【產業鏈圖譜 | 人工智能產業鏈圖譜_人工智能產業鏈全景圖】

【研究報告 | 人工智能行業研究報告】

　　人工智能芯片的技術研究是基于人工智能系統對芯片技術進行技術改進，近日，美國普林斯頓大學的研究人員推出了新的人工智能芯片，該芯片通過對芯片的數據處理位置進行改進，提高了芯片的數據處理速度，并減少了芯片的功率消耗。

　　芯片采用了標準的編程語言，在一些對手機的反應速率要求和功率要求較高的應用中，都將發揮自己的產品特色。

　　針對芯片的技術改進方面，研究人員針對芯片的節能和性能的重要性也發表了自己的看法，研究人員表示，由于現階段的人工智能程度多搭建在有電池驅動的設備上，所以降低芯片的功耗也是研究中的重要課題，而這項特點也代表了人工智能芯片對可編程語言的需求。

　　傳統的計算機處理方式是，數據存儲地址位于內存，中央處理器要先讀取內存中的數據才能對數據進行分析，數據的不同地址的讀取過程中，即有大量的功率被消耗。而新的芯片的研究方向是通過統一芯片的數據處理地址和數據存儲地址，達到降低芯片功耗的需求。

　　當然，如果要實現這樣的研究目的，需要我們對芯片的架構進行改進，才能突破摩爾定律的極限，在這次的研究中，研究人員采用的是電容器器件，電容器器件相對于晶體管，能夠提供更密集的計算空間，將電容器與芯片上的靜態隨機存取存儲器(SRAM)的傳統單元配對。電容器和SRAM的組合用于對模擬(非數字)域中的數據進行計算。這種內存電路可按照芯片中央處理單元的指令執行計算。

　　近年來，PC 行業已經開始逐年衰退，智能手機行業也隨著市場的逐漸飽和進入瓶頸期。在這種情況下，人工智能無疑是最受媒體和資本熱捧的寵兒。

　　正是因此，國外大廠紛紛推出了自己的人工智能芯片。就目前而言，人工智能芯片主要以 ASIC、FPGA、CPU、GPU、DSP 為主，像寒武紀和地平線就是屬于 ASIC，阿爾特拉的人工智能芯片屬于 FPGA，英偉達的人工智能芯片屬于 GPU，星光智能一號屬于 DSP，英特爾的方案屬于 CPU。

　　在這些人工智能芯片中有一個規律，那就是芯片的通用性與用來跑人工智能的性能和功耗成反比。像 CPU 這樣的芯片，由于應用的廣泛程度，導致這種芯片具有很好的通用性，但在某些特定領域，性能和功耗相對于其他幾種芯片都沒有啥優勢。

　　將傳統的面向數字信號處理的 DSP 處理器架構進行運算器方面的修改之后，也可以用來跑人工智能，而且可以借助現有的成熟技術。不過在應用領域上有一定局限性——可以用于卷積神經網(CNN)，但對循環神經網絡(RNN)和長短期記憶網絡(LSTM)等處理語音和自然語言的網絡則無能為力。換言之，就是這種 DSP 主要用于機器視覺領域，但難以應用到語音識別、文本處理和自然語言理解等領域。用 DSP 做人工智能芯片的做法，在人工智能細分市場還是具備一定商業上的潛力的。

　　當然，提高芯片的性能和功率是發展芯片技術的重要研究課題，但是產業和應用形態仍是當前芯片產業需要明確的問題。