清华-人工智能芯片报告.docx

《清华-人工智能芯片报告.docx》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2018人工智能芯片研究报告AMiner研究报告第十四期清华-中国工程院知识智能联合实验室2018年10月一·概述篇1.1AI芯片的分类21.2AI芯片发展历程41.3我国AI芯片发展情况6二·技术篇2.1传统的CPU及其局限性82.2并行加速计算的GPU92.3半定制化的FPGA102.4全定制化的ASIC122.5类脑芯片132.6AI芯片技术特点比较14三·产业篇3产业篇16四·人物篇4.1学者分布及迁徙244.2代表性研究学者25五·应用趋势篇5应用领域篇31六·趋势篇6趋势篇36Contents目录图表目录图1人工智能与深度学习2图2AI芯片发

2、展历程5图3传统CPU内部结构图（仅ALU为主要计算模块）8图4CPU及GPU结构对比图（引用自NVIDIACUDA文档）9图5GPU芯片的发展阶段10图6FPGA在人工智能领域的应用11图7Cambricon-1A（引用自官网）16图8集成了NPU的神经网络处理器（引用自官网）17图9地平线公布的BPU发展战略图（引用自官网）17图10亚里士多德架构（引用自官网）18图11CI1006芯片（引用自官网）19图12华为麒麟970神经网络处理器NPU19图13人工智能芯片领域研究学者全球分布24图14人工智能芯片领域研究学者全球分布24图15各国人才逆顺差

3、25图16AI芯片应用领域31图17华为Mate10成像效果对比图31图18苹果的FaceID32图19分解卷积可降低消耗36图20逐层动态定点方法37图21五级流水线结构37表1人工智能专用芯片（包括类脑芯片）研发情况一览12摘要2010年以来，由于大数据产业的发展，数据量呈现爆炸性增长态势，而传统的计算架构又无法支撑深度学习的大规模并行计算需求，于是研究界对AI芯片进行了新一轮的技术研发与应用研究。AI芯片是人工智能时代的技术核心之一，决定了平台的基础架构和发展生态。本报告在此背景下，对人工智能芯片的发展现状进行了简单梳理，包括以下内容：人工智能芯片

4、概念。首先对人工智能芯片相关概念、技术路线以及各自特点进行介绍，接着对国外、国内AI芯片的发展历程及现状进行梳理。AI芯片的技术特点及局限性。对AI芯片的几个技术流派进行介绍。AI芯片厂商介绍。对AI芯片领域的国内外代表性厂商进行介绍。AI芯片领域专家介绍。通过AMiner大数据平台对AMiner的人工智能芯片人才库进行数据挖掘，统计分析领域内学者分布及迁徙。同时，介绍了目前AI芯片领域的国内外代表性研究学者。AI芯片应用领域介绍。AI芯片已经渗透到日常生活的方方面面，本报告主要对智能手机、ADAS、CV、VR、语音交互设备、机器人等方向的应用进行介绍。

5、AI芯片的发展趋势介绍。人工智能的发展历经波折，如今得益于大数据的供给、深度学习算法的革新以及硬件技术的提升，AI芯片以不可阻挡的势态飞速发展。AI芯片的算力提高、功耗降低及更合理的算法实现必然是将来的发展趋势。1concept概述篇1概述篇人工智能（ArtificialIntelligence，AI）芯片的定义：从广义上讲只要能够运行人工智能算法的芯片都叫作AI芯片。但是通常意义上的AI芯片指的是针对人工智能算法做了特殊加速设计的芯片，现阶段，这些人工智能算法一般以深度学习算法为主，也可以包括其它机器学习算法。人工智能与深度学习的关系如图1所示。图1人

6、工智能与深度学习深度学习算法，通常是基于接收到的连续数值，通过学习处理，并输出连续数值的过程，实质上并不能完全模仿生物大脑的运作机制。基于这一现实，研究界还提出了SNN（SpikingNeuralNetwork，脉冲神经网络）模型。作为第三代神经网络模型，SNN更贴近生物神经网络——除了神经元和突触模型更贴近生物神经元与突触之外，SNN还将时域信息引入了计算模型。目前基于SNN的AI芯片主要以IBM的TrueNorth、Intel的Loihi以及国内的清华大学天机芯为代表。1.1AI芯片的分类（1）AI芯片按技术架构分类GPU（GraphicsProce

7、ssingUnit，图形处理单元）：在传统的冯·诺依曼结构中，CPU每执行一条指令都需要从存储器中读取数据，根据指令对数据进行相应的操作。从这个特点可以看出，CPU的主要职责并不只是数据运算，还需要执行存储读取、指令分析、分支跳转等命令。深度学习算法通常需要进行海量的数据处理，用CPU执行算法时，CPU将花费大量的时间在数据/指令的读取分析上，而CPU的频率、内存的带宽等条件又不可能无限制提高，因此限制了处理器的性能。而GPU的控制相对简单，大部分的晶体管可以组成各类专用电路、多条流水线，使得GPU的计算速度远高于CPU；同时GPU拥有了更加强大的浮点运

8、算能力，可以缓解深度学习算法的训练难题，释放人工智能的潜能。2但GPU无法单独工