一份布滿愁云的財(cái)報(bào)，暗示著芯片廠商們的又一場(chǎng)戰(zhàn)事拉開序幕。

7月24日，英特爾在今年2季報(bào)中宣布，因7nm芯片工藝存在缺陷，進(jìn)展落后與原計(jì)劃的6個(gè)月，同時(shí)量產(chǎn)日期也被推遲了近一年。

當(dāng)天，英特爾收盤暴跌16.24%。

另有媒體報(bào)道，英特爾已將2021年6nm芯片代工訂單交于臺(tái)積電，后者還有望獲得5nm、3nmCPU芯片的代工。

受該利好消息刺激，7月27日臺(tái)積電創(chuàng)下83.4美元/股的歷史新高。截至7月29日收盤，臺(tái)積電的市值高達(dá)4289億美元，是當(dāng)天英特爾收盤市值的兩倍多。

一憂一喜間，暗示著英特爾自銷自產(chǎn)的時(shí)代落幕。曾經(jīng)的CPU芯片巨頭如今陷入頹靡。但江湖中，后浪們正在奮起追逐。

7月20日，國(guó)產(chǎn)AI芯片第一股寒武紀(jì)登陸A股科創(chuàng)板，當(dāng)天大漲229.9%。

當(dāng)人工智能進(jìn)入越來越多人的生活，這片江湖爭(zhēng)奪或許會(huì)聚焦于AI芯片上。

根據(jù)Gartner預(yù)測(cè)，全球AI芯片的市場(chǎng)規(guī)模將有望從2018年的42.7億美元上升到2023年的323億美元，2019-2023年平均增速約為50%。

如果說，英特爾和英偉達(dá)象征著CPU、GPU芯片的榮光，那么在AI芯片賽道中，誰會(huì)是下一個(gè)霸主?

01

從CPU、GPU到xPU

深度學(xué)習(xí)是目前AI的神經(jīng)網(wǎng)絡(luò)主流算法，需要處理大量非結(jié)構(gòu)化數(shù)據(jù)和“蠻算”。這對(duì)芯片的多核并行運(yùn)算、片上存儲(chǔ)、帶寬、低延時(shí)訪存等提出了較高需求。

事實(shí)上，CPU芯片可以用于AI運(yùn)算，適用于邏輯復(fù)雜的串行計(jì)算。由于CPU中有晶體管用于構(gòu)建控制電路和高速緩沖存儲(chǔ)器，縮減了計(jì)算單元的空間，也在一定程度上限制了算力。

目前深度學(xué)習(xí)下的圖像識(shí)別、語音識(shí)別的計(jì)算主要涉及矩陣向量乘法、加法，計(jì)算邏輯也不復(fù)雜，主要靠數(shù)據(jù)大量多次計(jì)算，因此相比串行運(yùn)算的CPU，具有并行運(yùn)算能力的GPU芯片性能更高，更適合深度學(xué)習(xí)。

這是為什么GPU一哥英偉達(dá)能在AI芯片市場(chǎng)占有一席之地。據(jù)廣證恒生研報(bào)數(shù)據(jù)，英偉達(dá)在數(shù)據(jù)中心GPU市場(chǎng)占有率超過80%。2019年度，英偉達(dá)數(shù)據(jù)中心業(yè)務(wù)收入占比增長(zhǎng)至接近三成。

除了CPU、GPU外，ASIC被認(rèn)為是下一代AI芯片主流架構(gòu)。針對(duì)特定任務(wù)專門設(shè)計(jì)框架，ASIC芯片能在快速提升算力的同時(shí)降低能耗。

谷歌的TPU(張量處理單元)便是其中之一。谷歌定義了十幾個(gè)為神經(jīng)網(wǎng)絡(luò)計(jì)算而設(shè)計(jì)的高級(jí)指令，采用單線程控制，避免緩存、多道處理等問題，提高了深度學(xué)習(xí)運(yùn)算效率。不過，和所有ASIC芯片一樣，TPU是一款非通用芯片。

在眾多xPU芯片中，Graphcore推出的IPU(智能處理單元)是一款激進(jìn)產(chǎn)品。

這款專為AI訓(xùn)練、推理任務(wù)設(shè)計(jì)的新型處理器，運(yùn)用大規(guī)模并行同構(gòu)眾核架構(gòu)。

加州大學(xué)圣芭芭拉分校教授謝源曾表示，在運(yùn)算過程中，把數(shù)據(jù)從內(nèi)存搬到處理單元所需能量占比非常大，而數(shù)據(jù)搬運(yùn)效率不會(huì)因摩爾定律發(fā)展而提高。

IPU采用的是大規(guī)模分布式片上SRAM(靜態(tài)隨機(jī)存取儲(chǔ)存器)，數(shù)據(jù)不儲(chǔ)存在片外，意味著運(yùn)算過程中可以直接調(diào)動(dòng)，節(jié)省能耗和時(shí)延。不過，一旦供電不足，會(huì)導(dǎo)致部分?jǐn)?shù)據(jù)缺失。為此，IPU相應(yīng)減少了用于機(jī)器學(xué)習(xí)運(yùn)算單元面積。

日前，Graphcore已發(fā)布第二代IPU GC200，晶體管數(shù)量高達(dá)594億個(gè)，內(nèi)部有1472個(gè)獨(dú)立的處理器內(nèi)核，能夠執(zhí)行8832個(gè)獨(dú)立的并行線程，均由900MB的RAM支持。

此外，IPU GC200芯片另一亮點(diǎn)為能適用于稀疏樣本數(shù)據(jù)的深度學(xué)習(xí)。

新的架構(gòu)有的方法是為每個(gè)處理核心配備了專用存儲(chǔ)單元，能更有效分散和搜集信息，避免部分?jǐn)?shù)據(jù)被過濾。

Graphcore曾被多家媒體對(duì)標(biāo)為下一家英偉達(dá)。

介紹這款特立獨(dú)行的產(chǎn)品時(shí)，高級(jí)副總裁兼中國(guó)區(qū)總經(jīng)理盧濤表示，“IPU不是GPU，但現(xiàn)在很多芯片公司做的其實(shí)還是GPU，在某些領(lǐng)域，未來一段時(shí)間里，IPU可能會(huì)和GPU呈現(xiàn)競(jìng)爭(zhēng)膠著狀態(tài)，“這是最大的挑戰(zhàn)，也是最大的機(jī)會(huì)。”

02

垂直領(lǐng)域突圍戰(zhàn)

對(duì)于不少中國(guó)AI芯片企業(yè)而言，選擇做專用芯片還是通用芯片，是一道難題。

億歐科創(chuàng)事業(yè)部商業(yè)分析師張繼文直言，目前行業(yè)中還沒有誕生一款真正意義上的AI通用芯片，因?yàn)椴煌瑘?chǎng)景下，對(duì)芯片算力有不同要求。

比如，安防領(lǐng)域?qū)D像處理要求比較高，智能家居對(duì)語音處理要求很高，而自動(dòng)駕駛需要多模態(tài)處理。

“現(xiàn)階段設(shè)計(jì)者仍在具體場(chǎng)景下摸索，建議做垂直領(lǐng)域的芯片。”她表示。

如果你是一個(gè)不走心的芯片設(shè)計(jì)師，做出芯片并不難。如果不愿意付ARM框架授權(quán)費(fèi)用，可以選開源的Risk-V框架，去除無用功能后，從GitHub下載代碼，交由芯片廠家做模型轉(zhuǎn)換。

但在中科院自動(dòng)化研究所研究員王金橋看來，這樣的算法無法保證算法的精度。

設(shè)計(jì)芯片時(shí)，設(shè)計(jì)師需要對(duì)網(wǎng)絡(luò)規(guī)模、參數(shù)、效果等選項(xiàng)不斷調(diào)整，提高芯片的適配能力。如果芯片已經(jīng)固定了支持的網(wǎng)絡(luò)結(jié)構(gòu)，之后要想更換，只會(huì)前功盡棄。

根據(jù)億歐智庫數(shù)據(jù)，ASIC芯片的開發(fā)費(fèi)用高達(dá)800-2500萬美元以上，開發(fā)周期長(zhǎng)達(dá)1-3年。這是耗費(fèi)的資本。

這便是專注于ASIC芯片研發(fā)，寒武紀(jì)的困頓。在招股書上，寒武紀(jì)預(yù)計(jì)今年凈利潤(rùn)虧損4億元至6.5億元。尋求資本市場(chǎng)融資，是這次寒武紀(jì)上市的緣由。

據(jù)悉，寒武紀(jì)計(jì)劃分別以IPO募集資金7億元、6億元、6億元和9億元用于投資云端訓(xùn)練芯片及系統(tǒng)、新一代云端推理芯片及系統(tǒng)、新一代邊緣端人工智能芯片及系統(tǒng)和補(bǔ)充流動(dòng)資金。

比資本更重要的，還有人才。王金橋感慨AI芯片領(lǐng)域設(shè)計(jì)人才稀缺。在成為芯片設(shè)計(jì)師前，需要至少3-5年的工作經(jīng)驗(yàn)。

行業(yè)一流的設(shè)計(jì)師，起碼要在生產(chǎn)線上跟過10年，以防流片失敗。

芯片生產(chǎn)過程中，流片是從設(shè)計(jì)走向量產(chǎn)的關(guān)鍵一步，這需要按照?qǐng)D紙?jiān)诰A上進(jìn)行蝕刻、制定晶圓尺寸，工藝復(fù)雜，整個(gè)過程有40多道工序，每一步細(xì)小失誤的累積，便會(huì)功虧一簣。

此前小米澎湃S2流片失敗5次，被報(bào)道稱燒掉十多億元。這是流片背后的痛。

目前AI領(lǐng)域稀缺的是設(shè)計(jì)，懂算法的，不懂硬件，反之亦然，這需要建立好生態(tài)，改變高校課程結(jié)構(gòu)。

王金橋表示看好寒武紀(jì)的成長(zhǎng)，這個(gè)團(tuán)隊(duì)來自中科院，有核心技術(shù)，只是成立不過5年，仍顯稚嫩。“中國(guó)會(huì)有一家像英偉達(dá)一樣的企業(yè)，雖然還有很長(zhǎng)的路要走。”他說。

關(guān)鍵詞： 芯片