcore作為服務(wù)器芯片可以獨立使用，有助于完善中國IC產(chǎn)業(yè)生態(tài)。這對于國內(nèi)的人工智能產(chǎn)業(yè)乃至整個集成電路產(chǎn)業(yè)來說，也是一大幸事。

依圖此次也同時發(fā)布了基于questcore打造的原子服務(wù)器，一臺服務(wù)器提供的算力與 8 張英偉達P4卡服務(wù)器相當(dāng)，而體積僅為后者的一半，功耗不到20%。這意味著，這樣一臺單手可持的小小服務(wù)器，就能驅(qū)動一條主干道、一整個小型園區(qū)所需的智能算力。

依圖方面進一步指出，questcore與依圖世界級算法結(jié)合，構(gòu)成軟硬件一體化的多元產(chǎn)品和豐富解決方案，將依圖研發(fā)團隊的先進算法和工程團隊在智能安防、智能醫(yī)療、智慧零售和 AI CITY 等多個人工智能行業(yè)應(yīng)用場景的實踐經(jīng)驗相結(jié)合，能為客戶實現(xiàn)更大價值。

未來無限美好，但仍需謹慎

集成電路是 20 世紀最偉大的發(fā)明，而人工智能則是 21 世紀人類的希望。從依圖看來，在沒有先例可循的智能時代，中國人工智能創(chuàng)業(yè)公司與世界巨頭站在同一起跑線上，完全有機會成為新時代全球領(lǐng)先的全棧智能解決方案提供商。依圖將立足“算法+芯片+數(shù)據(jù)智能”的極智戰(zhàn)略，深入行業(yè)，降低人工智能應(yīng)用落地和推廣成本，賦能行業(yè)，長期持續(xù)地為社會做出積極貢獻，與合作伙伴一起，共同推動中國智能產(chǎn)業(yè)發(fā)展，構(gòu)建融合創(chuàng)新的智慧生態(tài)。

但我們也應(yīng)該冷靜看到，在全民歡呼背后，還有一些問題值得我們關(guān)注。就拿AI芯片領(lǐng)域來說，杜克大學(xué)教授陳怡然在之前曾提到，AI芯片在設(shè)計方面這幾大挑戰(zhàn)：

杜克大學(xué)教授陳怡然就曾提到，AI芯片在設(shè)計方面有幾大挑戰(zhàn)：

第一是大容量存儲和高密度計算，當(dāng)神經(jīng)深度學(xué)習(xí)網(wǎng)絡(luò)的復(fù)雜度越來越高的時候，參數(shù)也會越來越多，怎么處理是一大難題；

第二個挑戰(zhàn)是要面臨特定領(lǐng)域的架構(gòu)設(shè)計，因為場景越來越豐富，這些場景的計算需求是完全不一樣的。怎么樣通過對于不同的場景的理解，設(shè)置不同的硬件架構(gòu)變得非常重要；

第三個挑戰(zhàn)是芯片設(shè)計要求高，周期長，成本昂貴。從芯片規(guī)格設(shè)計、芯片結(jié)構(gòu)設(shè)計、RTL設(shè)計、物理版圖設(shè)計、到晶圓制造、測試封裝，需要2到3年時間，這段時間里軟件會快速發(fā)展，算法也在快速更新，芯片如何支持這些更新也是難點；

第四個挑戰(zhàn)是架構(gòu)及工藝。隨著工藝不斷的提升，從90納米到10納米，邏輯門生產(chǎn)的成本到最后變得飽和。也許在速度、功耗上會有提升，但單個邏輯生產(chǎn)的成本不會再有新的下降。這種情況下如果仍然用幾千甚至上萬個晶體管去做一個比較簡單的深度學(xué)習(xí)的邏輯，最后在成本上是得不償失的；

雖然依圖在軟件和算法領(lǐng)域獨步天下，他們這些軟硬結(jié)合的想法也能讓人遐想連篇，但對于在芯片這個全新領(lǐng)域，依圖還是新兵，未來即使商機無限，但也困難重重。

但正如依圖科技創(chuàng)始人朱瓏所說：“科技進步極大降低了創(chuàng)新所需的經(jīng)濟門檻，但是偉大所需的精神門檻——勇氣，從來沒有降低過”。換句話說，為理想，沒有什么不可以。