广告

AI芯片细分市场的金字塔结构

时间:2020-10-09 作者:Michael Azoff ,Kiasco Research首席分析师 阅读:
如今,AI工作负载仅仅意味着运行深度学习,这是目前的市场需求所在。但市场需求是多变的。尽管大多数AI训练都在数据中心(包括超大规模云端)和工作站上进行,但AI推理却随处可见:在云端、在工作站、在边缘……尤其是边缘端。
广告

目前的AI芯片市场,几乎全都在谈论深度学习。深度学习(DL)是机器学习之中,能让AI应用在现实世界中实现价值的最佳范例,而这其中又以加速(accelerating)深度学习最受关注,因为加速是训练与推理过程所必需的。1MREETC-电子工程专辑

AI芯片市场的参与者目前呈爆炸式增长:在最近的一份研究报告中,我们统计出全球约80家初创公司坐拥投资者的105亿美元,与大约34家成熟的参与者竞争。显然,这种状况是不会长久的,但我们需要对市场进行剖析,以更好地理解为什么会形成目前这种状况、它会如何变化,以及这一切意味着什么。1MREETC-电子工程专辑

将时光倒流至2010年左右,当时英伟达(Nvidia)在其图形处理单元上推出了高端通用计算(GPGPU,现在简称为GPU)。它引发了深度学习的兴起,将大型神经网络的训练时间从几个月或几周减少到几天几小时,甚至更少。英伟达自此成功转型为AI计算公司,并开发出了数十亿美元的新业务。1MREETC-电子工程专辑

这也刺激了其他芯片公司和芯片架构师开始思考——如何从一张白纸开始,构建一个专门用于运行AI工作负载的架构,还要比针对多种工作负载设计的GPU更好?1MREETC-电子工程专辑

如今,AI工作负载仅仅意味着运行深度学习,这是目前的市场需求所在。1MREETC-电子工程专辑

但市场需求是多变的。尽管大多数AI训练都在数据中心(包括超大规模云端)和工作站上进行,但AI推理却随处可见:在云端、在工作站、在边缘……尤其是边缘端。1MREETC-电子工程专辑

图1:AI硬件加速器的细分市场应用(图自:Kiasco Research)1MREETC-电子工程专辑

人工智能芯片市场如何细分

无论一个初创企业决定加入哪个细分市场,竞争都将非常激烈。我发现将这个市场映射为一个三角形非常有用,请参看图1。三角形的每个顶点都有自己的一组标准来代表独特的市场需求。1MREETC-电子工程专辑

三角形的顶点是数据中心、云端和HPC环境对AI芯片的需求。Cerebras公司很好地抓住了这一市场,它制造了世界上最大的芯片,晶圆级引擎(Wafer Scale Engine,WSE)。这个细分市场需要最高的计算能力,而功耗和成本则是次要的。初创企业面临的挑战是他们要与超大规模企业和老牌企业竞争,比如英伟达就在稳步发布其不断改进的架构,其最新版本(Ampere)已于2020年5月发布。1MREETC-电子工程专辑

三角形的下端主要涉及推理,企业可以在保持准确性的同时,构建较低精度的芯片。其对产品的需求和三角形顶点有所不同,主要包括芯片大小、低延迟、低功耗和低单位成本。特别是小边缘市场,这是所有初创企业最活跃的市场,像英伟达这样的大牌公司不太会参与这个市场的竞争,英伟达也曾表示它不打算涉足大宗商品推理市场。但是,处于这个角落的玩家不仅要与竞争对手竞争,而且还要与潜在客户斗智斗勇,因为客户可能会决定自己创建一家公司或购买一家初创公司。1MREETC-电子工程专辑

人工智能芯片的下一步发展

AI芯片领域中有太多的竞争者,看看图1中三角形的每个顶点就知道,最好的全方位设计才会胜出。除了我们已提到的各种因素,还需要添加成熟的软件开发堆栈、针对市场的愿景以及将深度学习应用嵌入产品中的更大潜力,这样才能使市场合理化。1MREETC-电子工程专辑

不过,这个市场中已经有牺牲者了,最近的是Wave Computing于2020年4月宣布破产。1MREETC-电子工程专辑

竞争导致市场上出现更快、更高性能的AI芯片,AI研究人员将从中受益来实现他们奇思妙想。我也更期待出现新的算法取代深度学习当前的霸主地位——AI研究的长期愿景是创建像人类一样的人造大脑,很显然深度学习是死胡同。新算法不可避免地会出现(有些已经出现,但不是本文涵盖的内容),而这些下一代算法可能需要不同类型的加速器。1MREETC-电子工程专辑

深度学习在实际案例中的应用广度,使这些芯片拥有数十亿美元的市场,随着5G的推出,还将不断增长。这个市场需要AI硬件加速器。AI芯片市场将趋于合理化,然后整个游戏将随着下一代AI算法的崛起而发生改变,不过,没人清楚这个改变什么时候会发生。1MREETC-电子工程专辑

(参考原文:What the AI Chip Market is All About)1MREETC-电子工程专辑

责编:Amy Guan1MREETC-电子工程专辑

本文为《电子工程专辑》2020年10月刊杂志文章,版权所有,禁止转载。点击申请免费杂志订阅  1MREETC-电子工程专辑

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 利用神经形态芯片仿真人脑 长期以来人们一直在研究生物细胞的电特性,以便了解细胞动力学。离子电流的动态特性和离子电导的非线性是由微观参数控制,由于测量微观参数具有相当的难度,阻碍了定量运算模型的建构…
  • 价值900亿美元的美国半导体连环并购案揭秘 2020年见证了非比寻常的半导体行业,一场旷日持久的疫情不但遮掩了全球半导体的持续下滑,也冲淡了中美科技冷战的硝烟。同时,另外一个被掩盖的现象下半年开始浮出水面,那就是半导体行业的一连串并购活动。并购金额之大令人咋舌,对整个半导体甚至高科技行业的影响也将会无法估量。本文将针对ADI/Maxim、Nvidia/Arm及AMD/Xilinx这三大并购案展开深入探讨,并简要提及对中国半导体的影响和启示。
  • 在MCU上进行深度学习才是边缘计算的未来 现在,机器学习(ML)不再需要每秒执行数万亿次操作(TOPS)的处理器。很多情况下,最新的微控制器(有些配置有嵌入式ML加速器)就可以在边缘设备上执行机器学习,它代表着物联网发展的下一阶段:在生产数据的源头,例如麦克风、摄像头和监控其他环境条件的传感器中引入智能计算,并使物联网应用受益。
  • 安谋中国“周易”Z2 AIPU正式发布,性能翻倍、效率翻番 10月13日,安谋科技(中国)有限公司(“安谋中国”)正式发布“周易”Z2 AIPU(AI Processing Unit),单核算力最高可达4TOPS,较“周易”Z1 AIPU的单核算力提高一倍,同时支持多达32核的可扩展配置,从而能够在单个SoC中实现128TOPS的强大算力。
  • 人工智能在自动驾驶车辆中的作用 自动驾驶车辆在农业、运输和军事等领域开始成为一种现实,普通消费者在日常生活中使用自动驾驶车的那一天也在迅速来临。自动驾驶车辆根据传感器信息和AI算法来执行必要的操作,它需要收集数据、规划并执行行驶路线。而这些不同的任务,尤其是规划和执行行驶路线需要非传统的编程方法,它依赖AI中的机器学习技术。
  • 探访Sensor China 2020:今年的传感器技术趋势如何? 今年的Sensor China,我们照例采访了五家具有代表性的企业,包括一家国际企业,和四家国内企业。一方面尝试理解如今传感器产品的发展趋势,另一方面也进一步探查,国产传感器制造商在国产自主化方面的发展程度如何。
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了