计算芯片:大数据和人工智能的基石

大数据推动信息通信产业迈入“新摩尔定律”时代。近年来,信息通信技术产业加速向万物互联、万物感知、万物智能时代演进,海量数据资源集聚增速远超摩尔定律,据IDC的数字宇宙报告,全球信息数据总量中接近90%产生于近几年,到2020年将达到44ZB。图灵奖获得者JimGray更是提出“新摩尔定律”,即每18个月全球新增信息量是计算机有史以来全部信息量的总和。

大数据70

  • 计算芯片迎来新一轮创新热潮

人工智能等创新应用基于海量数据分析发展而来,对计算芯片提出更高要求。除数据洪流催生计算芯片处理能力提升的普遍诉求外,以人工智能为典型代表的强算力消耗型应用创新更是极大提升了对计算芯片的需求。据统计,自2012年以来,人工智能训练任务使用的计算能力每3.5个月提升一倍,随着深度学习网络模型日益复杂、数据样本持续扩大,其对计算能力的需求和消耗与日俱增,对计算芯片提出更高要求。

计算芯片体系不断扩展,由通用计算向专用计算延伸。在通用计算芯片领域,CPU、GPU、FPGA是三大主流架构,其中CPU适用于处理复杂性强、重复性低的串行任务;GPU适合通用并行处理,应用领域由早期图像处理逐步拓展至通用加速;FPGA具备可重构特性,可根据客户需求灵活定制计算架构,适合于航空航天、车载、工业等细分行业。在专用计算领域,满足人工智能应用计算需求的专用计算芯片成为创新的焦点所在,现已吸引科研机构、互联网企业、中小创新企业等加速布局,抢占市场发展先机和生态战略高地。

三大主流通用计算芯片持续升级。一方面持续挖掘传统架构技术潜力。CPU不断优化现有架构技术能力,采用乱序执行、超标量流水线、多级缓存等技术提升整体性能表现;GPU持续探索高效的图形处理单元、流处理单元和访存存取体系等;FPGA不断强化应用功能和软件开发工具的丰富完善,降低开发者门槛。另一方面均通过引入专用计算能力迎合人工智能等新兴领域的计算需求。CPU围绕深度学习计算需求增加专用计算指令,如ARMCortex-A76芯片通过优化缩减深度学习常见的乘法累加运算周期等,实现边缘侧人工智能计算性能近4倍的提升;GPU持续优化针对人工智能计算的专用逻辑运算单元,英伟达图灵架构GPU芯片中内置全新张量计算核心,利用深度学习算法消除低分辨率渲染问题;FPGA提升异构计算能力,以实现边缘智能等更多场景的规模应用。

结合应用场景个性需求定向优化,面向人工智能的专用计算芯片差异化创新加速。现阶段以深度学习为主的人工智能专用计算主要包括训练和推理两部分。其中,模型训练需实现高性能、高精度、通用化的计算能力,目前英伟达GPU芯片占据应用规模优势,据统计,全球有超过3000家企业采用其产品进行深度学习项目研发。推理阶段则因应用场景的不同而各具差异,云端推理芯片需实现高通量、低延时、通用化的计算能力,目前GPU、FPGA及专用计算芯片均有应用;端侧推理芯片则需满足低时延或低功耗等差异化场景需求,智能手机、安防监控、自动驾驶等成为首轮爆发焦点,参与者不仅包括高通、英特尔、英伟达等传统芯片巨头,也包括谷歌、百度、寒武纪、地平线等新进入者。

  • 我国紧抓发展机遇积极布局

我国通用计算芯片已基本可用,并在部分重点行业取得应用突破。CPU方面,申威、飞腾等持续推进服务器CPU产品创新和能力升级,其中申威SW26010成功应用于神威太湖之光超级计算机,连续占据超算前五百名的首位;龙芯和兆芯在桌面PC CPU方面深耕多年,其典型产品已可与英特尔、AMD中端产品实现对标。GPU方面,景嘉微电子JM7200芯片产品已完成流片、封装和功能测试;FPGA方面,涌现出高云半导体、安路科技、遨格芯微、同创国芯等多家企业,相关产品能力可到千万门量级,并在国家安全重点领域得到应用。

国内企业积极参与人工智能专用计算芯片布局。据统计目前参与的国内企业已超过60家,主要包括两类:一是百度、阿里等为代表的互联网企业,百度已推出云端人工智能芯片“昆仑”,预计明年3月份正式量产。二是寒武纪、地平线等为代表的初创公司,其中寒武纪围绕云和端不同场景下的应用计算需求,推出多款人工智能专用计算芯片平台,与华为合作实现在麒麟970、麒麟980中内置和规模出货;地平线机器人推出“征程”系列芯片,结合自身在自动驾驶及智能摄像头等领域的布局推进应用。此外,海康、中星微、深鉴科技等也在加紧人工智能专用计算芯片的研发和布局。

我国计算芯片在快速创新的同时,也面临诸多挑战。一是生态基础依然薄弱。国内集成电路制造能力差距在两代以上,且与计算芯片设计企业间的耦合度不高;软件生态尚不完备,缺乏统一的自主软件工具和应用平台。二是参与企业体量偏小,缺乏持续投入的能力。目前国际占主导的英特尔、英伟达、赛灵思等经过数十年发展,已形成通过自身盈利支撑技术创新投入的正向升级机制。国内企业仍处于少盈利或者不盈利阶段,无法支撑滚动升级所需的连续性投入。三是国际竞争空前激烈,对外合作难度加大。国际巨头围绕大数据和人工智能等新兴领域加速布局、抢争先机,我国企业面临更为严峻的市场竞争压力。此外中国资本跨国并购难度不断加大,也提升了未来技术升级的门槛。

  • 自主核心技术攻关是关键

强化自主核心技术攻关,加快推动国内技术产业发展。依托国内的市场优势和企业的成长优势,针对具有我国特色的个性化应用需求,加大对计算芯片产品的研发。鼓励科研院所及企业加强对深度学习指令集、芯片体系架构创新的重视,持续加大对CPU、GPU、FPGA等高端芯片的研发投入,提升核心芯片技术产业水平。

强化产业上下游联动,加快推动自主生态协同发展。一是强化产业上下游间的联动,加快推动“芯片与整机”“芯片与应用”等的协同发展。二是推动国内芯片设计企业与中芯国际等制造企业间深化合作,围绕服务器、智能手机、自动驾驶等差异化需求,实现设计与制造的耦合升级和技术优化。三是支持企业积极参与国际开源社区,深化对开源软件技术的理解,提升国内计算芯片配套的系统软件和应用软件供给能力。

强化应用创新驱动,加快推动国内技术产业持续升级。整合各类专项资金和社会资金,加大对核心技术/产品自主突破的支持力度,开展研发攻关和国产化应用部署。鼓励应用企业主导建立应用牵引、研用融合的核心技术研发体系,形成研发、应用、纠错、完善的体系化迭代创新模式,实现技术研发与应用的协同效应。

声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-62778877-8261;邮箱:jenny@west.cn。本站原创内容未经允许不得转载,或转载时需注明出处::西部数码资讯门户 » 计算芯片:大数据和人工智能的基石

赞 (0)