半导体新闻
本站原创,作者:章鹰,电子发烧友执行副主编。
在2018年和2019年这两年,中外厂商AI芯片量产和上市的新闻层出不穷。小编为工程师来梳理一下,看看英特尔、英伟达、超微、华为、阿里巴巴几家的动作。
1、2018年5月下旬,英特尔全球副总裁兼人工智能产品事业部总经理Naveen Rao表示,英特尔正在开发第一个商用神经网络处理器产品英特尔Nervana NNP-L1000(Spring Crest),计划在2019年发布。
2、2018年6月初,英伟达正式发布了全新AI芯片“Jetson Xavier”,在CEO黄仁勋看来:“这台小电脑,将成为未来机器人的大脑”,将该芯片的使用范围清晰定义在机器人领域。
3、2018年8月,英伟达图灵芯片(Turing)台积电大量以12纳米投片,9月底已经开始出货。
4、首度采用台积电7纳米的超微移动加速处理器(APU)架构芯片,最快2018年底至2019年上半年出货。
5、据***工商时报报道,华为自行研发的云端运算AI芯片,包括采用台积电12奈米的Ascend 310及采用台积电7奈米的Ascend 910,预期在2019年第二季推出。
6、12月16日,阿里巴巴成立的芯片公司平头哥(上海)半导体已经在上海完成注册,阿里巴巴首席技术长、达摩院院长张建锋透露,阿里首款AI芯片预计2019年下半年面世。这款芯片将应用在阿里数据中心、城市大脑和自动驾驶等云端数据场景中。
“AI芯片是AI技术发展过程中不可逾越的关键阶段,不管有什么好的AI算法,要想最终得到应用,都必然通过芯片来实现。” 清华大学微电子所所长、中国半导体行业协会集成威廉希尔官方网站 设计分会理事长魏少军断言,芯片是实现人工智能的当然载体。
图:清华大学微电子所所长、中国半导体行业协会集成威廉希尔官方网站 设计分会理事长魏少军
在珠海举办的ICCA2018年会上,中国半导体行业协会集成威廉希尔官方网站 设计分会理事长魏少军教授指出,集成威廉希尔官方网站 设计产业蓬勃发展,芯片设计企业再次大幅度上升,全国共有1698家设计企业,比过去一年暴增了23%。1600多家无晶圆厂设计公司,有AI方面产品的公司也有不少,产品如何落地,值得思考。
作为全球晶元代工龙头的台积电,其董事长张忠谋对外界表示,无论人工智能(AI)、5G等新应用,都脱离不了运算,因此,运算未来辉是非常普遍被需要的技术。而运算是集成威廉希尔官方网站 (IC)的基本,未来无论什么杀手级产品出现,都需要IC,也让IC产业长期看好。
图:台积电董事长张忠谋
张忠谋预料,运算(computing)在未来将会非常重要。他指出MIT新设立运算学院,是个跨学系的学院,原本机械、电子、电机等系所都可以来运算学院修读运算课程,5G和AI的根本都是运算。
张忠谋分析指出,大陆之所以可以诞生寒武纪等AI芯片独角兽,主要是因为大陆有人才和国内庞大的市场。这点和美国市场相同,比如Google, Facebook,这些独角兽能够成功,前提是很大的国内市场。
台积电中国业务发展副总经理陈平陈平观察这一波 AI 热潮需要具备三个关键:海量数据、算法、技术工艺。AI 最先的要素是有“海量数据”才能成立,所有的场景推演和训练都要有数据在背后做依据,如果想要做一个 AI 产品,但没有数据库做基础,那评估的时候就要打个问号!
两个关键点是算法和工艺,半导体工艺技术是台积电的强项,IC 设计客户要追求极致,有好的算法不够,算力也很重要,用 7 纳米就是比 28 纳米的算力强,目前台积电是唯一 7 纳米工艺技术的提供者。寒武纪、华为海思、比特大陆都是台积电的重要客户。
图:格芯市场总监朱宇
格芯市场总监朱宇在12月21日的《人工智能落地应用与趋势》william hill官网 上,指出,半导体给AI应用带来了实现的可能性。他分析说:从云端到Edge端,AI应用分为三个大类:主要集中在AI训练和inference,代表厂商是Google和英伟达;在自动驾驶领域,采用AI是减轻驾驶员在驾驶途中的精力。做自动驾驶,需要车在实时性环境中反应,需要强大的计算平台和AI芯片;在边缘(Edge)端,AI算力提升产品体验,真正改变生活形态的挑战部分。比如家里的空调根据家中人数多少,自动调节温度和湿度,又比如智能门锁,监控人的进出,为芯片设计的厂商带来思考,用那种工艺实现AI算法。
从云端的AI处理器的趋势,经过多年的演进,从CPU到GPU到FPGA,在做云端训练和处理器,大家都在定义自己的架构,这种芯片需要先进工艺,做云端训练,ASIC是必然之路。
服务器90%市场使用的是X86架构,做一个芯片要替代X86, 再加上AI功能,需要更长的过程。加速芯片+服务器芯片,这是比较现实的模式。
AI流程是怎样的?训练一个神经网络,把训练好的神经网络灌到芯片上,以车为主,车子在使用当中,不断有新数据产生和输入,已有的神经网络会做处理和判断,云端不断训练神经网络,终端门店不断将神经网络最新配置到更新车载上。AI的子应用,包括人脸识别、自动驾驶,都是这样的套路。
他指出,大公司在云端AI创新更容易成功,中小型和初创公司在某个细分领域做一些子创新,做AI应用落地更容易找到市场机会。
从工艺角度,业界对AI客户分为两个级别:第一、在数据中心做训练的AI芯片,需求是高效和功耗,先进工艺,效能要高,实现互联互通,采用高带宽Memory,2.5D/3D封装(3/2.5D与多个HBMS或GDDRS的集成)。为了未来新的形态GDR5+GDR6,芯片内部嵌入的Memory也比较多,是一个很大的芯片。第二、边缘端普遍算力不足,这类客户对AI芯片的功耗非常敏感,要考虑功耗与成本的平衡。
手机Soc芯片是顶尖制程最主要应用领域,麒麟980芯片作为首发商用7nm工艺制程手机Soc,麒麟980在指甲盖大小的尺寸上塞进69亿个晶体管,实现了性能与能效的提升,相较上一代处理器在表现上提升75%,在能效上提升58%。为了7nm制程的研发,华为投资远远超过了3亿美元,如果是数据中心使用的AI芯片,面积是麒麟980芯片的几倍,不是一个小公司可以开发的。
朱宇强调,在边缘(Edge)端的创新空间巨大, 终端上普遍存在AI算力不够的情况。“我看到的人脸识别、图像处理加上AI处理引擎,对Memory需求没有那么高, 边缘端对功耗非常敏感,要考虑功耗和成本的平衡。”
AI芯片有三大发展趋势:第一、追求更高性能;第二、从CPU到FPGA的进展可以在没有芯片设计公司的情况下进行,3、迁移到ASIC需要一个充足的设计团队。
全部0条评论
快来发表一下你的评论吧 !