人工智能應(yīng)用場(chǎng)景眾多，認(rèn)同AI安防優(yōu)先落地，有些場(chǎng)景需要在終端實(shí)現(xiàn)，對(duì)芯片功耗、效率，運(yùn)算能力要求較高，這是當(dāng)前AI芯片發(fā)展方向，也是制約AI終端應(yīng)用大范圍落地的瓶頸。深鑒科技就在朝著這個(gè)方向努力，從基于FPGA和ASIC芯片的硬件定制化架構(gòu)，到算法壓縮，深鑒致力于提供高效、低能耗的處理器。當(dāng)前已有標(biāo)準(zhǔn)化模組產(chǎn)品，助力圖像識(shí)別、結(jié)構(gòu)化算法加速，測(cè)試結(jié)果表明深鑒產(chǎn)品與其他終端處理器相比，在性能、效率方面等均有優(yōu)勢(shì)。

人工智能場(chǎng)景：應(yīng)用場(chǎng)景眾多，復(fù)雜程度不一。主要典型場(chǎng)景如下：

阿爾法狗下圍棋場(chǎng)景：行為較為單一，任務(wù)其實(shí)相對(duì)簡(jiǎn)單。

機(jī)器人運(yùn)動(dòng)場(chǎng)景：人的行走相對(duì)復(fù)雜，考慮因素眾多，相對(duì)復(fù)雜。

自動(dòng)駕駛場(chǎng)景：更為復(fù)雜，需要考慮社群行為。即除了自動(dòng)駕駛行為決策外，還要考慮其他行駛者行為的影響。

行業(yè)應(yīng)用落地場(chǎng)景：認(rèn)同AI落地第一個(gè)場(chǎng)景-AI安防的觀點(diǎn)。

當(dāng)前AI安防已經(jīng)有大量需求，2016年安防監(jiān)控出貨量：1億4千萬(wàn)個(gè)模組和傳感器。安防主要部署在終端，對(duì)處理器的成本、帶寬，延時(shí)等性能都有較高要求。

其他終端應(yīng)用場(chǎng)景：機(jī)器人和無(wú)人機(jī)

要求：時(shí)延低，功耗低，價(jià)格敏感，是AI具有挑戰(zhàn)性場(chǎng)景。

目前市場(chǎng)上已經(jīng)有消費(fèi)類(lèi)產(chǎn)品：家庭陪伴機(jī)器人，掃地機(jī)器人，家庭語(yǔ)音聊天機(jī)器人等。主要是通過(guò)云端進(jìn)行語(yǔ)音識(shí)別進(jìn)行人機(jī)交互。

還有提升空間，核心處理轉(zhuǎn)移到前端將會(huì)帶來(lái)市場(chǎng)空間。

AI處理器現(xiàn)狀，目前尚處于早期，效率，功耗等均有待提高。阿爾法狗戰(zhàn)勝李世石用了2千個(gè)CPU，3千個(gè)GPU，同時(shí)還花費(fèi)電費(fèi)3千美元，難以在現(xiàn)實(shí)場(chǎng)景應(yīng)用。AI真實(shí)場(chǎng)景應(yīng)用，對(duì)計(jì)算能力，功耗，開(kāi)發(fā)門(mén)檻要求較高。終端應(yīng)用對(duì)功耗要求更高，無(wú)論是終端還是云端都面臨成本壓力：降低前期投入成本和后期運(yùn)維成本。

AI三個(gè)關(guān)鍵因素：數(shù)據(jù)，算法，硬件。當(dāng)前許多AI處理都在是云端完成，因?yàn)樾枰?jì)算集群提供強(qiáng)大運(yùn)算能力，短時(shí)間完成算法優(yōu)化、數(shù)據(jù)清洗、適配，訓(xùn)練數(shù)據(jù)，快速迭代。但是有些場(chǎng)景不適用云端場(chǎng)景：延時(shí)要求較高的場(chǎng)景。終端設(shè)備無(wú)需連接服務(wù)器、延時(shí)較低，可以適用這些場(chǎng)景。預(yù)計(jì)未來(lái)終端應(yīng)用將會(huì)增加，數(shù)據(jù)也越來(lái)越多，形成數(shù)據(jù)量和處理能力之間的剪刀差。這是阻礙AI大范圍應(yīng)用的主要因素。

當(dāng)前大量公司開(kāi)發(fā)硬件，基本所有AI相關(guān)公司都有想法或已經(jīng)付諸行動(dòng)，部署相應(yīng)加速硬件。未來(lái)趨勢(shì)，未來(lái)AI大規(guī)模應(yīng)用落地，高效、合適的計(jì)算平臺(tái)是必要條件。

深度學(xué)習(xí)處理器：大公司都在做，比如谷歌，百度，英偉達(dá)為典型。

創(chuàng)業(yè)公司主要有：寒武紀(jì)、深鑒科技、地平線機(jī)器人等等。

大家共同的目標(biāo)：便宜高效完成AI計(jì)算。

深鑒科技主要擅長(zhǎng)：

1.硬件加速：基于賽靈思的FPGA硬件和ASIC專(zhuān)為深度學(xué)習(xí)定制，設(shè)計(jì)專(zhuān)門(mén)AI硬件架構(gòu)。

2.算法壓縮和量化：人類(lèi)神經(jīng)元數(shù)量連接數(shù)量3-5歲達(dá)到最高峰，十幾歲人腦功能達(dá)到穩(wěn)定，連接數(shù)減少到2/3-3/4。這一階段是學(xué)習(xí)最快的階段，大腦會(huì)自動(dòng)砍掉無(wú)效連接。算法壓縮就在做同樣的事，在不損失精度情況下壓縮網(wǎng)絡(luò)。對(duì)模型進(jìn)行剪枝、壓縮、量化，在不損精度情下，可以將運(yùn)算速度提升數(shù)倍至數(shù)十倍。

測(cè)試1.分類(lèi)網(wǎng)絡(luò)壓縮：

對(duì)分類(lèi)網(wǎng)絡(luò)做壓縮前后，兩類(lèi)不同對(duì)象處理性能對(duì)比：可以在將模型壓縮到51%神經(jīng)元的情況下，達(dá)到同樣精度，大大提高處理速度。

測(cè)試2.SSD網(wǎng)絡(luò)壓縮：

測(cè)試表明：可以在實(shí)現(xiàn)相同精度情況下，將網(wǎng)絡(luò)縮小至10%。也就是原來(lái)一秒1張圖片，現(xiàn)在可處理10張圖片。

功耗需求：

面向AI終端定制芯片的目標(biāo)功耗是：1-10W區(qū)間，這一領(lǐng)域尚處空白，各公司均向這方向努力。

橫坐標(biāo)：功耗，縱坐標(biāo)：運(yùn)行速度，斜率越高效率越高。

1-10w的紅圈區(qū)域：空白區(qū)。當(dāng)前IOT功耗是幾十-幾百W，需要大規(guī)模量產(chǎn)化才能降低成本，并且?guī)资甒難以作為應(yīng)用端芯片。其他性能強(qiáng)大的芯片過(guò)高功耗，需要的成本較高。

測(cè)試3.效率比較：

衡量芯片兩個(gè)關(guān)鍵指標(biāo)：峰值性能：取決于公司的技術(shù)水平以及財(cái)力，較高工藝需要較大成本。

效率：取決于公司技術(shù)情況。

效率定義：運(yùn)行時(shí)工作芯片單元占總芯片單元數(shù)比重，即100個(gè)計(jì)算單元，每個(gè)時(shí)鐘周期有多少在工作。

深鑒科技可達(dá)50%以上；iphone8可以達(dá)到20-40%；Kirin970：20%左右。

深鑒科技產(chǎn)品：

當(dāng)前市場(chǎng)主流AI應(yīng)用場(chǎng)景：安防，數(shù)據(jù)中心，機(jī)器類(lèi)相關(guān)。深鑒科技也都在做。

深鑒目前標(biāo)準(zhǔn)量產(chǎn)化產(chǎn)品：前端智能模組，可以提高前端運(yùn)算能力。可以通過(guò)增加硬件的方式，實(shí)現(xiàn)支持多路、實(shí)時(shí)視頻處理，可以輔助進(jìn)行人臉識(shí)別，結(jié)構(gòu)化模型處理。