Zi 字媒體

人工智慧爆發中美AI晶元大比拼

2021/12/25

OFweek電子工程網訊人工智慧爆發，與晶元這「魔法」獲得突破密不可分。不管是智能駕駛還是人臉識別，這些技術的實現都有賴於背後功能更強、體積更小、功耗更低的小小晶元。

得晶元者得天下。在全球範圍競爭日趨激化的AI研究領域，的存在感正在加強。根據國際知名專利檢索公司QUESTEL發布的《晶元行業專利分析及專利組合質量評估》報告指出：近10年晶元專利增長驚人，已成為晶元專利申請第一大國。企業在晶元專利數量上已逐步趕上國外老牌企業。

既然如此，為何國產AI晶元與美國還有這麼大差距？且看以下4個方面：

巨頭布局AI晶元

一、中美人工智慧晶元公司有哪些？

先說美國

——全球十大人工智慧晶元廠商：3家美國6家上榜

1）NVIDIA（英偉達）——GPU 行業領袖，人工智慧晶元領頭軍

NVIDIA創立於1993年1月，是美國一家以設計智核晶元組為主的無晶圓（Fabless）IC半導體公司，也是全球圖形技術和數字媒體處理器行業領導廠商。英偉達的GPU 是圖像處理的行業龍頭，GPU 晶元的同步并行運算非常適用於人工智慧的深度學習神經網路。

事實證明，在浮點運算、并行計算等部分計算方面，GPU 可以提供數十倍乃至於上百倍於CPU 的性能。目前國際GPU市場被NVIDIA 和AMD（英國）兩大公司瓜分。截至2015 年第二季度，NVIDIA 市場份額已達到82%。谷歌無人駕駛汽車所採用的技術部件中，就採用了NVIDIA 的移動終端處理器Tegra（4 核CPU+256 核GPU）。

2013-2015年GPU市場份額

2016 年8 月，英偉達推出首台深度學習超級計算機NVIDIA DGX-1。2017 年4 月，NVIDIA宣布全新數據中心加速器Tesla P100 已經供貨，Tesla P100計算卡面向人工智慧、自動駕駛、氣候預測、醫藥開發等專業領域。

NVIDIA

在2016年，英偉達的股價上漲了228%，過去的5年內累計上漲500%。500億美元的市值將會持續給英偉達帶來40倍的市場收入，這幾乎是業內擁有最高收益的公司。

2）Intel（英特爾）—基於Nervana 技術的AI 晶元& FPGA

2016年11月，英特爾花費4億元收購一家創業公司Nervana，如果一切進展順利，Nervana晶元的最終形態會在2017年底面世。 Nervana一直在研究將深度學習演算法嵌入到計算晶元之中，而不是簡單的打造能夠在大量圖形處理器上運行的軟體，這個邏輯和英特爾發力人工智慧晶元的思路不謀而合。

英特爾稱，與圖形晶元相比，Nervana 技術可以使深度學習系統運行速度提升100 倍，計劃2017 年銷售集成Nervana 技術的晶元，在深度學習市場挑戰英偉達優勢，英特爾計劃在至強處理器中整合Nervana 晶元和軟體。同時，英特爾收購FPGA生產商巨頭Altera，研發基於FPGA技術的人工智慧晶元。

英特爾Nervana產品組合

3）高通

在智能手機晶元佔據絕對優勢的高通公司，也在人工智慧方面積極布局。據高通提供的資料顯示，其在人工智慧方面已投資了Clarifai公司和「專註於物聯網人工智慧服務」的雲知聲。

而早在2015年CES上，高通推出了一款搭載驍龍SoC的飛行機器人——Snapdragon Cargo。高通認為在工業、農業的監測以及航拍對拍照、攝像以及視頻新需求上，公司恰好可以發揮其在計算機視覺領域的能力。此外，高通的驍龍820晶元也被應用於VR頭盔中。事實上，高通已經在研發能在本地完成深度學習的移動設備晶元。

4）IBM——類人腦晶元TrueNorth&量子計算機

IBM 從2008 年開始研究能模擬人類大腦的晶元項目，2014 年推出首個基於SyNAPSE 打造的TrueNorth晶元，該晶元內置100 萬個模擬神經元和2.56 億個模擬神經突觸。不同晶元還可以通過陣列的方式互聯。據稱48 顆晶元組建成的具有4800 萬個神經元的網路，智力水平已經和普通老鼠大腦差不多。

IBM 的TrueNorth晶元的形態、結構、功能、外形

TrueNorth 晶元與眾不同的是同時具有傳統的同步部分（介面和時序）和非同步部分（大腦式架構）。由於使用非同步邏輯，功耗僅為70mW，而同結構的54 億個並聯晶體管會消耗50-100W。為了使神經元構成任意至任意的連接結構，晶元上有龐大的交叉開關，用於將晶元上54億個晶體管的神經元連在一起。

今年3 月份，IBM 宣布將在年內推出全球首個商業「通用」量子計算服務IBM Q，為50 量子bit 的計算機，比之前推出的5 量子位計算機大10 倍，且可以勝任許多傳統計算機無法完成的工作，據稱將加速藥品開發以及科學新發現。2016 年5 月，IBM 發布了一項量子計算雲服務，每個人都可以使用其5 量子位量子計算機。

5)谷歌（Google）———定製化TPU 晶元+量子計算機

Google TPU板卡

谷歌為其深度學習神經網路打造基於ASIC 的專用TPU 晶元。該TPU 晶元也用於AlphaGo 的系統中。ASIC 是專用集成電路，具有體積更小、功耗更低、性能提高、保密性增強、成本低等優點。TPU 目前在谷歌主要用於：1）、機器學習系統RankBrain，用於幫助谷歌處理搜索結果；2）、街景StreetView，用於提高地圖與導航的準確性；3）、圍棋人工智慧AlphaGo，其最初版本使用48 個CPU+8 GPU，對戰樊麾時升級到1202 CPU+176 GPU，對戰李世石時升級至TPU 版本。

谷歌同時致力於量子計算機的研究。

6）微軟——重點研發FPGA 人工智慧晶元，推出基於FPGA 的視覺晶元

微軟把重心放在FPGA人工智慧晶元上，目前FPGA 已經被應用在Bing搜索的支持上，基於神經網路推動新的搜索演算法，執行速度比傳統的晶元會快很多倍，只需要24ms 就可以實現搜索，規避了以往長達四秒搜索空白的尷尬。其FGPA 同樣能夠支持微軟的雲計算服務Azure，未來微軟全球的數百萬部的伺服器將會用FPGA。

微軟基於FPGA的人工智慧晶元

同時微軟推出基於FPGA 技術的視覺晶元A-eye，使得攝像頭具有視覺理解能力。FPGA 的輸入到輸出之間並沒有計算過程，只是通過燒錄好的硬體電路完成信號的傳輸，因此運行速度非常高，可達CPU 的40 倍。目前的攝像頭主要完成記錄、存儲等功能，在攝像頭上加入A-Eye 視覺晶元，就可以讓攝像頭具有視覺理解能力。A-Eye 可以廣泛應用在智能安防，嬰兒和老人看護，戰場機器人，汽車和無人機等各種需要視覺智能的領域。

此外，蘋果、Facebook以及Twitter都在通過設計新的晶元加強人工智慧研發。

再說國內：

——國產AI晶元雄心勃勃或要上演後來居上

1、地平線機器人——NPU

由人創立於2015年的初創企業Horizon Robotics（地平線機器人）致力於打造基於深度神經網路的人工智慧「大腦」平台-包括軟體和晶元，可以做到低功耗、本地化的解決環境感知、人機交互、決策控制等問題。其中，軟體方面，地平線做了一套基於神經網路的OS，已經研發出分別面向自動駕駛的的「雨果」平台和智能家居的「安徒生」平台，並開始逐步落地。硬體方面，未來地平線機器人還會為這個平台設計一個晶元——NPU（Neural Processing Unit），支撐自家的OS，到那時效能會提升2-3個數量級（100-1000倍）。

2. 中科寒武紀

——在國際上開創了深度學習處理器方向

寒武紀科技由創始人陳天石教授帶領中科院團隊成立於2016 年，致力於打造各類智能雲伺服器、智能終端以及智能機器人的核心處理器晶元。公司研製了國際首個深度學習專用處理器晶元，顯著提升了人工智慧領域的運算效能。不同於Google採用的通用處理器，「寒武紀」晶元專門面向深度學習技術。模擬實驗表明，「寒武紀」相對於傳統執行x86指令集的晶元，有兩個數量級(幾百倍)的性能提升。目前，寒武紀系列已包含三種原型處理器結構：

寒武紀晶元

寒武紀1號（英文名DianNao，面向神經網路的原型處理器結構）；

寒武紀2號（英文名DaDianNao，面向大規模神經網路）；

寒武紀3號（英文名PuDianNao，面向多種機器學習演算法）。

與谷歌人工智慧對標，寒武紀的目標是要讓1瓦以內功耗的攝像頭、手機、甚至手錶都能和「阿爾法狗」一樣「聰明」。並且希望具有更優的性能、更強大的計算能力，以及更低的耗能。目前寒武紀晶元產業化在即，預計2018 年上市，市場表現值得期待。

3.中星微電子

2016年6月20日，率先推出首款嵌入式神經網路處理器（NPU）晶元中星微，這是全球首顆具備深度學習人工智慧的嵌入式視頻採集壓縮編碼系統級晶元，並取名「星光智能一號」。這款基於深度學習的晶元運用在人臉識別上，最高能達到98%的準確率，超過人眼的識別率。該晶元於今年3月6日實現量產，目前出貨量為十幾萬件。

中星微NPU架構圖

該NPU採用了「數據驅動」并行計算的架構，單顆NPU（28nm）能耗僅為400mW，極大地提升了計算能力與功耗的比例，可以廣泛應用於高清視頻監控、智能駕駛輔助、無人機、機器人等嵌入式機器視覺領域。

4.百度——DuerOS智慧晶元

聯合硬體廠商推出DuerOS智慧晶元，可以視作百度在人工智慧與硬體設備一體化方面的新探索。DuerOS智慧晶元擁有低成本晶元和模組，可以以晶元嵌入的形式放到任何硬體中，能夠更加快速而廣泛地應用到更多場景。可以看出，百度在利用「演算法+晶元」的組合實現人工智慧產業化落地。

除百度外，騰訊和阿里也加入戰局，近期均推出了FPGA雲解決方案，華為也在做雲計算的架構和方式研究。

二、中美人工智慧晶元專利數量

——專利申請數大幅度增長美國增速穩定

根據烏鎮全球人工智慧申請專利數量，美國、位列前二，且數量級接近。

中美人工智慧專利數量

而根據國際知名專利檢索公司QUESTEL發布的《晶元行業專利分析及專利組合質量評估》報告指出：近10年晶元專利增長驚人，已成為晶元專利申請第一大國。企業在晶元專利數量上已逐步趕上國外老牌企業。

晶元專利前30位專利權人構成分析圖

上圖是晶元專利前30位專利權人構成分析圖，從圖中可以看出，在晶元專利數量前30位專利權人，日本公司居多，日立、東芝和NEC，排名前三位，其次是美國的IBM、英特爾、德州儀器、高通等老牌企業，來自大陸的中興通訊、華為分別位居第23、第27位，中興通訊旗下子公司中興微電子是國內晶元專利申請量第一的企業。

可見，經過多年的技術積累和專利積累，國內企業已經初步具備了和國際企業競爭合作的技術基礎和知識產權基礎，最近幾年，國內企業從專利數量上來說已逐步趕上了國外老牌企業。

但也有業內人士提出質疑，認為目前在很多高精尖的領域中，如高速光通信介面、大規模FPGA、高速高精度ADC/DAC等主要依賴美國供應商。國外企業無論從市場還是專利數量來說，仍然在全球佔據了大部分席位。國內企業在諸多方面都與國際領先企業存在著較大差距。

下面以中興通訊與英特爾專利技術為例，選取中興通訊的專利組合（1238個有效專利）和英特爾的專利組合（1722個有效專利）進行技術和使用維度的對比，了解一下，國內企業和美國先進水平在專利技術上的差距。

中興通訊vs英特爾專利技術和使用度量雷達圖

藍線代表中興通訊，紅線代表英特爾。總體而言，在所有指標中，中興通訊專利的普遍性指數高於平均值，與高普遍性指數有關的專利與多個技術領域中的後期發明相關。這是一個積極的跡象，因為它表明中興通訊的技術對於其它行業中的其它應用具有相關性。

業內人士指出，國產晶元主要應用於消費類領域，而在對穩定性和可靠性要求很高的通信、工業、醫療和軍事等領域，仍主要依賴美國等發達國家。隨著以中興通訊、華為為首的通訊科技企業正在大幅提高國產晶元的自給率，以及與信息安全相關的晶元產業成為國家重點扶持謀求突破的產業，比如國家晶元基金先後對紫光、中興微電子的大手筆參股投資，芯片產業未來五到十年將走向新的快車道。

導讀： 人工智慧爆發，與晶元這「魔法」獲得突破密不可分。不管是智能駕駛還是人臉識別，這些技術的實現都有賴於背後功能更強、體積更小、功耗更低的小小晶元。

三、全球人工智慧論文數量排名