2018年AI芯片爆发倒计时（下）：AI生态成熟，IC工程师失业？

上接 2018年AI芯片爆发倒计时（中）：用FPGA还是专用ASIC？

从云端到终端，从传统行业到AI，如何满足不同算法应用及生态圈的差异化需求成为AI芯片商的难点和重点。

对于AI生态的构建，基于开放生态的Arm自然有自己的“秘笈”。Arm的金勇斌表示，在传统领域，各厂商会基于ARM的CPU和GPU来做芯片，Arm会围绕CPU为核心来构建子系统。到了AI产业，则需要在通用平台上构建一个更灵活的生态系统。由于AI的系统是非常碎片化的，因此需要整合算法和硬件公司的资源。2016年，Arm生态系统加速器安创空间联合全志科技、地平线机器人发起了AI实验室OPEN AI LAB，主要目的就是不仅和芯片合作伙伴，还要把很多OEM和终端、算法、App应用商拉到联盟中来。“只有把芯片、模组、算法、设备制造、部署场景需求的公司放到一起，通过充分交流和协作，最后才会试探出很多垂直场景出来。” 金勇斌表示，对于中国本土的一些白牌企业，他们的制造能力、物流控制、供应链能力是很强的，产品周期很快，他们也想利用现有的生态快速做出设备来。OPEN AI LAB也在想办法寻找算法公司能够赋能这些公司。

与Arm不同，Intel更多采用自身投资来构建AI生态。2016年Intel收购了Nervana Systems，作为计算机架构师和神经科学家的Rao也随即加入Intel。作为Nervana的首席执行官兼联合创始人，他带领Nervana成为深度学习领域中公认的领导厂商。比如投资像Mighty AI、Data Robot和Lumiata这样的初创企业，并为那些帮助推进人工智能发展的企业投资超过10亿美元。通过Intel自身的投资组合，来投资Intel深度学习技术能加快处理复杂流程以及数据密集型流程的速度，例如图像识别和自然语言处理。比特大陆也在通过投资加速AI领域布局。2017年12月，比特大陆集团宣布收购智能机器人公司北京萝卜科技有限公司资产，打造机器人产品线“新物种”，加强“萝小逗”系列机器人的开发。比特大陆CEO詹克团表示，收购后，比特大陆集团会加大对机器人产品线的研发投入，在比特大陆人工智能芯片和算法技术的支持下，“新物种”系列智能机器人产品将会更加丰富，功能也将更加强大。

以前联发科技针对客户主要提供“Turnkey”交钥匙方案，而到了AI生态圈与传统的CPU生态圈有了很大的不同，AI平台要适应的终端包括手机、数字电视、智能语音终端、车载、IoT设备等，这些都需要花时间来进行重新构建。据介绍，联发科技希望凭借 NeuroPilot AI平台成为终端AI的推动者(Edge AI enabler)。NeuroPilot AI平台支持目前市面上主流的AI架构，包括Google的TensorFlow、Caffe、Amazon的MXNet、Sony的NNabla等。操作系统方面，联发科技同时支持Android与Linux系统。除了提供人工智能处理器，联发科技也将推出NeuroPilot SDK，让开发者得以更为便利地采用联发科技芯片，为消费型设备打造AI应用程序与功能。

“以CPU为例，基本上都和特定的OS捆绑，不管是微软还是安卓都是独占。但是AI不一样，开发者可以用不同的运算单元来运行算法，可以用CPU，也可以用GPU、DSP来支持，不会被某个硬件绑死。” 林宗瑶认为，现在做AI的公司可能在某些节点会有些技术，但布局不够广，而终端AI的产品线只有布局够广，才会产生重大的影响。“能够同时拥有这么多产品线的，放眼全球也就联发科技能做到。”

“我们不会提供单独的AI芯片，因为以现在很多客户的能力很难支持单独的CPU、GPU运算开发。” 林宗瑶表示，对于一些中小客户来说，因为研发能力有限，光是提供一个单独的AI芯片还不够。此外，联发科技还会针对客户提供可移植性和定制化需求。对于手机客户和普通消费者来说，更关心的是AI硬件能搭配什么样的应用。目前主流的AI相关应用包括面部识别、面部美化、场景检测、手势检测、系统性能、语音识别等，有些功能比如人脸解锁和支付，需要跟软件做整合，避免安全性的问题。林宗瑶表示，NeuroPilot人工智能平台会支持目前市面上大多数常用的App应用，例如，智能照相功能、语音及影像侦测或辨识等。也会针对一些专业性合作伙伴如商汤、旷视、思必驰、科大讯飞、有道等提供定制化需求。“我们预期在2018年针对方案提供商提供功能，2019年会有很多App有AI功能进来。” 林宗瑶表示，过去MTK提供的是交钥匙的方案，现在提供AI平台将开放给所有的合作伙伴以及非专业的使用者。所以MTK会提供开发者友好SDK工具包。未来会更强调工具包的重要性，这个工具包是面向系统级的级别。

在火热的AI领域，更快速的推出高质量AI应用是抢占市场先机的最好手段。华为日前针对工程师举行了“华为Hi AI能力开放公开课”，将帮助尝试投身AI领域的企业和开发者，提升技术人员竞争力，促进行业技术的提升，共同推动AI生态的发展。

什么是华为HiAI呢？据了解，HiAI移动计算平台开放三层的能力，分别为云端能力开放(Huawei HiAI Services)、端侧应用能力开放(Huawei HiAI Engine)和端侧芯片能力开放(Huawei HiAI Accelerator)。

其中，底层Huawei HiAI Accelerator是HiAI芯片能力开放的核心内容，能够快速转化和迁移已有模型，借助NPU的加速获得最佳性能，主要依靠麒麟芯片实现。华为HiAI引擎的目标，通过开放应用层API，使能开发者在不懂AI算法的情况下也能开发高质量AI应用，完全聚焦在应用的体验和业务实践上，而不是聚焦在后端大量的模型训练和算法上。

启英泰伦科技总经理高君效

启英泰伦科技总经理高君效表示，AI生态系统主要分为三个领域：基础层、技术层、应用层。Chipintelli的主要研究方向是人工智能芯片及算法和产品整体解决方案，囊括了芯片、神经网络算法、大数据处理、语音识别、自然语言处理等核心技术，横跨基础层和技术层两个领域，主要服务于应用层的终端设备，如智能家电、智能照明、智能汽车、智能机器人、专用智能硬件等领域。

在AI生态圈中，中科创达给自己的定位是嵌入式人工智能的一个赋能者。中科创达副总裁杨宇欣表示，虽然目前各大互联网公司都在投入AI技术研发，希望通过云端来提高AI能力。但很多传统行业数据是不开放的，这时候特别需要提供技术和解决方案的客户。中科创达的生态构建主要通过投资一些传感器和应用算法的团队来做。“比如我们投过BELLUS 3D，就是我们做的人脸3D重建公司，还有一家PreceptIn，是做双目深度视觉传感器，给无人车、机器人提供双目的测距算法和模组。有我们投了一家叫黑芝麻，主要做车相关的算法。” 杨宇欣表示，对很多的垂直行业来讲，机器视觉的算法有很多不同的应用场景，这些场景需要很多的算法。中科创达建立了一整套AI的算法平台，能够快速的训练和生成算法。所以中科创达不但与商汤等算法公司有合作，也类似于华为的麒麟970合作，来进行算法的优化。

另一个赋能者是赛灵思。“通过提供一些共通的硬件、软件库，我们希望帮助用户完成80%的基础设计，用户则可以专注在剩下的算法研发、应用优化等工作上。” 周海天指出，在AI生态圈，赛灵思的客户已经不仅是做逻辑、硬件开发了，往往是需要做软件层面开发。软件堆栈使得FPGA可以进入更多的市场。“我们其实希望让不懂硬件开发的客户也可以应用到我们的产品。”他认为目前主要的云服务厂商已经广泛使用FPGA服务，通过完整的加速堆栈支持软件开发，以及面向嵌入式系统的FPGA设计的软件驱动工具和方法，赛灵思面向的将不再只是硬件工程师。

在AI的生态布局上，目前赛灵思与非常多的合作伙伴合作，同时也入股了一深鉴科技，主要开发车载相关的嵌入式视觉应用算法。目前赛灵思与一些客户共同推出云平台，比如华为推出华为云，是赛灵思、华为、深鉴科技一起推动的。周海天表示，赛灵思未来会针对一些特殊的应用，如汽车自动驾驶等布局一些算法公司，同时也会与很多公司进行合作。 “我们绝对是AI生态的一个关键技术环节，我们可以提供一个核心的AI技术给生态圈，给AI更加普遍的应用。”对于赛灵思在人工智能生态的定位，他最后表示。

IC工程师将失业？AI将如何改变芯片业？

AI作为一种技术或工具，正在深深的影响和改变各行各业。那么AI对于芯片设计业本身有没有影响呢？

启英泰伦科技总经理高君效认为，互联网时代造就了谷歌、Facebook以及BAT等巨头。随着AI从云端向终端的转移，各大半导体巨头纷纷将AI作为布局重点，半导体产业无疑将会首先受益。而由于AI芯片的数字逻辑规模很大，也会推动半导体工艺往更高的工艺节点迈进，以获得更佳的面积成本和功耗。最后，随着AI行管芯片公司越来越多，也会产生更多的关联设计服务公司，产业的发展会促进相关人员的就业，提供更多的工作岗位。

眼擎科技CEO 朱继志

眼擎科技CEO朱继志认为，从横向来看，AI产业就像一个大脑，各个产业是器官，大脑是给各个产业赋能的行业，驱动很多工业、汽车、医疗等器官产业升级，带来很多新的机会和挑战，给大家赋予大脑，影响是很大的，之前说过，AI是软件驱动硬件，将来的产业结构将发生变化，软件定义，软硬融合会更加明显；纵向来看，对上游芯片企业也会有很大的影响。AI的本质是算法驱动芯片，算力、算法、数据三个重点需求会重新定义设计；越来越多的软件公司，硬件公司，在新的一轮芯片的竞争当中都会参与进来，传统芯片公司的地位虽然稳定，但会面临挑战；在这个过程当中，需要更多种类，更加灵活的IP。

金勇斌则认为，目前还没看到哪个前端的半导体对AI的工艺产生颠覆性的需求。目前深度学习的加速器效率应该追求合适而并不是先进工艺。“主要还是看应用需求，如果追求极致的效能比，当然工艺越先进越好，但是如果考虑到成本后也没有竞争性。” 金勇斌认为，成本对于AI终端的普及很重要，因此就算是在40nm的芯片上也可以做出合适的AI芯片。

当然，AI影响到的不仅是芯片公司，还包括上游的EDA公司。Cadence Design Systems等EDA供应商早在1990年代初就开始研究机器学习。Cadence研发部资深总监David White表示，这项技术于2013年首次导入于其产品中，采用Virtuoso的一个版本，并利用分析和数据探勘为寄生参数撷取创建机器学习模型。在2017年5月份，Cadence推出了业界首款独立完整的神经网络DSP - Cadence Tensilica Vision C5 DSP。主要面向对神经网络计算能力有极高要求的视觉设备、雷达／光学雷达和融合传感器等应用。

截至目前为止，Cadence已经为其工具提供超过110万种机器学习模型了，用于加速长时间的计算。下一个阶段的产品开发就是布局与绕线工具，使其得以向人类设计师学习，并推荐可加速运转时间的优化方案。White解释，这些解决方案可能结合使用本地和基于云端的处理，以利用平行系统和大型数据集。在工具方面，Cadence一直在研究如何将人工智能、机器学习应用到模拟、数字、验证产品线中。Cadence中国区总经理徐昀认为，芯片设计有很多经验的积累和很多重复劳动，都可以通过神经网络的算法和机器学习来得到改善，这可能是未来芯片设计的一个大方向。

“人工智能需要数据来喂养，我们现在遇到的挑战是怎么拿到数据，这需要与客户和整个行业一起来探讨推动。”徐昀表示。未来在做芯片或系统的仿真时，机器也会通过慢慢学习达到系统优化，直至有很少的人工干预。在推进过程中，Cadence将为用户提供相应接口，也可以接入到第三方的接口。

在一年一度的DesignCon大会上，Synopsys研发总监Sashi Obilisetty表示，在先进工艺节点上，采用现有算法的全局绕线(global routing)工具已经达到极限了，因此他们开始降低芯片数据速率，以实现时序收敛。她补充说，台积电(TSMC)去年使用机器学习预测全局绕线，使得速度提高了40MHz；Nvidia则用机器学习来提供芯片设计的全面覆盖，同时减少模拟。参加这场专题讨论的专家们说，他们看到了业界存在着使用各种机器学习技术实现自动化特定决策和优化整体设计流程的许多机会。具体而言，研究人员正探索以更快速度的AI模型取代当今仿真器的机会。AI可以在EDA工具(有时是指旋钮)中设置几十种选项，协助加速自动化过程。除了由Amazon、Google和Facebook图片搜索和语音识别服务推广的神经网络模型以外，芯片研究人员也使用了数据探勘、统计学习和其他工具。

最后，随着EDA工具进入AI时代，IC设计工程师会失业吗？“需要考虑为什么企业需要工程师，而不是人工智能。工程师能够为企业提供哪些不一样的东西？这个关键在于工程师要把握好自己的定位，要增加核心竞争力，特别是在整个芯片的规划、对设计/验证的全局观上。毕竟艺术创作是不可替代的。” 徐昀表示。

本文为《电子工程专辑》原创，版权所有，谢绝转载

关注最前沿的电子设计资讯，请关注“电子工程专辑微信公众号”。