九游体育详解市场主流人工智能芯片解决方案的特点（附国内初创人工智能芯片厂商名录）

　　芯片，可以不用存储器，也能识别图片，甚至通过学习能鉴别文物的真伪，看完让笔者颇为震撼，国外的人工智能都发展到了这种地步，太惊艳了！

　　众所周知，人工智能发展的关键是智能芯片，离开芯片你没办法找到第二种人工智能的实现方法，对人工智能的研究，国内才刚刚起步，透过这些市场主流人工智能芯片解决方案的特点，可以学习到很多新的设计思路。

　　九游体育

　　全球人工智能芯片领导者厂商方案特点剖析，中国两家独角兽人工智能芯片商上榜

　　苹果正在研发一款专门处理人工智能相关任务的芯片，他们内部将其称为「苹果神经引擎」（Apple Neural Engine）。据称，这块芯片将能够改进苹果设备在处理需要人工智能的任务时的表现，比如面部识别和语音识别等。“新A11 Bionic神经引擎采用多核设计，实时处理速度最高每秒可以达到6000亿次。A11 Bionic神经引擎主要是面向特定机器学习算法、Face ID、Animoji及其它一些功能设计的。”苹果相关负责人表示。

　　谷歌的人工智能相关芯片就是TPU。也就是TensorProcessing Unit。TPU是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度，减少实现每个计算操作所需的晶体管数量，从而能让芯片的每秒运行的操作个数更高，这样经过精细调优的机器学习模型就能在芯片上运行的更快，进而更快的让用户得到更智能的结果。Google将TPU加速器芯片嵌入电路板中，利用已有的硬盘PCI-E接口接入数据中心服务器中。

　　「它是我们的第一块机器学习芯片。」在谷歌发表的论文中，TPU在一些任务中的处理速度可达到英伟达K80GPU英特尔Haswell CPU的15-30倍。而在功耗测试中，TPU的效率也比CPU和GPU高30-80倍（当然，作为对比的芯片并不是）。

　　微软蛰伏六年，打造出了一个迎接AI世代的芯片。那就是Project Catapult。这个FPGA目前已支持微软Bing，未来它们将会驱动基于深度神经网络——以人类大脑结构为基础建模的人工智能——的新搜索算法，在执行这个人工智能的几个命令时，速度比普通芯片快上几个数量级。有了它，你的计算机屏幕只会空屏23毫秒而不是4秒。

　　高通一直在和Yann LeCun在Facebook AI研究机构的团队保持合作，共同开发用于实时推理的新型芯片。高通最近宣布计划花费470亿美元收购荷兰汽车芯片公司NXP。在收购宣布之前，NXP就在致力于解决深度学习计算机视觉难题，看来高通希望借助收购加强自动驾驶系统的开发。

　　高通与商汤科技合作，围绕移动终端和物联网IoT）领域产品，在人工智能（AI）和机器学习（ML）领域。换言之，高通的骁龙芯片在顶级和高端定位的产品上，将出现来自商汤的算法，进一步优化体验，带给客户更全面、细致的使用提升。

　　英伟达发布了一块新型芯片，极大的推动了机器学习的极限。这款特斯拉P100 GPU，它可以执行深度学习神经网络任务，速度是英伟达之前高端系统的12倍。据英伟达表示，P100是英伟达倾力之作，研发费用高达20亿美元，在一个芯片上有1500亿个晶体管，使得它成为世界上最大的芯片。除了机器学习，P100还能进行各种高性能的计算任务——英伟达只是想让你们知道这款芯片非常擅长机器学习。

　　针对人工智能领域，各大处理器厂商都有所动作，ARM为了帮助合作伙伴进行快速发展，最近推出了DynamIQ技术。Nandan Nayampally解释，DynamIQ技术是未来ARM Cortex-A系列处理器的基础，代表了多核处理设计行业的转折点，其灵活多样性将重新定义更多类别设备的多核体验，覆盖从端到云的安全、通用平台。DynamIQ技术将被广泛应用于汽车、家庭以及数不胜数的各种互联设备，这些设备所产生的以泽字节(ZB，一泽字节大约等于1万亿GB)为计算单位的数据会在云端或者设备端被用于机器学习，以实现更先进的人工智能，从而带来更自然、更直观的用户体验。

　　百年巨人IBM，在很早以前就发布过wtson，现在他的人工智能机器早就投入了很多的研制和研发中去。而在去年，他也按捺不住，投入到类人脑芯片的研发，那就是TrueNorth，邮票大小、重量只有几克，但却集成了54亿个硅晶体管，内置了4096个内核，100万个“神经元”、2.56亿个“突触”，能力相当于一台超级计算机，功耗却只有65毫瓦。

　　TrueNorth是IBM参与DARPA的研究项目SyNapse的最新成果。这种芯片把数字处理器当作神经元，把内存作为突触，跟传统冯诺依曼结构不一样，它的内存、CPU和通信部件是完全集成在一起。因此信息的处理完全在本地进行，而且由于本地处理的数据量并不大，传统计算机内存与CPU之间的瓶颈不复存在了。同时神经元之间可以方便快捷地相互沟通，只要接收到其他神经元发过来的脉冲（动作电位），这些神经元就会同时做动作。

　　KnuEdge，花了十年研发能像人类大脑一样运作的芯片。首款芯片名为「KnuPath」，内建256个核心，运作方式一如大脑神经元，能各自处理不同任务，并即时相互串联。该公司的技术可连结51.2万组KnuPath芯片，足以执行庞大工作，而且速度飞快。

　　Lightspeeur™光矛系列是全球首款可同时支持图像与视频、语音与自然语言处理的智能神经网络专用处理器芯片方案。

　　Lightspeeur™芯片以其卓越的能耗效率比表现，在人工智能边缘计算与数据中心机器学习领域相比市场上其他方案高出几个数量级。无论是在训练模式或是推理模式下，Lightspeeur™芯片均可提供超高密度计算性能，成功克服了由存储器带宽而导致的性能瓶颈，支持真正的片上并行与原位计算。

　　寒武纪于2016年发布全球首款商用深度学习专用处理器IP——寒武纪1A处理器打破了多项记录，入选了第三届世界互联网大会评选的十五项“世界互联网领先科技成果”。这款处理器基于寒武纪科技所发明的国际首个人工智能专用指令集，具有完全自主知识产权，在计算机视觉、语音识别、自然语言处理等关键人工智能任务上具备出众的通用性和效能比，在1GHz主频下理论峰值性能为每秒5120亿次半精度浮点运算，对稀疏化神经网络的等效理论峰值高达每秒2万亿次浮点运算，同时支持八位定点运算和一位权重。在若干关键人工智能应用上实测，寒武纪1A达到了传统的四核通用CPU 25倍以上的性能和50倍以上的能效。

　　中星微电子推出量产的“NPU”芯片。对于企业而言，实现量产是定义‘首款’NPU芯片的标准。中星微CTO张韵东博士介绍，“星光智能一号”VC0758可以支持Caffe、TensorFlow等多种神经网络框架，支持AlexNet、GoogleNet等各类神经网络。每个NPU具有4个内核，每个内核有两个数据流处理器（Dataflow Processor），每个流处理器具有8个长位宽或16个长位宽的SIMD运算单元。每个NPU核具有38G Ops的长位宽处理能力或76G Ops短位宽处理能力。NPU也可以组成多核阵列或多芯片级联的方式进一步扩展性能。

　　目前，我国的人工智能芯片行业发展尚处于起步阶段。华为在2017年德国柏林国际消费类电子产品展览会发布华为首款人工智能（AI）移动计算平台——麒麟970，是业界首颗带有独立NPU（神经网络单元）的手机芯片，是华为人工智能的重要里程碑，也是中国芯片设计行业的重要里程碑。

　　华为在2017年度IFA柏林国际消费电子产品展上公布其最新的麒麟970芯片，世界首款带了专用人工智能元素的手机芯片。这颗芯片采用台积电10纳米工艺，ARM的big.LITTLE大小多核架构，八核心芯片，有4个A73大核心（2.4Ghz）+4个A53小核心（1.8Ghz）。

　　麒麟970在不到100平方毫米的狭小体积内集成了55亿个晶管体，集成度非常高；对比一下对手：高通目前的旗舰芯片骁龙835是31亿颗，苹果A10则是33亿颗。另外，麒麟970还集成了12核心的GPU图形显示芯片，即ARM Mali-G72 MP12十二核GPU，改善了过去麒麟芯片图形性能较弱问题。

　　据悉，地平线的商业模式不是卖芯片，而是把以“算法+芯片”为核心的嵌入式人工智能解决方案，提供给下游产品厂商。地平线的解决方案可以深度整合多种嵌入式计算平台，包括ARM、CPU、GPU、FPGA以及地平线授权集成BPU核的SoC。地平线初期会推出自研处理器，但其目的是端到端的实现完整的解决方案，直接在典型应用场景下展现效果，提升业界芯片厂商对地平线BPU的认知。

　　是一家开发“类脑人工智能芯片+算法”的科技公司，其芯片用电路模拟神经，成品有100亿规模的仿真神经元。由于架构特殊，这些芯片计算能力强，可用于基因测序、模拟大脑放电等医疗领域。

　　类脑芯片的特殊性在于，它摒弃了冯诺依曼结构，存储、运算器不再分离。模拟神经元既是处理器也是内存，可以并发运算。此外，模拟神经元的连接方式颇似人脑，放电过程可用于研究帕金森、阿兹海默等异常放电的疾病。西井科技还有一款5000万个神经元的商用芯片。除了自我学习外，它的传统计算能力也极强，能将基因测序从两周缩短到数个小时。由于体积小、功耗是同类芯片几十分之一，其它便携式医疗设备也可使用这款芯片。

　　目前已推出了自主研发的拥有100亿规模的神经元人脑仿真模拟器（Westwell Brain）和可商用化的5000万类脑神经元芯片（DeepSouth）两款产品。

　　公司的产品是机器人通用智能控制系统——Chiway Brain，集成了超级计算能力的硬件和优秀的人工智能控制算法，能够全面提升机器人的“感知”、“决策判断”能力、提高机器人智能化水平及完成复杂任务的能力，能极大的降低机器人公司的开发工作量和开发周期，从而降低机器人设计和制造行业的进入门槛。该产品通用于多样化的机器人平台，包括但不限于：空中机器人，地面机器人，工业机器人，娱乐机器人，教育机器人等。

　　是一家专注从事计算机视觉研究的科技创新型公司。公司以“重塑金融世界的奇点”为企业愿景，以深度学习为技术引擎，结合计算机视觉和大数据分析，致力于通过原创的图像识别算法与大数据处理技术为传统银行、互联网金融、保险、证券等金融机构提供实名身份验证、文字信息识别、基础数据查询、用户画像、反欺诈等自动化解决方案，帮助金融客户打造更安全、更高效、更智能的服务体验。

　　国内自主芯片和雷达技术领军企业厦门意行半导体科技有限公司，与本土MCU产品及MCU应用方案的领先供应商上海灵动微电子股份有限公司合作，双方围绕车载、智能交通、安防、无人机智能家居、物联网等新兴领域毫米波雷达传感器解决方案开发，合作将有力地促进更多“中国芯”在民用毫米波雷达传感器领域的应用，为进一步的国产化注入新动力，从而为国内外相关厂商，提供毫米波雷达（包括24/77 GHz）解决方案，实现IC替代向应用方案创造转变。

　　人工智能的发展需要更多好的技术方案和合作，希望未来能有更多优秀的企业参与进来，助力人工智能产业发展壮大。（本文来源于电子发烧友电子说栏目，转载请注明出处，谢谢）

　　第四4届中国IOT大会，高通、微软、华为、MathWorks、和而泰等大BOSS都来了，赶快报名吧。

　　在绘画对话等大模型领域应用广阔，ai4s也是方兴未艾。但是如何有效利用ai4s工具助力科研是个需要研究的课题，本书对ai4s基本原理和原则，方法进行描诉，有利于总结经验，拟按照要求准备相关体会材料。看能否有助于入门和提高ss

　　设计的自动化水平、优化半导体制造和封测的工艺和水平、寻找新一代半导体材料等方面提供帮助。 第6章介绍了

　　在化石能源科学研究、可再生能源科学研究、能源转型三个方面的落地应用。 第7章从

　　，得到了华为、腾讯、优必选、中煤科工、中国联通、云天励飞、考拉悠然、智航、力维智联等

　　企业的深度参与和大力支持。 报名后即可到现场领取礼品，总计5000份，先到先选！ 点击报名：

　　领域的应用非常广泛，主要体现在以下几个方面： 一、深度学习加速 训练和推理过程加速：FPGA可以用来加速深度学习的训练和推理过程。由于其高并行性和低延迟特性

　　是一类专门为深度学习和神经网络算法设计的处理器。它们具有高性能、低功耗、可扩展等

　　）在设计和应用上存在一些关键的区别，这些区别主要体现在它们的功能、优化目标和适用场景上。

　　的算力提升和功耗降低越来越依靠具有硅通孔、微凸点、异构集成、Chiplet等技术

　　先进封装技术 /

　　设计巨头也积极涉足这一领域。目前，Preferred Networks已成功推出第二代AI

　　在硅催化器(Silicon Catalyst)年度半导体行业论坛上，一组半导体公司资深人士上周在加利福尼亚州门洛帕克进行了讨论，探讨了

　　制造业? /

　　的应用已经开始渗透到各行各业，与生活交融，成为人们无法拒绝，无法失去的一个重要存在

　　【米尔NXP i.MX 93开发板试用评测】04.OpenWRT的构建-开始编译

　　[技术] 【飞凌嵌入式OK3576-C开发板体验】llama2.c部署

　　【「OpenHarmony开发与实践 基于红莓RK2206开发板」阅读体验】+初体验2连发发

上一篇 : 九游体育AI芯片行业市场分析深度2024：市场需求持续增长
下一篇 : 2024年中国AI芯片产业链图谱研究分析（附产业链全景九游体