來(lái)源：本文由 公眾號(hào) 半導(dǎo)體行業(yè)觀察（ID：icbank）翻譯自「semiengineering」,。
AI是當(dāng)下的新聞熱點(diǎn),。如今，AI已經(jīng)用于醫(yī)學(xué)診斷,、合成新的化學(xué)物質(zhì),、識(shí)別藏匿在人群中的罪犯的面孔、駕駛汽車,，甚至進(jìn)行藝術(shù)創(chuàng)作,。有時(shí),，我們似乎感覺(jué)AI無(wú)所不能,，人類很快就會(huì)失業(yè)，默默看著AI為我們完成一切,。
為了解AI技術(shù)的起源,，本文記錄了AI的發(fā)展歷程，通過(guò)高級(jí)駕駛員輔助系統(tǒng)（ADAS）和自動(dòng)駕駛汽車的案例,，分析了AI芯片目前的發(fā)展?fàn)顟B(tài),，以及如何讓AI芯片真正改變我們的日常生活。讓我們從AI的歷史開(kāi)始講起,，隨著AI的發(fā)展,，更專業(yè)化的技術(shù)出現(xiàn)了，即所謂的機(jī)器學(xué)習(xí),，它依靠經(jīng)驗(yàn)學(xué)習(xí)而不是編程來(lái)做決策,。反過(guò)來(lái)，機(jī)器學(xué)習(xí)也為后來(lái)的深度學(xué)習(xí)奠定了基礎(chǔ),。深度學(xué)習(xí)涉及到分層算法,，目的是為了更好地理解數(shù)據(jù)。
圖1：AI導(dǎo)致了機(jī)器學(xué)習(xí)的出現(xiàn),，后來(lái)又演變成深度學(xué)習(xí) （來(lái)源：英偉達(dá)）
AI技術(shù)本源
1956年達(dá)特茅斯會(huì)議上,，科學(xué)家約翰·麥卡錫，克勞德·香農(nóng)和馬文·明斯基提出了“人工智能”一詞,。50年代末,，阿瑟·薩繆爾（Arthur Samuel）提出了“機(jī)器學(xué)習(xí)”這個(gè)術(shù)語(yǔ)，他開(kāi)發(fā)了一個(gè)西洋跳棋程序,，可以從錯(cuò)誤中吸取教訓(xùn),，經(jīng)過(guò)學(xué)習(xí)后，甚至比編寫程序的人棋力更強(qiáng),。
在這個(gè)計(jì)算機(jī)技術(shù)飛速發(fā)展的時(shí)代,，樂(lè)觀的環(huán)境讓研究人員相信AI技術(shù)將在短時(shí)間內(nèi)“攻克”,。科學(xué)家們研究了基于人腦功能的計(jì)算是否能夠解決現(xiàn)實(shí)生活中的問(wèn)題,，創(chuàng)造了“神經(jīng)網(wǎng)絡(luò)”的概念,。1970年，馬文·明斯基在《生活》雜志中講到,，“未來(lái)3~8年內(nèi),，我們將擁有相當(dāng)于普通人智力水平的機(jī)器?！?/p>
到了20世紀(jì)80年代,，AI走出實(shí)驗(yàn)室，進(jìn)入商業(yè)化,，掀起了一股投資熱潮,。80年代末，AI技術(shù)泡沫最終破裂,，AI又回到了研究領(lǐng)域,，科學(xué)家們繼續(xù)開(kāi)發(fā)AI的潛能。行業(yè)觀察者稱AI是一種超前于時(shí)代的技術(shù),，也有人說(shuō)是未來(lái)科技,。經(jīng)歷了相當(dāng)長(zhǎng)一段時(shí)間的所謂“AI寒冬”之后，商業(yè)開(kāi)發(fā)再次啟動(dòng),。
圖2：AI時(shí)間表
1986年,，杰弗里·希爾頓（Geoffrey Hinton）和他的同事發(fā)表了一篇里程碑式的論文，描述了一種稱為“反向傳播（back-propagation）”的算法,，該算法可以顯著提高多層或“深度”神經(jīng)網(wǎng)絡(luò)的性能,。 1989年，嚴(yán)恩·樂(lè)庫(kù)（Yann LeCun）和貝爾實(shí)驗(yàn)室的其他研究人員創(chuàng)建了一個(gè)可以訓(xùn)練識(shí)別手寫的郵政編碼的神經(jīng)網(wǎng)絡(luò),，展示了這項(xiàng)新技術(shù)在現(xiàn)實(shí)世界中的重要應(yīng)用,。他們訓(xùn)練深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)（CNN）只花了3天時(shí)間。時(shí)光飛逝到2009年,，斯坦福大學(xué)的Rajat Raina,、Anand Madhavan和Andrew Ng發(fā)表了一篇論文，闡述了現(xiàn)代GPU在深度學(xué)習(xí)領(lǐng)域擁有遠(yuǎn)遠(yuǎn)超過(guò)多核CPU的計(jì)算能力,。AI已經(jīng)準(zhǔn)備好重新起航,。
探索真正的AI芯片
為什么當(dāng)今我們總是聽(tīng)到不可勝數(shù)的關(guān)于AI的消息？關(guān)鍵因素的融合為AI技術(shù)的巨大進(jìn)步奠定了基礎(chǔ),，許多人認(rèn)為這能夠解決越來(lái)越重要的現(xiàn)實(shí)問(wèn)題,。利用當(dāng)今互聯(lián)網(wǎng)提供的基礎(chǔ)設(shè)施，全球研究人員可以獲得創(chuàng)建新算法和解決方案所需要的計(jì)算能力,、大規(guī)模數(shù)據(jù)和高速通信,。例如,，汽車行業(yè)已經(jīng)表示，愿意為AI技術(shù)投入研發(fā)資金,，因?yàn)闄C(jī)器學(xué)習(xí)有能力處理自動(dòng)駕駛等高度復(fù)雜的任務(wù),。
AI芯片設(shè)計(jì)的主要挑戰(zhàn)之一就是將一切整合到一起。我們?cè)谶@里討論的是超大型的定制SoC,，它使用多種類型的硬件加速器實(shí)現(xiàn)深度學(xué)習(xí),。設(shè)計(jì)AI芯片可能是非常困難的事情，尤其是考慮到汽車行業(yè)對(duì)安全性和可靠性的嚴(yán)格要求,，但AI芯片仍然只是芯片而已,，或許在加工工藝、存儲(chǔ)器,、I/O和互連技術(shù)方面會(huì)有一些新的解決方案,。
像谷歌和特斯拉這樣的IC設(shè)計(jì)新手公司，以及AIMotive和Horizon Robotics這樣的AI芯片創(chuàng)業(yè)公司,，都對(duì)深度學(xué)習(xí)的計(jì)算復(fù)雜性有深入的了解,，但在開(kāi)發(fā)這些最先進(jìn)的SoC時(shí),，它們可能會(huì)面臨嚴(yán)峻的挑戰(zhàn),。可配置的互連IP在確保業(yè)內(nèi)所有這些新參與者能夠盡快獲得功能性芯片方面可以發(fā)揮關(guān)鍵作用,。
圖3：AI芯片剖析圖,，以谷歌TPU為例。
例如,，對(duì)于汽車前置攝像頭,，可以采用具有深度學(xué)習(xí)加速器的AI芯片，它們可以對(duì)路邊的目標(biāo)進(jìn)行檢測(cè)和分類,。每顆AI芯片都有唯一的內(nèi)存訪問(wèn)配置文件,，以確保最大帶寬。片內(nèi)互連的數(shù)據(jù)流必須進(jìn)行優(yōu)化,，以確保在滿足性能目標(biāo)時(shí)有更寬的帶寬路徑,，但在可能的情況下分配窄路徑以優(yōu)化面積、成本和功耗,。
每個(gè)連接也必須進(jìn)行優(yōu)化,，以適應(yīng)更高級(jí)別的AI算法。為了讓它更有趣,，人們每天都在開(kāi)發(fā)新的AI算法,。從某種程度上講，今天的深度學(xué)習(xí)芯片就像香蕉,，沒(méi)有人想在自己的AI芯片中使用爛香蕉或老算法,。對(duì)于這些前沿產(chǎn)品而言,，上市時(shí)間甚至比其他很多半導(dǎo)體產(chǎn)品更為重要。
AI的未來(lái)
雖然深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)正在迅速推動(dòng)AI技術(shù)的發(fā)展,，但仍有許多研究人員認(rèn)為,，如果要實(shí)現(xiàn)AI最不可思議的目標(biāo)，仍然需要從根本上采用完全不同的新方法,。大多數(shù)AI芯片的設(shè)計(jì)都是為了實(shí)現(xiàn)LeCun和Hinton以及其他人在十多年前發(fā)表的相同想法的不斷改進(jìn)的版本,，但是我們沒(méi)有理由期望，沿著這條道路取得指數(shù)級(jí)別的進(jìn)展就能讓AI變得可以像人類一樣思考,。正如我們今天所知道的那樣,，我們無(wú)法將付出巨大努力完成了一項(xiàng)任務(wù)的深度學(xué)習(xí)應(yīng)用到一項(xiàng)不同的新任務(wù)中。
此外,，神經(jīng)網(wǎng)絡(luò)沒(méi)有很好的方法來(lái)整合先前的知識(shí),，也沒(méi)有“向上vs向下”（up vs down）以及“孩子有父母”（children have parents）這樣的規(guī)則。最后,，基于神經(jīng)網(wǎng)絡(luò)的AI需要大量的例子來(lái)學(xué)習(xí),，而人類只要有一次難忘的經(jīng)歷就能學(xué)會(huì)不去碰火爐。目前尚不清楚如何將現(xiàn)有的AI技術(shù)應(yīng)用于那些沒(méi)有海量標(biāo)記數(shù)據(jù)集的問(wèn)題,。
雖然AI芯片目前還不是特別智能,，但它們絕對(duì)很聰明，而且很有可能在不久的將來(lái)變得更加智能,。這些芯片將繼續(xù)利用半導(dǎo)體加工,、計(jì)算機(jī)架構(gòu)和SoC設(shè)計(jì)方面的先進(jìn)技術(shù)，以提高處理能力,，支持下一代AI算法,。與此同時(shí)，新的AI芯片將繼續(xù)需要先進(jìn)的存儲(chǔ)系統(tǒng)和片上互連架構(gòu),，以便為新的專有硬件加速器提供深度學(xué)習(xí)所需的源源不斷的數(shù)據(jù)流,。