ASIC AI,巨头才玩得起的游戏?未必

2017-11-27 11:22:06编辑:冀凯 关键字:ASIC  AI  CPU  GPU

  人工智能芯片主要包括GPU、FPGA、ASIC以及类脑芯片。在人工智能时代,它们各自发挥优势,呈现出百花齐放的状态。现在,人工智能已经不再局限于机器学习上,而且更多可以以更快的速度运行AI系统的新型架构正在被开发出来。英伟达、高通、英特尔、IBM、谷歌、Facebook和其它公司正在加速涌入这个领域。

  实际上,这些器件并不是真正的芯片,而是一种系统级封装。它们通常包含一颗或者两颗具有大规模处理能力的基于最新半导体制造工艺(16nm及以下)的ASIC,和大容量的超高带宽内存(比如HBM2堆栈),所有这些芯片都通过先进封装技术集成在一起。

  人工智能相关ASIC近来渐获市场注意,多家厂商如NVIDIA、英特尔、Google及部分新创企业均相继抢进开发,有望在未来形成数十亿美元市场商机规模。随着NVIDIA将GPU重新定位成为云端AI引擎角色下,也确定带动ASIC业务跟进发展,如Google如今已推出第二代TPU、英特尔在买下Nervana公司后也取得自有Nervana芯片,另外由多名前Google TPU员工创办的新创企业Groq,近日也宣布将在2018年初推出自有下一代AI芯片等等。

  
 

  Google的TPU,是专门为其深度学习算法Tensor Flow设计的,TPU也用在了AlphaGo系统中。今年发布的第二代Cloud TPU理论算力达到了180T Flops,能够对机器学习模型的训练和运行带来显著的加速效果,其实也是一款ASIC芯片。选择做ASCI定制化研发,一方面是资金不愁,另一方面也是出于Google所需提供的服务考虑。包括Google图像搜索、照片,云视觉API、Google翻译等产品和服务都需要用到深度神经网络。Google有这个需求以及能力去开发一种专门的芯片并具备规模化应用(大量分摊研发成本)的可能。

  Nervana由英特尔购并后,计划在2017年底前推出第一款AI专用化Nervana神经网络处理器(NNP)。Nervana NNP也是一款ASIC芯片,能以极高运算效率从事深度学习演算法的训练与执行。英特尔舍弃了CPU上常见的快取,改由特殊软件负责特定演算法的芯片存储器管理,希望能借此将芯片的运算密度与性能提升到新的层次。

  由前Google TPU员工创办的新创企业Groq打算在2018年发布第一代AI芯片。这款芯片对标英伟达的GPU,是专门为人工智能重新定制一款芯片。官网资料显示,这款芯片的运算速度将可以达到400万亿次每秒,每瓦特能进行8万亿次的运算。而谷歌最新一代的TPU才达到每秒180万亿次运算,Groq芯片的性能将会是谷歌TPU的两倍多。

  联发科也将有所动作。联发科共同CEO蔡力行表示,ASIC的布局联发科会发挥既有资源,通过现有团队实力,配合客户需求积极开发ASIC领域。但毕竟才刚开始,现阶段不会太挑客户,还是以整体业务成长为优先考虑。

  全球AI芯片首个独角兽寒武纪,走的也是ASIC路线。

  事实上,由于定制化、低功耗等好处,在AI领域ASIC正在被越来越多地采用,带动了ASIC设计及市场快速增长。根据Semico Research的最新调查报告,在2021年以前,人工智能声控装置ASIC的设计预计将以接近20%的年复合成长率成长,几乎达到2016年至2021年间所有ASIC设计成长率(10.1%)的两倍,去年全球ASIC出货量增长为7.7%,明年物联网ASIC单位出货量将超过18亿个单位。Semico Research指出,ASIC增长主要动力来自于工业与消费市场的成长,由于市场饱和加上需求减少,许多传统终端应用的成长速度开始减慢,而与物联网有关的应用正在起飞。

  Semico Research指出,除了物联网和人工智能以外,与智能电网、穿戴式电子产品、固态硬盘、无人机、工业物联网、先进驾驶辅助系统(ADAS)和5G基础设施相关的ASIC产品成长率预计也将较广泛的市场更迅速。在2021年以前,消费电子领域的基础SoC设计专案将以19%的CAGR成长,而工业物联网ASIC设计专案则将成长25%。

  ASIC设计研发成本难以负荷,设计服务浴火重生

  尽管如此,ASIC在AI领域的应用还是面临着不少难题。

  ASIC是依照产品需求不同而定制化的集成电路,由特定用户需求和特定电子系统的需求而设计、制造。一般来说,ASIC在特定功能上进行了专项强化,可以根据需要进行复杂的设计,可实现更高处理速度和更低功耗,相对地,ASIC的设计、制造成本也非常高。一般的IC公司很难承担为深度学习开发专门处理器ASIC芯片的成本的风险。首先未来为了性能必须使用最好的半导体工艺制程,而现在用最新的工艺制造芯片一次性成本就要几百万美元,非常贵。就算有钱,还需要组建一个团队从零开始设计,设计周期往往也非常长,可以说time to market时间太长,风险很大。且ASIC芯片还将必须不断升级以跟上新技术及工艺水平,加上ASIC芯片设计者在开发过程初期便已固定其逻辑,因此若在AI这类快速演进的领域有新想法出现,ASIC芯片将无法对此快速做出反应。如果无法实现规模化的应用,就算开发成功也美元实际应用价值。所以,IC公司一般倾向于采用通用芯片如CPU、GPU,或者半定制化芯片FPGA。

  显然,随着工艺的不停升级,ASIC的流片费用已经抬高了ASIC保底的最少芯片销售量,到最后全球也就为数不多的几家ASIC厂商能够承受这种巨额的ASIC流片成本和失败风险。借此,ASIC设计服务再次回到业界关注焦点。

  例如,美国无晶圆厂FinFET级ASIC设计服务企业eSilicon日前宣布,成功将自有深度学习ASIC送交制造所发布,eSilicon提到这款ASIC采定制IP、先进2.5D封装工艺以及为业界大型芯片之一,并为该公司首款采用台积电2.5D CoWoS封装技术的量产芯片。

  台积电业务发展副总裁BJ Woo博士指出,台积电CoWoS封装技术是针对满足这类芯片设计深度学习应用的需求,此先进封装解决方案可实现高性能及整合需求,以达到eSilicon的设计目标。前文中提到的Google TPU、Nervana NNP、Groq即将推出的第一代AI芯片,均是由ASIC公司所送交制造,并交由台积电制造。

  目前,人工智能类ASIC的发展仍处于早期。其根本原因是,ASIC一旦设计制造完成后电路就固定了,只能微调,无法大改。而硬件的研发设计与生产成本很高,如果应用场景是否为真市场尚不清晰,企业很难贸然尝试。此外,能设计出适用于人工智能芯片的公司必然是要既具备人工智能算法又擅长芯片研发的公司,进入门槛较高。因此,AI算法+ASIC设计服务+代工的商业模式的发展得宜,可以让愈来愈多AI ASIC得以陆续问世及开发。

  代工厂这边,全球有很多代工厂,但是因为难度太高,能做AI系统封装的厂商并不多,台积电、三星和格芯都在榜单之列。那么,是哪些厂商在设计AI系统封装呢?你需要看看哪些厂商真正擅长2.5D集成和拥有设计所需的关键IP(比如HBM2物理层接口和高速SerDes)。HBM2 PHY和高速SerDes模块执行该封装系统内多个组件之间的任务关键性通信。这些都是模拟设计中非常苛刻的挑战,从ASIC供应商那里购买IP可以把风险降至最低。上面提到的三项关键技术eSilicon都有涉及。擅长这些领域的ASIC厂商并不多,不过由于人工智能市场可能会出现爆炸性增长,所以这些ASIC厂商将会受益匪浅。

  台湾也有众多IC设计服务企业,在人工智能市场驱动下,ASIC生意再度好起来,且业者预期这波荣景可望持续很久。台积电大胆预言,2020年高性能计算(HPC)、AI相关芯片业绩将高达150亿美元,创意及世芯、智原亦看好来自全球AI客户对于ASIC芯片的需求热潮,可望自2017年起延续好一阵子,尤其是强调先进制程技术、极度复杂芯片设计、高效能与低功耗等,将是IC设计服务业者的新蓝海市场。

关键字:ASIC  AI  CPU  GPU

来源: 集微网 引用地址:http://www.eeworld.com.cn/qrs/article_2017112741463.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:儒卓力和英飞凌达成亚洲市场分销协议
下一篇:让FPGA替代GPU,你会有怎样的顾虑?

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

英特尔收购小型芯片制造商eASIC 可编程芯片再优化

7月13日消息,据路透社报道,英特尔周四宣布,计划收购小型芯片制造商eASIC,这将有助于进一步推动其转向多元化经营,向CPU芯片以外的领域拓展。英特尔没有披露与eASIC交易的具体条款,后者总部位于美国加州圣克拉拉(Santa Clara),这也是英特尔总部的所在地。英特尔一位发言人称,收购价格“并不重要”,但大约120人将因此加入英特尔旗下的可编程解决方案集团。2015年,英特尔斥资16.7亿美元收购芯片制造商Altera,并在此基础上成立了可编程解决方案集团。这是英特尔扩大营收基础的举措之一,因为最近几年,其主要收入来源的个人电脑市场和CPU芯片市场出现了下滑。Altera专注于现场可编程芯片,其目标是解决计算机领域最古老
发表于 2018-07-13 10:18:31

专访UIUC陈德铭教授:「万能芯片」FPGA与深度学习

机器之心原创作者:邱陆陆人工智能的风潮从技术一路蔓延到硬件,让「芯片」成为今年行业里盛极一时的主题。人们关注通用芯片领域里 CPU 和 GPU 不断刷新的基准(benchmark),更对专用芯片(ASIC)领域不同场景下不断问世的解决方案表示出了空前的热情。 而众所周知,在专用芯片与通用芯片中间,还有一个更为灵活,也更为神秘的领域:FPGA。无论是英特尔天价的收购还是微软与 IBM 雄心勃勃的计划,都让人对其更加好奇。而「万能芯片」的名称,以及多样化的职责范围:它可以是智能手机里不起眼的一个小组件,也可以是数千美金一块的开发板,也让人对其真面目更加疑惑。 FPGA 与深度学习的关系究竟是什么?它适合
发表于 2018-06-25 11:42:13
专访UIUC陈德铭教授:「万能芯片」FPGA与深度学习

比特币世界的“一时瑜亮”

宅男的心激活了。 此时,一个天才少年烤猫的逆袭经历,让他颇为振奋。 烤猫宣布他已成功研发出适用于比特币挖矿的FPGA芯片,并为此公开募资。 名望、金钱,聚光灯,瞬间加身。 而张楠赓,早就按捺不住了。 他以“ngzhang”的ID现身于比特币的论坛中,向世人展示了FPGA矿机——Icarus与Lancelot。 (bitcointalk.org论坛上,张楠赓以“ngzhang”ID发布的帖子) 两者的名字,都来自于日本动漫。 在比特币世界,张楠赓获得了“南瓜张”的绰号。 原本将于2012年年底亮相的ASIC矿机,因技术问题遭遇瓶颈。张楠赓向导师请求
发表于 2018-06-06 22:26:44
比特币世界的“一时瑜亮”

三星抢单台积电?币价暴跌下ASIC矿机芯片厂商的出路

,以及比台积电具有吸引力的报价,三星有望最快于下半年就可争取到比特大陆ASIC代工订单。与此同时,有消息称,第二大ASIC矿机厂商嘉楠耘智在台积电投片的7nm ASIC芯片将于7月量产。直接由上一代的16nm跳到7nm,在先进制程芯片的进度上抢在了比特大陆前面。相较于10nm工艺,台积电7nm工艺在速度上可提升约25%,功耗上可降低约35%。可见,受币价下跌影响,比特大陆与嘉楠耘智纷纷发力新一代的高效能挖矿芯片,以寻求更具挖矿效率的方案,实现更低的挖矿成本。在产业布局方面,据悉,詹克团密访合作伙伴的另一个目的是商讨比特大陆转型发展AI应用后的合作方向。其实,早在今年3月,比特大陆创始人吴忌寒就在“2018华盛顿DC区块链峰会”上表
发表于 2018-06-06 08:18:18

三星抢单台积电?币价暴跌下ASIC矿机芯片厂商的出路

;在性能与功耗方面,可能更具优势。业界传闻三星与比特大陆洽谈合作已多时,性能、功耗的优势,以及比台积电具有吸引力的报价,三星有望最快于下半年就可争取到比特大陆ASIC代工订单。与此同时,有消息称,第二大ASIC矿机厂商嘉楠耘智在台积电投片的7nm ASIC芯片将于7月量产。直接由上一代的16nm跳到7nm,在先进制程芯片的进度上抢在了比特大陆前面。相较于10nm工艺,台积电7nm工艺在速度上可提升约25%,功耗上可降低约35%。可见,受币价下跌影响,比特大陆与嘉楠耘智纷纷发力新一代的高效能挖矿芯片,以寻求更具挖矿效率的方案,实现更低的挖矿成本。在产业布局方面,据悉,詹克团密访合作伙伴的另一个目的是商讨比特大陆转型发展AI应用后的合作方
发表于 2018-06-05 21:50:56

三星抢单台积电?币价暴跌下ASIC矿机芯片厂商的出路

;在性能与功耗方面,可能更具优势。业界传闻三星与比特大陆洽谈合作已多时,性能、功耗的优势,以及比台积电具有吸引力的报价,三星有望最快于下半年就可争取到比特大陆ASIC代工订单。与此同时,有消息称,第二大ASIC矿机厂商嘉楠耘智在台积电投片的7nm ASIC芯片将于7月量产。直接由上一代的16nm跳到7nm,在先进制程芯片的进度上抢在了比特大陆前面。相较于10nm工艺,台积电7nm工艺在速度上可提升约25%,功耗上可降低约35%。可见,受币价下跌影响,比特大陆与嘉楠耘智纷纷发力新一代的高效能挖矿芯片,以寻求更具挖矿效率的方案,实现更低的挖矿成本。在产业布局方面,据悉,詹克团密访合作伙伴的另一个目的是商讨比特大陆转型发展AI应用后的合作方
发表于 2018-06-05 18:07:51

小广播

何立民专栏

单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved
ע39ַ ͼag콢 lolͶעʲô agֳ Űע ggٷ ɳַ ɳ Ű 7777 վٷվ GNSǮ Ԫƴ Ѷ1.5ֲ mgϷˮʱ ȫƶ Ѷ չ˾ Ȥζ ag Ǯ bbinհײ˴ȫ bbinϷͲʽ gnsվ 940 ճ淶 羺 ƱϷԪ ע mgЩ