陸人工智慧晶片急起直追(中時)
劉佩真
2017/07/13
|
目前人工智慧主流晶片是以繪圖晶片（GPU）並行計算神經網絡為主，但現場可程式邏輯閘陣列（FPGA）、特殊應用積體電路（ASIC）、類腦晶片的潛力亦不可忽視。
首先在GPU方面，其優勢來自於自身具備的高並行度、矩陣預算和強大的浮點計算能力，可以大幅加速深度學習模型的訓練。換句話說，GPU具有高的計算能力、高級開發環境、不影響機器學習演算法切換的優點，雖然同等計算能力下耗能最高，但仍然在演算法開發和機器學習訓練場景中占據絕對的市場地位。其中Nvidia則是GPU的全球佼佼者，近來更在人工智慧晶片展現其深度影響力；至於大陸當前掌握GPU的廠商則包括景嘉微、兆芯等，前者與龍芯為合作夥伴，晶片主要應用在軍用飛機和神舟飛船上，後者主要技術來源則為威盛，圖形核心為美國S3 Graphics，然而與國際大廠技術水準相較，仍有相當的落差。
FPGA雖然與GPU、CPU相比，具有性能高、耗能低、可硬體編程的優勢，但畢竟FPGA是一種半成型的硬體，需要透過程式語言定義其中的單元配置和鏈接架構才能進行計算，研究人員需花費大量時間進行編譯，且FPGA的硬體編輯語言相當複雜，恐影響FPGA應用於深度學習過程中的效率。而Intel則是FPGA人工晶片的國際代表廠商，大陸具備FPGA晶片能力的業者則有同創國芯、京微雅格、高會等，至於市場則均高度關注中資是否成功收購Lattice，藉此於FPGA領域獲得突破，但礙於身為收購方的美國私募基金峽谷橋梁資本夥伴，背後獲得中國政府資金支持，因此目前此案仍處於3度送審美國外商投資委員會的階段。
而ASIC方面，由於是專用電路，可以高效低耗能地完成設計任務，但也因是專用設計的特殊用途，所以只能執行本來設計的任務，不過因為深度學習量身定制的ASIC晶片將在計算速度和功耗上趕超GPU和FPGA，故仍吸引相當多科技巨頭紛紛投入ASIC晶片，其中Google的TPU產品、Apple研發的Apple Neural Engine、北京中科寒武紀科技研發的NPU等，均是屬於ASIC類別的晶片。
至於類腦晶片則是一種基於神經形態工程、憑藉人腦資訊處理的模式，現階段各國政府及科技巨頭都在大力推動類腦晶片的研發進程，大陸的類腦科學研究專案更已正式啟動，2017年即由中科院、復旦大學、百度、Microsoft等進行類腦智能技術及應用國家工程實驗室計畫，藉此建立腦認知和腦模擬技術研究與實驗平台。
綜而言之，大陸在各類人工智慧晶片均展開布局，僅是整體研發及商品化的進程仍有待突破性的發展，況且大陸在人工智慧晶片採取海外優質資產的收購動作，尚受限於先進國家進行嚴格審查而出現卡關，惟大陸在人工智慧晶片終端平台建置仍有其優勢，將持續驅動整體供應鏈的發展。
|