AI芯片市场竞争：生态与技术并重
极客时间编辑部
讲述：杜力大小：1.40M时长：03:04
近日，InfoQ 记者就未来几年 AI 芯片市场竞争方面的话题采访了 IBM 全球杰出工程师、IBM 研究院认知系统全球研究负责人林咏华女士。
林咏华将 AI 芯片市场分成数据中心和终端这两个市场来分析。她认为，在数据中心，系统的硬件架构是 CPU 和 AI 加速芯片的组合形式。目前，CPU 和 AI 加速芯片往往不是来自于同一个厂商。 用于数据中心的 AI 加速芯片，主要有 GPU、FPGA，还有谷歌新提出的 TPU 等。
其中英伟达的 GPU 市场占有率最高。林咏华认为，市场的成功在一定程度上并不是依靠芯片自身的硬件性能，而是在硬件之上的软件生态。英伟达凭借过去多年在图形加速器、高性能计算加速上的布局，已经培养了许多 GPU 的开发者，也培育了 Linux 和 Windows 这些操作系统对硬件驱动的完整支持。
所以，当深度学习一出现，许多开源社区就自发对英伟达的 GPU 进行支持。纵观目前所有的深度学习软件框架，包括 Caffe、Tensorflow、CNTK 等，无一例外。虽说现在 FPGA 和 TPU 的业界呼声也很高，但生态上的暂时落后，会使得未来 2 到 3 年内，英伟达还是会在数据中心 AI 加速芯片的市场遥遥领先。
但谷歌对于深度学习和 AI 在业界的影响力是很大的。倘若谷歌把 TPU 芯片开放出来，允许更多的厂商利用 TPU 生产自己的系统，甚至自己的芯片，从而大大拓宽硬件在市场上的投放能力。另一方面，谷歌若加大通过 Tensorflow 及相关软件如 Kubernetes 对 TPU 的支持，这一局面在未来几年有可能产生变数。
谈到终端侧的 AI 芯片市场，林咏华认为暂时还是群龙混战的局面。终端侧的 AI 芯片比数据中心侧的起步要晚很多。除了少数几家如英伟达的嵌入式 GPU 系列、赛灵思 (Xilinx) 的 Zynq 系列把原有芯片用于深度学习，其他新涌现的芯片厂商目前还是在原型阶段或刚刚开始投产。实际的大规模市场应用还没有开始。
终端侧的 AI 芯片相比起数据中心，它在某些方面会面临更大的挑战。首先是性能功耗比，这对移动设备来说是最关键的。其次，芯片的软件生态、后续供货和产品路线的多样性对于终端侧的 AI 芯片也是很大的挑战。
对于服务器或数据中心市场，AI 加速器芯片通常是以可插拔的子系统形式，以标准化接口部署在服务器内。其硬件的替换成本并不会太高。但对于终端设备，比如手机类，一旦改变芯片厂商，终端硬件系统就要重新设计。所以在终端厂商进行 AI 芯片的选型时，对这些问题的考虑，往往比数据中心的使用场景要慎重的多。
目前很难谈在终端 AI 芯片上的新机遇，因为大家都才刚刚起步，包括资本市场也才刚刚进入没有多久。但林咏华也提醒到，初创型的 AI 芯片公司，一定要迅速做好软件生态系统的布局，否则很容易就被大浪淘沙。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论