抢占人工智能风口仅凭移动AI芯片还不够
- 来源：中国智能制造网
- 编辑：未闻花名
- 2017/10/19 9:01:45
- 44413
20世纪80年代，人工智能的关键应用——基于规则的专家系统得以发展，但是数据较少，难以捕捉专家的隐性知识，加之计算能力依然有限，使得人工智能不被重视。进入20世纪90年代，神经网络、深度学习等人工智能算法以及大数据、云计算和高性能计算等信息通信技术快速发展，人工智能进入新的快速增长时期。
如今“人工智能”被写入我国“十三五”规划纲要。2016年5月，国家发改委、科技部、工信部及中央网信办四部委联合下发《“互联网+”人工智能三年行动实施方案》。面向2030年的人工智能规划即将出台，中国的人工智能研究与开发将进入顶层设计后的系统推进阶段。
随着智能时代的临近，芯片市场格局一变再变。以处理器市场40多年的英特尔 为例，2015英特尔年底收购完 Altera，而在今年4月就宣布计划裁员 1.2 万。除此之外，GPU 巨头英伟达今年 3 月推出加速人工智能和深度学习的芯片Tesla P100，投入研发经费超过20亿美元。据《华尔街日报》报道，今年5月英伟达售出的GPU比去年同月增长62%，公司当前市值240亿美元。
对于众多投资企业来说，AI芯片抢占人工智能市场的一个重要入口，但是对于研发者而言却不仅如此。虽然硬件的出现不代表立刻建立起生态圈，但手机厂商对移动AI的押注无疑给了大多数信心，让更多人加入这一领域。
移动AI芯片不能解决所有问题，但很多团队正在试图从软件方面加速移动AI的部署。移动AI芯片给了推出轻量级产品的可能——不必担心云计算资源的使用资费、也不必担心用户量增长带来的服务器宕机。可以说移动AI芯片的出现降低了消费级AI应用的准入门槛。
但研发移动AI芯片并没有想象中那么容易。对于用户而言，移动AI芯片的出现意味着可以在终端上获得更好的产品体验，可对于来说，移动AI却不能靠芯片一蹴而就。
移动端的AI芯片在设计思路上有着本质的区别。首先，必须保证功耗控制在一定范围内，换言之，必须保证很高的计算能效；为了达到这个目标，移动端AI芯片的性能必然有所损失，允许一些计算精度损失，因此可以使用一些定点数运算以及网络压缩的办法来加速运算
深黑科技的CEO Jason表示，目前大多数移动AI芯片在机器学习做了较为普适性的优化，而对一些特定的计算方式则没有进行太多优化。比如深度学习中需要的卷积计算，当前就会更适合部署在云端。因此，研发者在移动AI芯片上还在下苦功。
除了采用其他架构，研究人员开始探索使用新材料制作芯片。早在2015 年，三星、Gobal Foundries、IBM 和纽约州立大学等机构组成的研究联盟推出了一个 7 纳米的微芯片，其晶体管大约一半都由硅锗(SiGe)合金制成。石墨烯也是芯片研发一个重点。机器学习加速新材料发现，也意味着使用新材料制作的芯片出现几率大大提高。
版权与免责声明：凡本网注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本网授权不
展开全部
热门评论