芯片帝國之場景篇 | GPU佔領雲端,手機應用ASIC,FPGA發力雲端和車載

芯片帝國之場景篇 | GPU佔領雲端,手機應用ASIC,FPGA發力雲端和車載
芯片帝國之場景篇 | GPU佔領雲端,手機應用ASIC,FPGA發力雲端和車載

上篇説到CPU、GPU、FPGA、ASIC及類腦芯片都是芯片界舉足輕重的角色,但由於AI芯片對計算能力的要求,CPU在AI芯片中只起輔助和控制功能,而類腦芯片則因還不夠成熟,尚未落地。因而,以下在對場景應用的討論中,更多涉及GPU、FPGA、ASIC三類芯片。

在應用場景上,AI芯片的應用主要分為雲端和終端,這也是目前芯片領域又一分岔路口。 以深度學習的算法來説,雲端人工智能硬件負責“訓練+推斷”,終端只負責“推斷”,因而終端的計算量更小,沒有傳輸問題,更適合於安防、汽車等功耗要求低、安全性要求高的場景,終端也被看作未來發展方向。

下文將AI硬件應用場景分為雲端和終端,雲端指服務器端,包括各種共有云、私有云、數據中心等;終端指安防、車載、手機等領域。

芯片帝國之場景篇 | GPU佔領雲端,手機應用ASIC,FPGA發力雲端和車載
芯片帝國之場景篇 | GPU佔領雲端,手機應用ASIC,FPGA發力雲端和車載

雲端場景:英偉達GPU生態領先,賽靈思FPGA追趕,谷歌ASIC或是未來

據測算,全球雲端場景的AI芯片規模合計已達幾百億美元,是目前最大的AI應用場景。基於雲平台,各大科技巨頭大力佈局人工智能。不過先來科普下,雲計算平台是什麼。

雲計算,提供可用的、便捷的、按需的網絡訪問,進入可配置的計算資源共享池(資源包括網絡、服務器、存儲、應用軟件、服務),包括IaaS(基礎設施即服務),Paas(平台即服務),Saas(軟件即服務)三層。

芯片帝國之場景篇 | GPU佔領雲端,手機應用ASIC,FPGA發力雲端和車載
芯片帝國之場景篇 | GPU佔領雲端,手機應用ASIC,FPGA發力雲端和車載

目前各大科技巨頭紛紛在自有云平台基礎上搭載人工智能系統,主要有IBM的waston、亞馬遜的AWS、以及國內的阿里雲、百度雲平台等。 其中英偉達的GPU採用更為廣泛,英特爾的CPU、阿爾特拉的FPGA等也有使用,而谷歌則使用自研的ASIC芯片TPU。

GPU應用開發週期短,成本相對低,技術體系成熟,目前全球各大公司雲計算中心如谷歌、微軟、亞馬遜、阿里巴巴等主流公司均採用GPU進行AI計算, GPU是目前雲端應用範圍最廣的芯片,而英偉達則是最大的GPU芯片供應商,佔據99%市場份額。 2017年5月,英偉達發佈了Tesla V100,採用台積電12nm FFN製程並集成210億顆電晶體,在深度學習的性能上等同於250顆CPU。

不過其也面臨着老二AMD的嚴峻挑戰。野村證券稱英特爾正在試圖阻止將15-20%的數據中心處理器份額讓給AMD。今年第二季度,AMD專門為數據中心研發的EPYC處理器被包括惠普企業、思科系統、騰訊雲、意大利國家核物理研究所等採用,銷售額同比增長53%。AMD稱,預計EPYC將在今年年底達到“中等個位數”的份額。

另外,賽靈思、英特爾、百度等廠商也在積極採用FPGA在雲端進行加速。

目前全球FPGA市場主要被賽靈思(Xilinx)和阿爾特拉(Altera)瓜分,兩者合計佔有近90%的市場份額。全球七大超大規模雲服務公司,有3家採用了賽靈思FPGA。去年8月,百度也和賽靈思合作發佈了基於FPGA的雲計算加速芯片XPU。而老二阿爾特拉則在2015年被英特爾收購,今年4月,英特爾阿爾特拉的FGPA被正式應用於主流的數據中心OEM廠商中,客户包括戴爾、富士通等。

除GPU和FPGA外,AI領域專用架構芯片ASIC則因其更好的性能和功耗,成為雲端領域新的攪局者 ,谷歌就是ASIC在數據中心應用的先行者。

谷歌2017年5月推出TPU,與GPU相比耗電量降低60%,芯片面積下降40%,能更好的滿足其龐大的AI算力要求。今年2月,谷歌以Beta測試的形式開放了TPU,5月發佈了TPU 3.0,8月又推出為邊緣計算定製的Edge TPU。不過TPU目前並不對外發售,但對英特爾、英偉達這些傳統數據中心業務的大佬來説,也足以構成威脅。

總體來説,目前,GPU依然是數據中心的主力,FPGA的角色也逐漸變得越來越重要,而TPU等,則更可能因其良好的性能和功耗,成為未來的主流方向,但其性能還需進一步檢驗。

安防:英偉達GPU領先,國內創企FPGA落地,Movidiu的ASIC芯片廣泛應用

由於天然具有大量需要處理的視頻等非結構化數據,安防目前已成為AI落地最快的場景之一。用AI賦能安防,能極大提高追蹤效率,促進事後防範向事前防範轉換。

目前“AI+安防”方案有兩種,包括中後端和前端解決方案。 中後端方案利用普通攝像機採集視頻信息後傳輸到中後端,再進行智能分析,前端則將AI芯片集成至攝像頭中,實現視頻採集智能化。相比來説,中後端可利用已經部署的攝像頭進行智能分析,在多路數據處理、算法升級以及部署成本上都佔有優勢,但長期來看,前端智能更能滿足安防快速反應、安全性高的需求,或是未來主流。

安防巨頭也都開始佈局AI領域,在經歷了安防行業高清化和網絡化之後,留存下來的海康、大華等巨頭們,並不想被人工智能這第三次技術革命拋下。

而在應用AI芯片方面,海康、大華都選擇了英偉達的GPU,其AI算法和產品都基於英偉達的Jetson TX1 GPU芯片實現。 2016年,海康威視推出從前端到後端全系列的AI產品,發佈基於英偉達GPU和深度學習技術“深眸”攝像機、“超腦”NVR等產品。大華股份2016年第三季度成立AI研究院,2017年聯合英偉達發佈多款“睿智”系列前端和後端智能設備。

但利用英偉達GPU芯片,成本畢竟較為昂貴。 因而,為了降低成本、提高性能,大華、東方網力等也與國內初創公司深鑑(後被賽靈思收購)等合作 ,推出了基於賽靈思FPGA的DPU產品。在專用ASIC產品出現之前,FPGA成為部分安防場景降成本的有效手段。

另外,國內安防廠商也更看好低成本、低功耗、高算力的ASIC成為未來主流。 2017年8月,英特爾子公司Movidiu推出Myriad X視覺處理器(VPU),被大量應用於大疆無人機、美國菲力爾(flir)智能紅外攝像機、海康“深眸”系列攝像機、華睿智能工業相機等產品中。

未來,ASIC芯片大規模量產,成本邊際效益遞減,採用ASIC方案的AI攝像頭實現成本將大幅度降低,這也為安防向前端智能轉變提供可能。

不過,目前由於後端還有大量成量視頻需要處理,既有傳統攝像頭短時間內不會全部更換,以及ASIC還不夠成熟等因素,安防前端智能的發展,及ASIC芯片普及都還需要時間。

汽車:英偉達GPU、高通CPU+GPU主流,地平線ASIC開拓市場

隨着自動駕駛的熱潮襲來,汽車場景也成為AI落地的良好場景。不過目前已商用的自動駕駛芯片基本處於高級駕駛輔助系統(ADAS)階段,即可實現L1-L2等級的輔助駕駛和半自動駕駛;而適應L4-L5超高度自動駕駛及全自動駕駛的AI芯片,離規模化商用仍有距離。

汽車場景的AI芯片,領先的依然是英偉達。

2016年9月,英偉達發佈針對自動駕駛技術和汽車產品的芯片Xavier,採用自定義的八核CPU架構,內建Volta GPU架構作為計算機視覺加速器,採用16nm FinFET工藝,運算性能達到20 TOPS,功耗為20W。

今年1月,英偉達又發佈用於自動駕駛的Jetson Xavier芯片,採用12nm FFN製程,功耗為30W(相對上款芯片功耗上升,官方解釋“為提升性能”),及車載計算機Drive PX Pegasus,搭載兩塊Xavier SoC,算力支持L5。目前,英偉達在智能汽車領域的客户包括20多家汽車製造商,其中最重要的客户是特斯拉。

不過看英偉達在自動駕駛領域做大,英特爾也不甘心。 2017年,英特爾收購了Mobileye,開始發力自動駕駛。

Mobileye在汽車領域可算戰績輝煌,其在汽車駕駛輔助系統領域,份額超過70%。從2007年與沃爾沃開始合作碰撞預警功能,與包括寶馬、特斯拉、通用等汽車巨頭合作推進駕駛輔助技術,2016年與寶馬、英特爾三方聯合開發自動駕駛汽車。

並且,Mobileye在2016年5月發佈的EyeQ5(預計將於今年出工程樣品,2020年量產),宣稱將採用7nm工藝,提供每瓦特2.4 DL TOPS(萬億次/每秒)的性能——這一數字比英偉達公開宣稱的Xavier要高2.4倍。收購Mobileye,也是英特爾在無人駕駛領域與英偉達展開的一次激烈競爭。

另外,移動芯片領域的霸主高通也在積極佈局自動駕駛領域。

2016年10月,高通宣佈以每股110美元的價格收購車用芯片大廠恩智浦半導體,這一事件在當時幾乎震驚整個半導體行業。雖其後因反壟斷審查,而遭遇收購失敗,但高通發力汽車的決心並沒有減少。

在GMIC2016上,高通發佈了智能汽車芯片驍龍820A,該處理器採用CPU+GPU的異構計算模式。2017年9月,高通公司又推出了一款新的汽車芯片組——C-V2X,這款芯片組提升了自動駕駛所需通信系統的配合度。目前已得到奧迪、福特以及上汽集團等的認可與關注,具體上市時間預計為今年下半年。

我國芯片企業,也參與到這場自動駕駛領域的芯片爭奪戰中。 2016年3月奇點汽車發佈會上,地平線首次展示了其先進輔助駕駛系統(ADAS)原型系統—雨果平台。2017年1月的CES上,地平線又與英特爾發佈了基於BPU架構(ASIC架構)的最新的高級輔助駕駛系統。產業調研顯示,地平線也是目前唯一在四大汽車市場—美國、德國、日本和中國,與頂級OEMs和Tier1s創建重要客户關係的中國初創企業。

2017年12月,地平線發佈“旭日”和“征程”兩款嵌入式AI芯片,分別面向智能駕駛和智能攝像頭;今年4月,地平線發佈“征程2.0”芯片及MATRIX 1.0自動駕駛計算平台。

總體來説,ASIC可以更好的滿足車載應用下重點關心的“最差情況處理”的延時問題。但鑑於其研發週期長,目前車載場景下,廠商仍考慮GPU作為主流方案,預計隨着ADAS定製化需求的增加,未來ASIC將成主流。

智能手機:蘋果、華為搭載ASIC芯片,高通、ARM發佈新的AI架構

AI+手機,也是當下最火的AI概念之一。

目前AI在手機裏面主要是輔助處理圖形圖像的識別(比如拍照的快速美顏)及語音語義的識別等場景。但目前此類應用對AI算法處理速度的要求並不高。同時手機對功耗要求極低,ASIC低成本、低功耗、低面積將佔據核心優勢。

而在AI芯片進入手機方面,華為和蘋果都先後發佈了有自己獨立AI處理單元的芯片。

2017年9月,華為發佈了全球首款移動端AI芯片麒麟970,並將其運用於Mate10。這是業內第一次在手機芯片中,出現專門用於進行AI計算的處理單元,其集成了國內芯片創企“寒武紀”的NPU。今年8月,華為又發佈了麒麟980,率先採用7nm工藝,雙核NPU。

緊隨其後,蘋果也在9月發佈了iPhone X,及其專用神經網絡處理芯片A11“Bionic神經引擎”。該芯片將CPU和GPU巨大的計算量分開,將面部識別、語音識別等AI相關的任務卸載到AI專用模塊(ASIC)上處理。

在華為和蘋果之後,高通也於12月發佈驍龍845 ,採用10nm工藝,支持Adreno 630 GPU,相比835,在AI計算能力上提升三倍,並支持多平台的神經網絡系統。未來高通的策略是,提供開放AI平台生態系統給合作伙伴。

但高通的AI芯片,並沒有針對AI的獨立運算單元,依舊是傳統的CPU/GPU以及DSP/ISP等特定場景處理器來兼職處理AI。

而為目前世界超過95%的智能手機和平板電腦提供IP的ARM,在AI方面稍顯來遲。 不過今年8月,ARM也發佈了兩款針對移動終端的AI芯片架構,機器學習處理器和物體檢測處理器。機器學習處理器將主要吸引平板電腦和智能手機制造商,計劃在今年第一季度供貨;對象檢測處理器,可能被用於智能安防攝像機、無人機及更廣泛用途,預計年中供貨。

總結:各架構芯片百花齊放,終極形態向ASIC進化

目前,雲端領域,英偉達憑藉其FPGA穩穩佔據最大市場份額,老二AMD在追擊,基於FPGA的賽靈思和英特爾阿爾特拉也在拓展,ASIC領域則以谷歌TPU為最大威脅者。

汽車領域,英偉達依然是巨頭,英特爾Mobileye則是直接對標英偉達,高通在進軍,我國企業地平線也用BPU(ASIC)佈局這一市場。安防領域,英偉達地位不變,賽靈思深鑑的FPGA也有應用,Movidiu的ASIC也打開了部分市場。手機領域,華為和蘋果先發基於ASIC的AI芯片,高通和ARM則在其後推出了自己的AI架構。

GPU、FPGA、ASIC可謂各架構百花齊發,而ASIC也正在逐漸打開自己的市場。

近年來,粵港澳大灣區在打造創新驅動新引擎,科技創新帶動資源集聚等方面着力頗多,創新機制、產業升級、人才引流、協同發展等帶來了多方面的機遇。相應的,人工智能、人才賦能正深刻地影響着商業步伐。

2018年10月18-19日,億歐將在深圳舉辦 “引擎·引領” 2018大灣區國際科創峯會(BATi) ,集合智能製造、智能產品、智能城市、智能安防、智能交通等一眾熱點問題展開探討,分析科技創新未來趨勢,盤點技術革命下的發展契機。

報名鏈接:

https://www.iyiou.com/post/ad/id/664?herkunft=6648

芯片帝國之場景篇 | GPU佔領雲端,手機應用ASIC,FPGA發力雲端和車載
芯片帝國之場景篇 | GPU佔領雲端,手機應用ASIC,FPGA發力雲端和車載

版權聲明

凡來源為億歐網的內容,其版權均屬北京億歐網盟科技有限公司所有。文章內容系作者個人觀點,不代表億歐對觀點贊同或支持。