最近硬件业界有些热闹：IBM研发出能效超GPU 100倍的新型存储器，英特尔预计2020年发布第一批独立GPU，清华的Thinker芯片论文入选ISCA-18。
可见，芯片是当前科技、产业和社会关注的热点，也是 AI 技术发展过程中不可逾越的关键阶段。无论哪种 AI 算法，最终的应用必然通过芯片来实现。
从IBM、英特尔到微软，从学术界到产业界，芯片研究者的探索从未停止，进展也切切实实在发生。
三大公司，芯片领域已动作频频
在IBM最近发表的一篇论文中，IBM Research AI团队用大规模的模拟存储器阵列训练深度神经网络（DNN），达到了与GPU相当的精度。研究人员相信，这是在下一次AI突破所需要的硬件加速器发展道路上迈出的重要一步。
未来人工智能将需要大规模可扩展的计算单元，无论是在云端还是在边缘，DNN都会变得更大、更快，这意味着能效必须显著提高。
但是，此前还没有人给出确凿的证据，证明使用模拟的方法可以得到与在传统的数字硬件上运行的软件相同的结果。也就是说，人们还不清楚DNN是不是真的能够通过模拟技术进行高精度训练。如果精度很低，训练速度再快、再节能，也没有意义。
另一芯片大厂英特尔自然也不会回避这场游戏。
昨天，英特尔发推正式确认，其首款独立GPU最早将于2020年问世。
不过，英特尔的推特并没有说明这些GPU的发展方向，也没有透露哪一款产品将率先上市，但预计数据中心和游戏PC都是目标。
英特尔此前在2018年ISSCC会议（国际固态电路会议）上展示了首个14nm 独立GPU原型，它是一个双芯片解决方案。第一个芯片包含两个关键部件：GPU本身和一个系统代理；第二个芯片是一个与系统总线连接的FPGA。
微软在芯片领域最近也有动作。
3月下旬，微软在其Azure公共云部门发布了至少三个职位空缺，寻找适合AI芯片功能的应聘者。后来，该部门又挂出一个硅谷项目经理的职位空缺，以及“一个软件/硬件协同设计和人工智能加速优化工程师”职位。
在与亚马逊AWS和谷歌云竞争之际，微软愿意不惜一切代价打造一个功能齐全的云服务。专门的处理器是微软证明其在云计算领域为企业提供人工智能服务的一种方式。
半导体领域对微软来说并不是全新的领域。微软已经通过FPGA芯片增强云计算的AI计算能力，并推出Project Brainwave项目。现在，这些芯片可用于使用Azure的即用型机器学习软件进行AI模型的训练和运行。
AI芯片尚在起步，潜力无限
通过芯片技术来大幅增强人工智能研发的条件已经成熟，未来十年将是AI芯片发展的重要时期，不论是架构上还是设计理念上都将有巨大的突破。
AI 芯片是当前科技、产业和社会关注的热点，也是 AI 技术发展过程中不可逾越的关键阶段。从芯片发展的大趋势来看，现在还是 AI 芯片的初级阶段，无论是科研还是产业应用都有巨大的创新空间。
无论哪种 AI 算法，最终的应用必然通过芯片来实现，不论是 CPU 还是文 中提及的各种 AI 芯片。由于目前的 AI 算法都有各自的长处和短处，只有给它们设定一个合适的应用边界才能最好地发挥它们的作用。因此，确定应用领域就成为发展 AI 芯 片的重要前提。
遗憾的是，AI 的“杀手”级应用目前尚未出现，已经存在的一些应用 对于老百姓的日常生活来说也还不是刚需，也还不存在适应各种应用的“通用”算法。其实，也不需要全部通用，能像人一样可以同时拥有数十种能力，并且可以持续学习改进，就已经很好了。因此，AI 芯片的外部发展还有待优化。
架构创新是 AI 芯片面临的一个不可回避的课题。我们要回答一个重要问题:是否 会出现像通用 CPU 那样独立存在的 AI 处理器？如果存在的话，它的架构是怎样的? 如果不存在，那么目前以满足特定应用为主要目标的 AI 芯片就一定只能以 IP 核的方式存在，最终被各种各样的 SoC 所集成。这样是一种快速满足具体应用要求的方式。
从芯片发展的大趋势来看，现在还是 AI 芯片的初级阶段，无论是科研还是产业应用都有巨大的创新空间。从确定算法、领域的 AI 加速芯片向具备更高灵活性、适应性的智能芯片发展是科研发展的必然方向。神经拟态芯片技术和可重构计算芯片技术允许 硬件架构和功能随软件变化而变化，实现以高能效比支持多种智能任务，在实现 AI 功能时具有独到的优势，具备广阔的前景。
閱讀更多 IT科技精選 的文章
