Nvidia執行長黃仁勳在介紹用於自駕車的AI超級電腦。(Ethan Miller/Getty Images)
Nvidia執行長黃仁勳在介紹用於自駕車的AI超級電腦。(Ethan Miller/Getty Images)
以Nervana技術為基礎的英特爾AI芯片。(Intel)
以Nervana技術為基礎的英特爾AI芯片。(Intel)

人工智能(AI)應用範圍擴大為芯片業創造新商機,吸引輝達電子(Nvidia)、英特爾(Intel)及超微(AMD)等半導體大廠爭相發展人工智能芯片。另外,現在一些高科技大公司更加希望使用客製化的芯片,也開始進入AI芯片設計領域,也為新創公司進入半導體產業提供了一個機會。 《華爾街日報》近日報道,研究機構IDC預測,2021年全球AI相關軟硬件支出,有望從今年的120億美元增加至576億美元,其中大部分將投入數據中心(又稱資料中心),預估2020年會有1/4貢獻給跟AI相關的運算處理。

根據PitchBook Data Inc.統計,民間投資人今年對AI硬件的投資總額,已拉高近一倍至2,520億美元。繪圖芯片巨擘輝達電子(Nvidia)過去12個月的數據中心相關營收,幾乎成長了3倍,達14億美元,而其股價過去兩年間更暴漲近7倍。

英特爾也未停下研發步伐。2016年英特爾併購了AI深入學習公司Nervana Systems,目前正在跟Facebook等業者合作,開發以Nervana技術為基礎的芯片,試圖在今年底超越Nvidia的AI芯片運算能力。

另一方面,超微(AMD)聚焦AI的Radeon Instinct系列繪圖芯片處理器,也在最近開始出貨。谷歌(Google)則已設計了自家的AI加速器,希望使用為自家量身打造的芯片,取得競爭優勢。

運算效能要求高 速度能耗都要突破

人工智能通常透過複雜演算式來提升電腦深度學習能力,目標是不斷加速資料分析及電腦學習速度來實現更精確的語音、臉部及其他辨識能力。現在芯片大廠都重金投資可運行深度學習系統的硬件,競相開發低功耗、高性能的加速器,好讓機器學習功能在嵌入式系統中能更好地執行。

如Nvidia的圖形芯片是以數以千計的微型電腦並行運作來渲染像素,透過一些調整,已可運作深度學習演算法,但也涉及大量的並行計算,最大的缺點就是太耗電。

現在新一代芯片將多個處理功能結合至一個步驟,而圖形芯片是讓多個步驟產生同一個結果。前者的功能通常綁在一起,以優化特定用例,例如幫助自駕車發現潛在障礙的訓練演算法。

英特爾與Facebook合作,推出首款專為機器學習設計的「Nervana」神經網絡處理(NNP)系列晶片,是一款專為人工智慧所設計的快速晶片,提供高效率的AI運算,預計在今年年底就能出貨。

英特爾執行長布萊恩‧卡拉尼克(Brian Krzanich)表示有信心能夠超越去年設定的目標,在2020年時讓AI效能提高100倍。他認為透過「Nervana」神經網絡處理器,可以為許多產業帶來高效率的AI運算能力,他列舉了四項例子,像是在醫療保健,AI可以讓早期診斷提高精準度、增進癌症、帕金森病研究;社群媒體可以為客戶提供更個人化的服務;無人車未來能在汽車產業更快實現;AI也能幫助研究人員掌握風速、水溫數據,可以有效預測颶風軌跡。

輝達(Nvidia)過去一直在AI硬件發展遙遙領先。目前多數AI系統都以CPU(中央處理器)運作處理為基礎,但在Nvidia的推動下,許多深度學習應用都將GPU(圖形處理器)作為主要加速應用的基礎,CPU只用來作為指令運作或系統控制等需求使用。

在今年稍早,谷歌推出了張量處理單元(TPU),可說是產業界積極推動機器學習芯片創新的一個轉折點。谷歌在發表晶片時表示,TPU每瓦性能將比傳統的FPGA和GPU高一個等級。此外,有消息說這款TPU加速器已被應用於風靡全球的AlphaGo系統。但是迄今谷歌並未披露TPU的規格細節,也不打算在商業市場上銷售。

AI芯片要創新 給新創公司機會

過去新創公司要進入半導體產業幾乎難如登天,但隨著人工智能對運算效能的需求更高,給了有志打破產業規則的新創公司一個機會。

麻省理工科技評論(MIT Technology Review)報道,2017年風險投資人對人工智能芯片新創的投資資金達1.13億美元,為2015年全年3倍之多,其中英國半導體新創公司Graphcore剛從硅谷風投紅杉資本募得5千萬美元。發展人工智能芯片的新創公司有Mythic、Wave Computing、Cerebras、中國深鑑科技(DeePhi Tech)與寒武紀科技(Cambricon)等。

Mythic執行長亨利(Mike Henry)表示:「人工智能帶動的芯片需求不只造福輝達,更讓整個芯片產業都受惠。」Mythic近日獲硅谷創投公司DFJ為首的財團投資1,500萬美元。

當然芯片巨人不會坐以待斃,各芯片大廠都在加緊開發新處理器。另一個挑戰是新創主要設計高度專用化硬件,需歷時好幾年才能上市,到時候產業發生甚麼變化很難預測。◇ 

------------------

💎成為會員 📧訂閱電子報
https://hk.epochtimes.com/subscribe

🔔下載大紀元App 接收即時新聞通知
🍎iOS:https://bit.ly/epochhkios
🤖Android:https://bit.ly/epochhkand