半导体行业的反潮流人工智能如何定义下一代芯片咖啡机
沃达机械网 2022-07-13 21:24:04
某种意义上说,过去 50 年半导体行业的发展成为人类计算革命的燃料来源。
从概念上看,半导体又被理解为芯片,是一种高度小型化的电子产品,它可以非常快速地完成大量数学运算,利用这种计算可以在现实物理世界里完成目标。
简而言之,芯片是为我们的电子设备的大脑。它们帮助计算机和其他机器评估替代品,为电话、计算机、汽车、飞机、互联网提供计算能力。
半导体是在硅晶片上制造的非常复杂的物体。 这些晶圆的制造非常昂贵,前期投资需要数十亿美元。人类社会过去 60 多年的伟大技术奇迹之一,就是不断缩小芯片尺寸并不断提升计算性能,也就是我们常说的「摩尔定律」。
在这个行业,能够生产制造半导体的公司屈指可数,而且由于技术复杂,导致建造半导体工厂的成本直线上升,这也让半导体行业形成独特的商业模型,在整个链条上只有两类公司:一类是芯片设计公司,如英特尔,另一类则是芯片设计公司和芯片代工公司,或者晶圆代工公司,下图是 2018 年上半年全球十大代工厂。
不管摩尔定律是否失效,半导体行业依然在发展中,在通往 7 纳米制程的道路上,目前只有台积电、英特尔和三星,当然,英特尔目前也遭遇相当多的困难,这也意味着,从 pc 到互联网,再到智能手机,随着对计算性能要求的不断提升,整个半导体行业的集中化趋势,已经基本成定局。
从产业的角度去看,如今的半导体行业越来越像汽车行业,并购整合正在加速,尽管 2018 年博通收购高通、高通收购恩智浦都宣告失败,但产业发展的趋势不可避免,只有足够的垄断才能形成更大的议价权,未来三到五年,新的并购整合还将继续。
一
这两年来,一股半导体行业的「反潮流」开始出现:自研芯片。
智能手机领域,苹果在 2008 年悄然收购了芯片制造商 p.a. semi 公司,并在两年后推出自研的第一代芯片 a4 处理器,这款处理器很快成为 iphone、ipad 的标配产品,随后,苹果又在 apple watch、apple tv 等产品里加入自主研发的处理器。另外,根据著名苹果分析师郭明錤透露的消息,2020 年之后,苹果将在 mac 系列电脑里集成自己的芯片。
而 google,则一直在推进数据中心的芯片研发。截止到 2018 年 11 月,google 已经推出了三代 tensor process unit(以下简称为 tpu),这些产品瞄准的是日益强烈的机器学习需求,从而也增加了 google 在云端服务上的特定能力。
上述现象与半导体行业刚起步时非常相似,当时,所有的公司都在内部研发、制造芯片,随着企业研发成本的上升,有的企业开始将芯片设计、生产分开,或者直接外包给第三方公司,这样的分工协作也大大降低了成本。
但现在,越来越多的公司成为加入到「反潮流」的大军里,苹果、google 除外,亚马逊、微软以及华为、阿里巴巴,都在暗自进行芯片的研发。
二
而人工智能,也正在给半导体行业带来新的变革机遇。
从最基本的角度去理解人工智能,或者准确说机器学习,它更像是一种高级的软件形态,这个软件上可以进行大量专业数学计算。以深度神经网络来说,它是一种非常复杂的「投票」算法,通过对各个变量的权重进行复杂的计算,来实现决策。
机器学习或深度学习的过程,就是一次次的计算过程,如何才能提升计算速度呢?当然是让计算并行化,这种需求也和图像计算非常相似,尽管原理不一定相同,但事实也的确证明了,将图像计算的处理器 gpu 放在机器学习之中,效果非常好,由此也造就了过去四年英伟达的「奇迹」。
但行业内除了英伟达之外,没有人愿意看到只有 gpu 适合机器学习,从传统芯片企业英特尔到互联网巨头 google、facebook、亚马逊,都有着自己的考量。
而如果从 ai 芯片的功能层面来看,人工智能芯片主要有两个方面的需求:训练和推理。这两个需求相互联系,构成了人工智能芯片的完整流程。
先说训练,当海量被标注的数据被收集到数据中心,工程师们就要开始「训练」数据,简而言之,就是在海量的数据中寻找可用的模型。
而推理,则是将模型反应出结果呈现出来,我们常常说所谓「机器决策」,也就是说,当用户输入一个不太明确的指令后,机器能够给出一个看似合理的答案。
上面的两段话有点复杂,不妨来看两个案例,如果你在手机上用过 google photo,你会发现这个产品不仅会让你照片备份起来,还会提供一系列有趣的功能,如下图所示,你可以看到「往年今日」的推荐、以及可以直接用自然语言搜索图片。
要实现 google photo 的上述功能,你需要将数据,也就是照片先上传到 google 服务器,经过一段时间之后才能看到上图的推荐,这是因为,google 的数据训练都是在云端,而推理的结果则需要网络的支持才能呈现出来,换句话说,你需要联网才能使用。
苹果的做法则完全不同。基于苹果自主研发的芯片以及神经网络处理引擎,目前 iphone、ipad 都可以实现本地的 ai 计算,同样是照片数据的训练和推理,苹果将所有的过程都放在本地设备,如下图所示,你会看到也是类似的照片推荐、自然语言搜索等功能。
事实上,我们很难直接判断哪种方式跟好,只能说,每一种方式都有着一定的使用范围,比如在自动驾驶汽车上,人工智能芯片的处理过程必须放在本地,只有这样,才能避免与云端交换数据的延时,也能避免车祸的发生。
从上述角度出发,ai 芯片领域有三类大市场:数据中心训练、数据中心推理、设备/边缘推理。
如果说过去的芯片行业像极了汽车行业,导致没有后来者、创业者的机会,那么在 ai 芯片开创的三个领域里,却提供了足够多的想象空间,也让资本市场看到了可能性,下图还仅仅是截止到 2017 年的数据。
三
如果从 ai 芯片的三个大市场的角度去看未来的机会。
首先,数据中心 ai 芯片市场的竞争会非常激烈,一方面,cpu 不会轻易退出市场,另一方面,数据中心所有者都是全球云计算巨头,包括亚马逊、google、微软、阿里巴巴,他们对于 ai 芯片的需求当然非常强烈,但正如上文所言,他们正在自主研发自己的芯片,虽然这不代表这些公司不会采购第三方芯片,却也展现出这个市场的特殊性。
其次,设备推理市场虽然规模巨大,但却有着非常细分的领域,比如设备形态不同,导致应用场景、能耗的区别非常大,手机的推理能力与汽车显然是不同的,这也导致这个市场最终会非常庞杂,当然,巨头、创业公司都有机会在这个领域获得一席之地。
当然,与传统半导体行业类似,ai 芯片最终的走向依然会是寡头化。
- 杰和科技荣获第十届数字标牌网金孔雀奖胶鞋万向脚轮量规预热塞压铸件Trp
- 按钮开关接线步骤及开关原理鞍座空调移机组合天线连体裤筛管Trp
- 国内最大苯酚丙酮项目落户南京大豆油电视天线拉直机水族器材酸碱盐Trp
- BKM1断路器常见技术问题分析铝幕墙锌合金标牌机六角法兰美式卸扣Trp
- 劣质滤清器滤芯对发动机的影响刻楦机长筒袜弹簧钩豆干制品O型球阀Trp
- 中国电力工业统计数据分析2008正式发布电动剪洮南设备搬迁湿度矫直机Trp
- 浅谈中国印刷业近年来发展蜕变翻边机方向盘机械门锁拉刀运动护头Trp
- 国内废塑料ABS市场价1假山侯马庆典用花悬挂链废镍Trp
- 10月20日扬子巴斯夫LDPE价格稳定播种机械数控加工卫星电话罐头食品电抗器Trp
- 绿色包装设计探析二金属垫片强电点钞机辅导书零部件Trp
- 两化融合促进制造业由大变强音响线高温油泵比重计橡胶弹簧金属机箱Trp
- 玖龙一天之内3台纸机都停了去库存还是闹原转角缸安规电容液压胶管冷铆机调查清债Trp