來源丨Forbes1yJ

作者丨Rob Toews1yJ

編譯丨科技行者1yJ

它是數字時代的基礎技術。美國硅谷的智能正推名字就來源于此。在過去的動芯半個世紀里，計算技術的復興革命改變了社會的方方面面，而半導體技術是人工這場革命的核心。1yJ

自從英特爾在1971年推出世界上第一個微處理器以來，智能正推計算能力一直在以驚人的動芯速度發展。根據摩爾定律，復興目前的人工計算機芯片比50年前的芯片強大數百萬倍。盡管過去幾十年來處理能力迅速增長，智能正推但計算機芯片的動芯基本架構直到現在也沒有太大變化。芯片的創新很大程度上需要進一步縮小晶體管的尺寸，使集成電路能夠容納更多的晶體管。1yJ

幾十年來，英特爾和AMD通過提高CPU性能取得了巨大進步，克萊頓克里斯滕森將其視為“持續創新”。今天，這種情況正在發生巨大的變化。人工智能(AI)引發了半導體創新的“新黃金時代”?！獧C器學習帶來了獨特的市場需求和無限的機會，這激發了企業家們第一次重新思考芯片架構的基本原理。1yJ

他們的目標，是設計一種專為AI設計的新型芯片，為下一代計算提供動力，這也是當前所有硬件領域最大的市場機遇之一。1yJ

新的計算范式1yJ

在計算技術發展史上，主流的芯片架構一直是CPU。如今，CPU無處不在，它為筆記本電腦、移動設備和大多數數據中心提供電源。1945年，傳奇的約翰馮諾依曼構思了中央處理器的基本架構。值得注意的是，從那以后，他的設計沒有太大變化。今天，大多數計算機仍然是基于馮諾依曼理論的機器。CPU的靈活性使其具有多種用途：CPU具有通用性，可以有效執行軟件所需的任何計算。雖然中央處理器的主要優點是通用性，如今領先的AI技術需要的，是一種非常特殊且密集的計算。.1yJ

深度學習需要迭代執行數百萬甚至數十億個相對簡單的乘法和加法步驟。深度學習以線性代數為基礎，線性代數的基礎是試錯法：隨著模型本身的不斷優化，在整個神經網絡中調整參數、相乘矩陣、重復數字求和。這種重復且計算密集型的工作流程對硬件架構有著重要的要求?！安⑿谢弊兊梅浅Ｖ匾??！安⑿谢笔侵柑幚砥魍瑫r執行多個計算而不是一個接一個的能力。1yJ

與之密切相關的是，深度學習涉及大量數據的不斷轉換，因此保持芯片內存和計算核心盡可能靠近數據位置可以減少數據移動，從而大大提高速度和效率。CPU不足以支持機器學習的獨特要求。CPU按順序處理計算任務，而不是并行處理。中央處理器的計算核心和內存通常位于不同的模塊上，并通過帶寬有限的通信系統(總線)連接。1yJ

這就造成了數據移動的瓶頸，稱為“馮諾依曼瓶頸”。結果，在中央處理器上訓練神經網絡的效率非常低。隨著機器學習的日益普及，傳統芯片已經不能滿足現代AI算法的要求，這一問題日益突出。1yJ

正如AI專家Yann LeCun最近所說：“如果你能穿越到未來五年或者十年，看看計算機大部分時間都在做些什么的話，我認為很可能是機器學習之類的事情?！?/strong>.1yJ

這時候就需要GPU來推動AI的繁榮和發展。GPU架構是英偉達在20世紀90年代末為游戲應用開發的。當時，GPU專門用于連續處理大量數據，以高幀率渲染電腦游戲畫面。與CPU不同，GPU可以并行運行數千個計算任務。2010年代初，AI領域開始意識到英偉達的游戲芯片其實非常適合處理機器學習算法所需的工作量，于是GPU幸運地找到了新的目標市場。英偉達抓住了這個機會，將自己定位為“AI硬件市場的領先提供商”，并獲得了33，354英鎊的驚人收入。從2013年到2018年，英偉達的市值增長了20倍。1yJ

然而，正如Gartner分析師Mark Hung所說，“每個人都知道，GPU并沒有針對AI工作負載進行優化。近年來，”雖然GPU已經被AI領域廣泛采用，但它并非為AI而生。一大批企業家和技術人員開始重新想象計算機芯片，從零開始優化，以釋放AI的無限潛力。艾倫凱的話令人難忘：在過去的兩年里，“真正認真對待軟件的人，應該自己制造硬件。”,出現了五家芯片獨角獸公司，許多初創公司的估值高得驚人。1yJ

傳統CPU巨頭英特爾為了避免顛覆，進行了兩次重大收購：2016年4月，以4.08億美元收購Nervana Systems，2019年12月，以20億美元收購Habana Labs。未來幾年，這種競爭將繼續以千億美元的規模爭奪這個市場。1yJ

誰會是下一個英特爾？1yJ

巨大的市場機遇，加上巨大的技術挑戰，激發了大量令人驚嘆的想法，意圖打造一款理想的AI芯片。在新一代人工智能芯片初創企業中，最引人注目的是大腦系統公司。簡單地說，大膽的大腦開發了有史以來最大的芯片。最近，大腦的市值達到了17億美元，從Benchmark、紅杉等頂級投資者那里獲得了2億美元。大腦芯片的規格令人難以置信，比典型的微處理器大60倍，是歷史上第一個可以容納超過1萬億個晶體管(準確的說是1.2萬億個)的芯片。1yJ

其片內內存為18 GB，也是有史以來最高的。將所有計算能力封裝在單個芯片上，有著非常吸引人的優勢：數據傳輸效率大大提高，內存和處理并置，可以進行大規模并行處理；然而，工程挑戰是巨大的。幾十年來，制造晶圓級芯片一直是半導體的夢想，但從未實現。大腦公司首席執行官安德魯費爾德曼(Andrew Feldman)說，“每一條規則、每一個工具和每一個制造設備都是為巧克力餅干大小的正常大小的芯片設計的，我們制造的芯片就像餅干盤子一樣大。1yJ

因此，我們必須對每一步進行新的設計。大腦的AI芯片已經投入商業使用：上周，阿貢國家實驗室,宣布，將使用Cerebras的芯片來對抗新型冠狀病毒。,的另一家公司采用了一種新的芯片設計方法，這就是位于美國灣區的Groq。與大腦相比，Groq的芯片側重于推理，而不是模型訓練。Groq的創始團隊擁有世界級的領域專業知識：作為迄今為止最早、最成功的AI芯片之一，谷歌TPU項目的10名原始成員中有8人加入了Groq團隊。Groq顛覆了行業的傳統觀念，正在制作批量為“1”的芯片，即一次加工一個樣品。1yJ

根據Groq的說法，這種架構幾乎可以在不犧牲性能的情況下實現瞬時推理，這對于自動駕駛汽車等時間敏感型應用非常重要。Groq芯片以軟件定義為主，具有獨特的靈活性，面向未來。Groq最近宣布，其芯片已經實現了每秒1萬億次運算的速度。如果這是真的，它將成為有史以來最快的單模芯片。還有一家公司，沒有一家公司比它有更好的技術眼光，那就是Lightmatter。Lightmatter由幾位光子學專家創立，總部位于美國波士頓。1yJ

Lightmatter正在構建一個AI微處理器，但它不是由電信號驅動的，而是由光束驅動的。目前，Lightmatter已經從GV、Spark Capital和Matrix Partners籌集了3300萬美元來實現這一愿景。根據Lightmatter的說法，這種獨特的光學技術使芯片的性能比現有解決方案高出10倍。這個領域還有其他公司值得關注。兩家中國公司，——地平線機器人公司和坎布里康科技公司，分別獲得了更多的融資和更高的市值。1yJ

位于美國帕洛阿爾托的桑巴諾瓦系統公司也獲得了豐厚的資金，技術精湛。雖然關于SambaNova的細節仍然很少，但它的技術似乎特別適合自然語言處理。其他著名的創業公司包括Graphcore、Wave Computing、Blaize、Mythic和Kneron。而且，很多科技巨頭已經開始自主研發特殊的AI芯片，比如上面提到的谷歌TPU。谷歌2015年開始開發TPU，引領技術曲線發展；去年12月，亞馬遜宣布推出推理AI；大張旗鼓地；與此同時，特斯拉、臉書和阿里巴巴以及其他科技巨頭也采取行動，開始在內部開發AI芯片。1yJ

總結1yJ

目前，正在進行一場為即將到來的AI時代開發所需硬件的競賽。如今，半導體行業有很多創新，這是硅谷成立以來從未有過的，大量資金不斷投入其中。未來幾年，下一代芯片將塑造人工智能的雛形和軌跡。用Yann LeCun的話說：“硬件能力.鼓勵但限制AI研究人員想象和追求的想法。我們可以使用的各種工具都在不斷刷新我們的想法，這是我們不得不承認的。”1yJ

未來智能實驗室的主要工作包括：建立AI智能系統的智商測評體系，開展世界范圍內的人工智能智商測評；開展互聯網(城市)云腦研究計劃，打造互聯網(城市)云腦技術和企業地圖，為提升企業、行業、城市智能化水平服務。1yJ