最近硬件業界有些熱鬧：IBM研發出能效超GPU 100倍的新型存儲器，英特爾預計2020年發佈第一批獨立GPU，清華的Thinker芯片論文入選ISCA-18。
可見，芯片是當前科技、產業和社會關注的熱點，也是 AI 技術發展過程中不可逾越的關鍵階段。無論哪種 AI 算法，最終的應用必然通過芯片來實現。
從IBM、英特爾到微軟，從學術界到產業界，芯片研究者的探索從未停止，進展也切切實實在發生。
三大公司，芯片領域已動作頻頻
在IBM最近發表的一篇論文中，IBM Research AI團隊用大規模的模擬存儲器陣列訓練深度神經網絡（DNN），達到了與GPU相當的精度。研究人員相信，這是在下一次AI突破所需要的硬件加速器發展道路上邁出的重要一步。
未來人工智能將需要大規模可擴展的計算單元，無論是在雲端還是在邊緣，DNN都會變得更大、更快，這意味著能效必須顯著提高。
但是，此前還沒有人給出確鑿的證據，證明使用模擬的方法可以得到與在傳統的數字硬件上運行的軟件相同的結果。也就是說，人們還不清楚DNN是不是真的能夠通過模擬技術進行高精度訓練。如果精度很低，訓練速度再快、再節能，也沒有意義。
另一芯片大廠英特爾自然也不會迴避這場遊戲。
昨天，英特爾發推正式確認，其首款獨立GPU最早將於2020年問世。
不過，英特爾的推特並沒有說明這些GPU的發展方向，也沒有透露哪一款產品將率先上市，但預計數據中心和遊戲PC都是目標。
英特爾此前在2018年ISSCC會議（國際固態電路會議）上展示了首個14nm 獨立GPU原型，它是一個雙芯片解決方案。第一個芯片包含兩個關鍵部件：GPU本身和一個系統代理；第二個芯片是一個與系統總線連接的FPGA。
微軟在芯片領域最近也有動作。
3月下旬，微軟在其Azure公共雲部門發佈了至少三個職位空缺，尋找適合AI芯片功能的應聘者。後來，該部門又掛出一個硅谷項目經理的職位空缺，以及“一個軟件/硬件協同設計和人工智能加速優化工程師”職位。
在與亞馬遜AWS和谷歌雲競爭之際，微軟願意不惜一切代價打造一個功能齊全的雲服務。專門的處理器是微軟證明其在雲計算領域為企業提供人工智能服務的一種方式。
半導體領域對微軟來說並不是全新的領域。微軟已經通過FPGA芯片增強雲計算的AI計算能力，並推出Project Brainwave項目。現在，這些芯片可用於使用Azure的即用型機器學習軟件進行AI模型的訓練和運行。
AI芯片尚在起步，潛力無限
通過芯片技術來大幅增強人工智能研發的條件已經成熟，未來十年將是AI芯片發展的重要時期，不論是架構上還是設計理念上都將有巨大的突破。
AI 芯片是當前科技、產業和社會關注的熱點，也是 AI 技術發展過程中不可逾越的關鍵階段。從芯片發展的大趨勢來看，現在還是 AI 芯片的初級階段，無論是科研還是產業應用都有巨大的創新空間。
無論哪種 AI 算法，最終的應用必然通過芯片來實現，不論是 CPU 還是文 中提及的各種 AI 芯片。由於目前的 AI 算法都有各自的長處和短處，只有給它們設定一個合適的應用邊界才能最好地發揮它們的作用。因此，確定應用領域就成為發展 AI 芯 片的重要前提。
遺憾的是，AI 的“殺手”級應用目前尚未出現，已經存在的一些應用 對於老百姓的日常生活來說也還不是剛需，也還不存在適應各種應用的“通用”算法。其實，也不需要全部通用，能像人一樣可以同時擁有數十種能力，並且可以持續學習改進，就已經很好了。因此，AI 芯片的外部發展還有待優化。
架構創新是 AI 芯片面臨的一個不可迴避的課題。我們要回答一個重要問題:是否 會出現像通用 CPU 那樣獨立存在的 AI 處理器？如果存在的話，它的架構是怎樣的? 如果不存在，那麼目前以滿足特定應用為主要目標的 AI 芯片就一定只能以 IP 核的方式存在，最終被各種各樣的 SoC 所集成。這樣是一種快速滿足具體應用要求的方式。
從芯片發展的大趨勢來看，現在還是 AI 芯片的初級階段，無論是科研還是產業應用都有巨大的創新空間。從確定算法、領域的 AI 加速芯片向具備更高靈活性、適應性的智能芯片發展是科研發展的必然方向。神經擬態芯片技術和可重構計算芯片技術允許 硬件架構和功能隨軟件變化而變化，實現以高能效比支持多種智能任務，在實現 AI 功能時具有獨到的優勢，具備廣闊的前景。
閱讀更多 IT科技精選 的文章
