台經觀點

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。
 

本院:104 台北市中山區德惠街16-8號
電話:總機 +886 (2) 2586-5000,傳真 +886 (2) 2586-8855 聯絡我們

南台灣專案辦公室:807 高雄市三民區民族一路80號43樓1-2
電話:(07)262-0898,傳真:(07)398-3703,聯絡人:詹佳融

© 2015 台灣經濟研究院 版權所有. 隱私權聲明