摩尔芯闻 > 行业新闻 > 半导体 > 魏少军:发展人工智能芯片中国还缺什么?(附演讲PPT下载)

魏少军:发展人工智能芯片中国还缺什么?(附演讲PPT下载)

半导体行业观察 ·2017-07-15 13:08·半导体行业观察
阅读:4050

Source:魏少军教授演讲 摩尔精英现场速记


人工智能作为近年来比较热门的一个发展趋势,对于芯片的要求到底是怎么样的呢?2017年7月14日,在首届“青城山中国IC生态高峰论坛”魏少军教授发表了题为《人工智能大潮中的芯片发展思路》的主题演讲,详细介绍了在人工智能大潮中国内企业应当如何发展人工智能芯片。


在魏少军教授看来,人工智能主要分为三个层次:第一个层次叫应用,第二个层次是方法,第三个层次是工具。从芯片的角度来说,显然归属于工具。


中国有一句古话,叫做“工欲善其事,必先利其器”。魏少军教授认为,工具不行的话,再好的技术都没有用。所以魏少军教授今天主要强调的是工具的作用。


人工智能是一个老的新话题

我们看到,近年来,在人工智能领域有两件事情,刺激了人们的神经。


首先是在去年,谷歌的alphago和两位世界级围棋选手分别进行了对弈,而alphago都取得了胜利。对于这件事情,很多人都认为这件事情代表了人工智能取得了重大的进步。


但是,魏少军教授对于这件事情并没有抱着过于悲观的态度。他认为,从alphago与人类对弈的初衷目的来说,并没有达到最初目标。最开始谷歌的目标是alphago在没有经过人工干预的情况下获得最终的胜利,从而证明机器做能够自我学习,战胜人类。但是最终的结果显示,这两场比赛,都有人工干预的成分在其中,alphago才取得了最终的胜利。


所以说,在魏少军教授看来,人工智能并没有目前人们想象中的那么好。


第二件事情就是在2011年,IBM举行了一场名叫《危险边缘》的比赛,这场比赛更能够反映人工智能作用。虽然比赛中计算机的体积不大,但是它的人工智能程度远远高于alphago。“与这类机器相比较而言,alphago只能算是专门用于下围棋的机器。”魏少军教授表示。



在此背景之下,随着人工智能的崛起,我们看到了一些很有趣的数据。


根据麦肯锡最新的数据显示,人工智能初创企业的数量在这两年呈现了爆发式的增长。到2016年增长到了389家,一直保持着两位数的增长。


第二个数据是人工智能企业的融资额,到2016年发展到了50亿美元。魏少军教授坦言,集成电路除了在并购方面,要想在初创企业领域达到50亿美元的融资额,还有很大的难度。


第三个是,人工智能企业的并购数量。在2016年达到了85家。


最后一个是人工智能企业的股权融资数量。达到了658家,增长的速度几乎难以想象。


魏少军教授认为,如果风险投资和融资,在某个领域能够达到非常活跃的程度,就表示这个行业处于发展上升期。


但是,尽管如此,魏少军教授认为人工智能依旧是一个老的新话题。



机器学习的后向与前向型

其实人工智能早在上世纪50年代就已经被提出来了。


“所谓人工智能就是制造智能机器的科学工厂。”这是非常经典的一句话,这句话意思就是,人工智能需要通过机器来来模仿人的认知、推理、学习的能力。


但是在之后的三十年当中,人工智能并没有获得非常高速的发展。直到上世纪80年代,才出现了机器学习这一概念。这也是目前人工智能的一个主要的领域。


所谓机器学习就是实现人工智能的一个主要途径。通过学习来对未来进行预测。近年来,这一概念,逐渐成为趋势,其主要原因在于,计算机神经网络等概念的兴起。这可以说这是机器学习的一个分支。


从以上的发展过程,我们可以总结出人工智能发展的三部曲:传统数据挖掘、预测、决策。


传统数据挖掘是比较基础的功能,目前在各个行业被广泛应用。而预测,举一个例子来说,就是用来预测客户在未来最有可能购买哪一个产品,或者做出某一个决定。


而最后一个阶段——决策。就是决定下一步将需要做什么,这一步主要应用于比较领先的数据和互联网公司。所以我们看到的结果,基本就是谷歌百度这些互联网企业在应用这一技术。其他的公司,反而用很少。


传统数据挖掘属于后向型,就是挖掘过去的事情,而预测和决策则是根据数据判断没有发生的事情。在魏少军教授看来,人工智能最主要的应用还是用于预测未来。所以,对于我们来说,目前最主要的就是对于人工智能要有一个更加准确的认识。


智能芯片是人工智能的根本

在今天的技术条件下,不管做什么事情,最重要的就是芯片。没有芯片,我们什么都做不了,我们很难找到第二种实现方法。在这种情况下,我们就需要静下心来研究如何使用芯片来实现更多的目标。魏少军教授表示。


那么人工智能芯片是什么呢?


从目前主要的几个机器学习芯片平台来看。


首先是GPU。目前GPU的计算能力要比CPU高很多倍。从全部图形芯片市场来看。英特尔目前占了71%,英伟达占了16%,AMD占了13%。但是从分立式GPU市场来看,英伟达占了71%,AMD占了29%。所以英伟达在分立式GPU市场产品中占有绝对的优势,其产品广泛应用于数据中心的人工智能训练。



而目前,人工智能使用的主要是分立式GPU。当然了,AMD也提供了相关的异构CPU和GPU产品。


但是,无论是GPU,还是CPU,这两个领域都无法在移动设备上使用,其原因在于功耗过大。所以说目前主要是互联网企业在使用这些设备。不过,互联网企业也不仅仅使用GPU产品,他们也使用其他的一些人工智能芯片。


此外,人工智能芯片的第二个发展方向就是FPGA和TPU。


FPGA所实现的人工智能芯片,能够在相同的情况下,功耗下降到GPU环境的20%。但是这依旧很难在移动设备上使用。


而TPU的问题在于精度不高。所以TPU主要适用于不需要极高精度的机器学习相关计算。与GPU相比,TPU旨在以较低的精度来提高性能,功耗下降到GPU环境的10%左右。


这样的特点,使得最近一段时间以来,TPU比较受到推崇。


此外魏少军教授还提到了,另外两个机器学习平台:NA和IMP。



魏少军教授认为,NA可能就是未来机器学习发展的主要方向,因为基于其特点,可以应用于先进的机器学习,基于刺激的学习机制等等。


另一个比较受到推崇的芯片就是IBM推出的TrueNorth。据了解该芯片,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。


这种芯片将数字处理器当作神经元,把内存作为突触。与传统的冯·诺依曼结构不一样,它的内存、CPU和通信部件完全集成在一起。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。同时,神经元之间可以方便快捷地相互沟通,只要接收到其它神经元发过来的信号,这些神经元就会同时动作。


这种芯片的学习能力极强。但是这是IBM发展人工智能芯片的第一步。IBM 的最终目标是希望建立一台包含 100 亿个神经元和 100 万亿个突触的类

脑计算机。这样的计算机要比人类大脑的功强大 10 倍,功耗约 1000瓦,而且体积不到两升,与我们大脑的大小相当。




构成智能芯片的关键要素


了解构成智能芯片的关键要素,首先我们需要理解智能这一概念。


在魏少军教授看来,这其中包含的几点要素,首先是智慧。智慧是人所特有的一样东西。其次是能力。而智能则是智慧与能力两者的合称。


详细来说,人工智能,实现这一能力主要通过感知、传输、存储、处理、决策、传输、执行等一系列过程来实现。但是人脑作为人体中最神秘的一部分,思考思维的过程中是如何具体运行的,到现在还是一个秘密。所以以上这一过程只是一个大概的概念。


但是,从以上大概的概念我们可以看出,这一过程与我们当前的人工智能的过程,有很高的重合度。


在魏少军教授看来,以上的这一过程,感知和传输能力主要体现在能力方面,传输和执行也主要表现在能力方面,而其中的存储、处理、决策等方面,则表现为智慧。


那么结合人类的大脑,我们就能够更深入的实现人工智能。之前所说的IBM所设计的处理器,就与人的神经元的数量和结构方面有着很相似的地方。


从人工智能芯片的架构来看,前端有很多的传感器,后端则是很多的执行器,而连接着两个部分的,绝不仅仅只是单一的芯片,而需要很多的功能。


在此基础上,我们总结出了,人脑的的相关的工作结构,其中包括:多输入/多输出系统;高度复杂的互连结构;多任务且高度并行化运行系统;多处理器单元系统;并行分布式存储;并行分布式软件;分布式处理与集中控制系统。


综上所述,构成智能芯片的关键要素到底有哪些呢?在魏少军教授看来,主要包含一下部分:


一. 可编程性:适应算法的演进和应用的多样性;


二. 架构的动态可变性:适应不同的算法,实现高效计算;


三. 高效的架构变换能力:< 10 Clock cycle, 降低开销;


四. 高计算效率:避免使用指令这类低效率的架构。


五. 高能量效率:~5TOps/W

某些应用:功耗 < 1mW

某些应用:识别速度 > 25f/s


六. 低成本:能够进入家电和消费类电子;


七. 体积小:能够装载在移动设备上;


八. 应用开发简便:不需要芯片设计方面的知识;


但是,魏少军教授认为,目前的CPU、CPU+GPU、CPU+FPGA、CPU+ASIC的作法均不是理想的架构。


所以说虽然目前国内的人工智能发展比较火热,但是如果我们不能够从架构方面做出改变的话,就很难实现真正的突破。


那么如果如何解决这一问题呢?这其中就涉及到软件定义芯片的问题。



软件是核心,芯片是基础

要实现以上的目标,需要从芯片和软件两个方面,通过结合来实现。


在魏少军教授看来,智能软件就是实现智能的载体,而智能芯片则承载了所需的计算。实现智能的核心是软件,而支撑智能的基础是芯片。


关键是如何更好的将软件和硬件结合在一起。


魏少军表示,实现这一目标的最好的方式就是软件定义芯片。在此基础上为魏少军教授提出了软件定义芯片(SDC)的概念。


但是很多人就说了,FPGA也是可以通过软件来定义的,那么FPGA不可以实现这些目标吗?


魏少军教授表示目前FPGA主要存在着十大缺陷:


1. 细粒度:由于要实现比特级的运算,运算颗粒度必须为细粒度;


2. 配置信息量大:通常为几兆到十几兆字节;


3. 配置时间长:通常需要十几毫秒到几十毫秒;


4. 静态编程:一旦配置完毕,不可更改。如果要改变FPGA的功能,只能下电或在线重新载入配置信息;


5. 逻辑不可复用:所有电路必须全部装入FPGA,复用性为零;


6. 面积效率低:每个LUT只能实现一位运算,面积效率只有5%。一个千万门级的FPGA只能实现几十万门的逻辑电路;


7. 能量效率低:由于逻辑利用率低,引发无效功耗巨大;


8. 需要特种工艺:FPGA往往需要最先进的制造工艺,且需对工艺进行特别调整;


9. 电路设计技术:应用者必须具备电路设计知识和经验;


10. 成本高昂:目前的FPGA价格在几十到几万美元一片。



可重构计算芯片技术与深度学习

但是,对于软件定义芯片来说,也面临的几个问题。


因为对于软件定义芯片来说,软件的规模可以任意大,但是硬件的规模总是有限的,所以首先需要将软件划分成与硬件规模相适应的模块,逐块运行,其次,硬件结构必须动态可变以适配每个软件模块的功能。


为了实现这一目标,这就需要我们解决若干问题,首先是计算硬件架构和功能,必须动态地、实时地跟随软件的变化而变化。


那么我们就可以将软件分为两个部分,计算和控制部分。魏少军教授表示。“根据控制单元的要求,配置计算单元阵列并执行。根据软件的要求,将划分后的任务,逐块送到数据通道执行。”虽然,在架构上与传统的计算机基本相同,但是不一样的地方在于。所需要的编译器与传统的编译器是完全不同的。而这就是我们可以创新的所在。



从几种经典的集成电路的结构的比较,可以看到。


ASIC只有用量足够大时才能够分摊前期投入,获得低成本。FPGA不支持软件。使用者需具备电路设计的知识,先进行电路设计,再将电路映射到芯片上。RCC:可重构计算芯片。支持软件硬件编程,硬件随软件变化而变化。


最后,魏少军教授总结了我们需要关注的几点内容:


1.机器智能是长久以来人类追求的目标,也是近期科学研究的热点:


2. 现阶段,由于人脑的机理尚未被完全揭示,类人脑计算机只好采用、也只能依托现有的芯片和软件技术来模拟。但是其运行机理完全不同于传统的计算机;


3. 机器智能中,芯片是承载计算功能的基础部件,软件是实现智能的核心。智能芯片与传统芯片不同,其最重要的特性是:满足软件不断变化的计算需求;


4. 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,实现了软件定义芯片,具备处理器的灵活性和专用集成电路的高性能和低功耗,被公认为是突破性的下一代集成电路技术,具备了智能芯片的一些特性,未来具有广阔的前景。



总结


从我国人工智能应用的发展情况来看,在应用上与国际差距不大,在方法上落后,在芯片上差半步。但是这差半步并不表示我们能够追赶上国际企业。中国有一句古话叫行百里者半九十。


魏少军教授表示,至少从他目前所了解的情况来看,国内虽然在做人工智能方面尽管说得很响。但是无论是技术路线还是方法,都没有跳出国际划定的范畴。所以,我们应当有意识地关注芯片范围内的基础的发展。尤其是在我们与国外在芯片能力方面还有很大的差距的前提下,如果不能够解决这一问题,我们就很难超越国际玩家!


但是,中国也存在这一定的优势。


中国的优势主要是在应用上,至于在方法和基础的工具上的优势并不明显,这可能跟我们现有的工业架构,特别是互联网企业有关系。我们可以看到,人工智能的主要应用是互联网起步得比较快一些,因为中国的互联网仅次于美国,所以互联网的优势给我们带来了人工智能的优势!(文/刘燚)


关注公众号 半导体行业观察 在后台(关注公众号后的菜单页面)回复“魏少军”,即可获取本次演讲的完整PPT。


今天是《半导体行业观察》为您分享的第1335期内容,欢迎关注。

R

eading

推荐阅读(点击文章标题,直接阅读)

SiP封装是拯救摩尔定律的关键?

三星晶圆代工要超越台积电?

在这一封装市场中国即将逆袭?


关注微信公众号 半导体行业观察 ,后台回复关键词获取更多内容

回复 雄心 ,看《苹果的芯片帝国雄心》

回复 张汝京 ,看《中国半导体教父张汝京的“三落三起”》

回复 国产 ,看《国产手机崛起背后的最大受益者》

回复 ASR ,看《ASR收购Marvell MBU背后:一段有关RDA的爱恨情仇》

回复 IC ,看《一文看懂 IC 产业结构及竞争关系》


回复 展会 ,看《2017最新半导体展会会议日历》

回复 投稿 ,看《如何成为“半导体行业观察”的一员 》

回复 搜索 ,还能轻松找到其他你感兴趣的文章!


摩尔邀请您加入精英微信群

你好,感谢长期对半导体行业观察的关注和支持!为了方便各位精英专家交流,我们组建了一些专业、微信交流群,欢迎你加入,我们还会邀请在摩尔直播App做过技术和行业分享的100+技术大牛入群和大家交流。加群方法: 长按二维码,加群主为好友,填写加群需求信息,拉你入群。(微信限制每天好友添加数量只有300人,请耐心等待)

地域群:

上海、深圳、北京、江苏.浙江、西安、武汉、成都.重庆、合肥、厦门.晋华、大连、台湾、新加坡、日本.韩国、美国、欧洲、摩尔直播学习群。


专业群:

模拟射频设计、EDA.IP、数字芯片设计、模拟混合信号设计、版图Layout、数字PR.验证晶圆制造Fab、设备EE、半导体材料、半导体设备、封装测试、半导体投资、市场销售、AE.FAE、嵌入式开发、实习交流、采购.IC代理


专业微信群规则:

1. 专业、高效交流,建议进群请修改群昵称,格式:公司或学校+职位或专业+中文或英文,请服从群主管理,如果多次违规会被请出交流群;

2. 原则上每人加不超过3个群,精彩讨论内容,群主会负责在不同群同步,既然加了群,请大家尽量置顶群,积极参与群讨论;

3. 群里聊天讨论仅限半导体专业内容,杜绝专业无关内容,特别是养生、拉票、微商等内容,严格禁止,为自己公司打广告以不引起群友反感为限;

4. 前100人免费,超过100人后,新进群者发新人红包,金额随意,讨个彩头。群友每增加100人,群主发群红包庆祝,金额等于群友人数。



分享到:
微信 新浪微博 QQ空间 LinkedIn

上一篇:[原创] 魏少军:发展人工智能芯片中国还缺什么?

下一篇:第十五届CCIC暨晋江集成电路产业发展高峰论坛7月20日召开

打开摩尔直播,更多新闻内容
半导体大咖直播分享高清观看
立即下载