依圖芯片“終於“問世了。
2019年5月9號，上海中心，人工智能企業依圖發佈其首款深度學習雲端定製芯片，定名“求索”。
‘求索’的發佈，是依圖面向智能計算時代的重要里程碑事件。
依圖科技首席執行官兼聯合創始人朱瓏在接受CCTV採訪時，毫不吝嗇地給予了這顆處理器奪目光環及歷史意義。
“這款芯片結合了最佳的人工智能算法和最先進的芯片設計理念，從設計到製造首次實現全面國產化，加速了數據中心服務器人工智能芯片自主可控的進程，為更多人工智能產品落地提供了可能。“
發佈會現場，依圖科技首席創新官呂昊表示，“求索”芯片今天開始即可商用。
一款芯片是否具備競爭力，需要衡量其“4P”實力：性能(performance)、效能(productivity)、功耗(power)和價格(price)。
據悉，該芯片功耗單路數小於1W、0.75TOPS/W；單芯片50路視頻解析，1U可支持200路；自帶網絡支持，支持虛擬化，支持Docker；支持通用視覺：檢測、分類、識別、分割、跟蹤等等。
同時，呂昊還在發佈會現場演示了“求索”芯片性能，他直接架起200路攝像機，通過四塊“求索”芯片實時比對現場超過五百位現場觀眾的人臉。（演示十分鐘左右，現場未發生一起誤報）
未來，該芯片可以應用於安防、醫療、自動駕駛等視覺領域。
依圖造芯，三大原因
依圖造芯，其實很早之前就有了些線索。
2017年12月15日，依圖等數家機構宣佈完成對AI芯片初創團隊ThinkForce的4.5億元A輪投資，坐實了其進軍芯片領域的傳聞。
根據官方介紹，ThinkForce計劃推出的AI芯片基於業界先進的半導體制程工藝，採用自主研發的微內核ManyCore架構，能完成AI雲虛擬化調度在芯片級的實現。
此架構將AI雲的彈性計算和調度提升一個量級，類似CPU的虛擬化給雲計算的彈性調度帶來成倍的成本節約。
同時，該技術結合自主研發的固件和TFDL軟件SDK能夠實現對於各類神經網絡模型的計算加速，相對於Nvidia主流計算卡能實現5倍以上的功耗和成本節省。
就此，依圖科技聯合創始人林晨曦還曾公開表示，由於AI芯片算力等問題，在相當長的一段時間內，NVIDIA幾乎處於“壟斷”地位。2018年年底，該項投入有望消除AI芯片的對外依賴，交出一款國產化AI芯片。
今天來看，依圖也的確用實際行動踐行了林晨曦此前的承諾，雖然相比預期稍晚了幾個月。
算法起家的依圖為何選擇造AI雲端芯片？雷鋒網認為有三大原因。
從內來看，算法這一杆槍已經承載不了日益健壯的依圖高速發展所需的彈藥。
人臉識別算法嚴格意義上來說相當於一個“中間鍵”，很難成為一款產品或是一個行業。
之所以以算法立身的公司前些年得到市場的廣泛認可，一來資本需要；二來過去幾年，技術的確也得到了快速提升。
剛性需求和技術蛻變的完美結合產生了AI＋安防等玩法，但這些玩法最後極大可能都會形成裂變：要麼轉型做芯片、要麼轉行做解決方案提供商、要麼被收購、要麼直接消失。
究其原因，最為致命的問題在於算法立命的廠商發展後期缺乏“交互鍵”，無法直接觸達用戶，而交互的前提必須強依賴於硬件。
所以可以看到，過去兩年，AI技術公司戰略打法正在逐漸下沉，已有不下十家創業公司對外宣佈造芯計劃。
從外分析，算法＋芯片的雙輪打法已經不是書本理論，相關廠商已就這套模式衝鋒陷陣了多年並獲得了一些成績。
朱瓏甚至預測，眼下已經從摩爾定律到算法即芯片的時代。
通常大多數芯片廠商提供給客戶的產品均是普通計算型芯片，只在底層提供一些加速操作，沒有面向重大場景做針對性優化，已經無法滿足AI個性化的需求。
客戶拿到芯片之後還需再找算法廠商購買算法，比如安防場景下的密集人群檢測和識別，自動駕駛場景下的三維感知定位等。
另外，在與芯片商及算法提供商溝通過程中，很多客戶往往比較弱勢（前者技術門檻較高）。
當客戶遇到系統級問題需要快速支持解決時，芯片與算法廠商雙方很難做到深度高效的協同支持，以及合適的利益分配，必然會在對於客戶的支持產生很多問題，難以應對AI在行業快速落地的需求。
以蘋果為例，蘋果從硬件芯片到操作系統都是自己提供，雖然單獨看處理器運算力可能低於專業手機處理器公司，但成品的iPhone相比安卓手機無論從速度還是流暢性來看都要強大很多。
由此，軟硬結合做配套服務是AI公司可以看得到的並能充分發揮自身優勢的最佳方案。
“懂算力、知算法，地平線能做，依圖為什麼不可以？“這也許是依圖管理層內心的真實寫照。
第三點，則是依圖自身對於未來的判斷。
有人提到，隨著AI的崛起，對計算能力的需求越來越高，雲端也有了更多的數據壓力。
如果所有的數據處理都放在雲端，會給通信的帶寬以及實時傳輸帶來壓力，其次涉及到信息安全以及隱私問題，所以高性能和低功耗的終端智能被提上日程：把更多的數據處理放在靠近數據源的設備端，將一些AI計算量的壓力從雲端轉移到邊緣端。
對此，依圖科技業務發展副總裁羅憶表示，之前業界就此一直都有爭論，智能分配究竟是前端多一點更合理，還是後臺多一點更合理。
“依圖堅定認為，中心智能一定增長得更快。“
他篤信，雲邊端必須協同發展，但要做到分配平衡，應該把合適的算力、算法放到合適的位置，很多問題並不是算力本身導致的，而是分配失衡導致的。
每一層都有相應的應用，不能指望公安部建立一套全國通用的系統去解決所有的問題，但也不能說每一個攝像頭擁有了智能就能解決公安所有的問題，一定是分層應用，每一層都需要智能。
目前包括安防市場在內的很多行業的發展已從監控智能到識別智能再到數據智能，從數據智能的視角，更多更大比例的智能會發生在雲端，解決雲端的算力、算法、數據才是真正的課題。
佈局芯片產業，則是看到了由於數據多元化帶來的計算多元時代。
算法立身，芯片立命
83年前，圖靈機的提出，開啟了計算時代；
73年前，電子計算機的問世，標誌著計算智能時代的開始；
48年前，微處理芯片出現，摩爾定律的奇蹟使得計算隨處可見；
20年前，互聯網的發展讓雲計算成為IT巨頭追逐的熱點；
10年前，移動互聯網將機器智能帶到手掌；
3年前，機器智能初步超越人類；
今天，機器智能大規模普及，從雲到指尖，人工智能也讓計算產業走到歷史節點。
在這個節點之上，算法立身的依圖，接下來需靠芯片立命。正如羅憶所說，算法、算力、數據、行業知識綜合起來，AI的輪子才能轉起來，推動整個行業發展。
太平洋彼岸的一則禁令，一夜間讓國人感受到了一顆微小芯片的分量，人們日益明白這樣的硬道理：核心技術乃國之重器，打好“芯片”攻堅戰，是必須跨越之坎。
但在“造芯“之路上，正如這款芯片的名字一樣，路漫漫其修遠兮，必須上下而求索。
譬如，如何將算法與芯片進行交叉學科的創新本身就是業界的重大技術挑戰，目前國內普遍緊缺芯片研發人員，哪一家都不例外；
譬如，AI芯片在每個細分市場都缺乏行業標準，即便是安防產業，每個城市的每個項目都有自己的標準，複製成本異常高昂；
再譬如，雖說這幾年算法能力大幅提升，但整個算法的準確度在不同複雜環境下的準確度還未達到預期，如此等等。
前行之路困難重重，即便如此，對於包括依圖在內的眾多中國AI創業公司，應該給予更多的耐心及包容，過去幾年，他們的確給我們帶來了太多的驚喜和成績。
就像養育一個孩童，能力是慢慢發掘出來的。
做公司，特別是做AI公司，需要深入人心的理念和信仰，以及慢工出細活的經年積累，因為這是一條從未有人走過的路，戰略不是一開始就能完全制定好的，新的能力慢慢長出來，能做的事才會越來越多。
就如依圖科技辦公區的一面牆上寫著的，“AI future，unprecedent-ed，we see, so we believe.”(人工智能的未來，無以倫比，我們見證，所以我們相信)。
相信所以前行，賠了歲月也好，贏了未來也罷，體會其中過程才最重要。雷鋒網雷鋒網
閱讀更多 雷鋒網 的文章
