专栏名称: 传感器技术
制造业的未来是智能化,智能化的基础就是传感器; 互联网的方向是物联网,物联网的基石也是传感器; 关注传感器技术,获得技术资讯、产品应用、市场机会,掌握最黑科技,为中国工业导航。
目录
相关文章推荐
地理狗看世界  ·  蛇,地府来客 ·  2 天前  
杭州网  ·  突然!暴涨超388% ·  2 天前  
安徽商报  ·  孙颖莎夺得WTT新加坡大满贯女单冠军 ·  2 天前  
中国国家地理  ·  云南,隐藏的吃辣大省 ·  4 天前  
51好读  ›  专栏  ›  传感器技术

看这场AI芯片之争:混乱不是深渊,混乱是阶梯

传感器技术  · 公众号  ·  · 2017-11-02 06:36

正文

转自:港股那点事


大雨落幽燕,白浪滔天,秦皇岛外打鱼船。一片汪洋都不见,知向谁边?


往事越千年,魏武挥鞭,东临碣石有遗篇。萧瑟秋风今又是,换了人间!


IT革命中每十年就产生一波新的浪潮,每个新平台都会创造更大的财富,催生新的巨头,但只有极少数公司可以成功越过浪尖,爬到下场盛宴的铁王座;某种程度上,人类都能一起共享“革命”带来的硕果,但只有极少数人能“乘风驭浪”,握享时代的荣光!


回到现实中,自2007年iPhone诞生以来,移动互联网也接近“十年之变”。下场革命的轮廓也渐渐明了,AI会是继移动互联网之后下一场大风暴成为越来越多人的共识。但还是太少的人能意识到,未来10年的生产力进步可能会等于几千年的总和。我们正在经历了人类出现以来发展最快的70年,而且还会继续加速!


也少有人会去反思:这样的奇迹背后,上帝之手究竟来自于哪里,它会指引我们走向何方?我们又要如何下注?



从Mobile First到AI First的过渡必将引发IT软硬件的全面革洗牌。革命是混乱,革命也是阶梯!那么就从这混乱的革命中找找赚钱(或选股票)的机会!



一、身在何方的AI


笔者第一个想搞清楚问题是: 这场革命,到底走到了哪一步?



超人工智能 (ASI): 牛津哲学家,知名人工智能思想家Nick Bostrom把超级智能定义为“ 在几乎所有领域都比最聪明的人类大脑都聪明很多, 包括科学创新、通识和社交技能。”


目前AI的发展毫无疑问处于弱人工智能发展阶段。 但在弱人工智能阶段,AI的发展也要被划分为三个阶段:技术驱动阶段、数据驱动阶段和场景驱动阶段。 我们现在处于弱人工智能的早期阶段——技术驱动阶段。



二、人工智能制胜的三宝


技术的发展一般要先于应用层面 ,所以现在我们看到各大巨头无论是百度还是谷歌都在致力于这场革命的“基础建设——开源平台的建设。在此阶段, 数据量、运算力 算法模型 是决定人工智能行业发展的三大要素 ,也是各大巨头角力的三大山头。数据量和算法可以分别比作人工智能的燃料和发动机,算力则是制约人工智能成“人”还是“成神”的基础硬件——芯片(类似于我们大脑的容量)。 我们可以从这三个层面看到一个大体的商业版图:


1、算力


芯片又叫集成电路,算法必须借助芯片才能够运行,而由于各个芯片在不同场景的计算能力不同,算法的处理速度、能耗也就不同。伴随着摩尔定律发展的放缓,人类在精密制造领域(半导体)几近极限。而数据量的增长却呈现指数型的爆发,数据的扩张远大于处理器性能的扩张,依靠处理器性能在摩尔定律推动下的提升的单极世界已经崩溃。 拥有超强算力兼具低能耗的芯片是我们步入AI时代的前提。人工智能芯片作为人工智能行业的重要底层架构,其战略重要性不言而喻。


算力这块蛋糕,技术壁垒极高,进入门槛是极其高的。要么是上一轮浪潮中的赢家---Intel,IBM英伟达之流,要么是有zf背景加持的寒武纪,要么是互联网行业野心勃勃的王者——微软、谷歌。总之,这个领域是权(涉及到国家层面的较量)贵(新贵+旧势力)们的游戏!



2、算法


我们现在经常提到的“深度学习”是属于人工智能算法(软件)层面的。自从深度学习取得突破性进展以后,巨头们频频开源, 所有的巨头都想成为AI时代下一个开发IOS的“苹果”或是开发Andriod系统的“谷歌”。 毕竟大佬的终极梦想都是我吃火锅,你们剩下的吃火锅底料。当这些大佬们把开源做好,就可以收割接下来做应用场景的AI(app)公司的韭菜。这些公司使用开源平台进行算法的迭代时,开源平台可以获取数据,以及市场对应用场景热度的反馈,掌握绝对的控制权和话语权。


自动驾驶系统和物联网成为算法这块蛋糕中,大佬们争夺的现行焦点!后续会有更多的焦点,争斗会一轮比一轮的猛烈。而这场游戏注定是大佬们玩的,前期巨大的投入,才能在后期收割,能玩的起的玩家不多!



3、大数据



1、移动端的新选择


GPU最初是作为应对图像处理需求而出现的芯片。其特点为擅长大规模并行运算,可以平行处理大量信息。在人工智能技术发展早期,因其优异的大规模数据处理能力,GPU被使用在多个项目之中。谷歌的图像识别项目、AlphaGo项目、特斯拉/沃尔沃等诸多汽车厂商的辅助驾驶系统和无人驾驶实验中,均使用了GPU作为加速芯片。


然而,从芯片底层架构来讲,由于GPU并非专为深度学习设计的专业芯片,未必为人工智能加速硬件的最终答案。


在人工智能市场高速发展的今天,人们都在寻找更能让深度学习算法更快速、更低能耗执行的芯片。目前,能够适应深度学习需要的芯片类型除了GPU还有FPGA和ASIC等。



再者,GPU不适合移动端的, 人们迫切的希望能把人工智能也带到移动终端,尤其是能够结合未来的物联网应用。


对于移动端人工智能硬件的实现方法,有两大流派,即FPGA派和ASIC派。FPGA流派的代表公司如 Xilinx 主推的Zynq平台,而ASIC流派的代表公司有 Movidius(被英特尔收购) 。两大流派各有长短。







请到「今天看啥」查看全文