导读:随着人工智能技术的发展,以CPU和GPU为代表的传统芯片在处理海量数据时已显疲态。以谷歌的人工智能产品阿尔法狗(Alpha Go)为例,它完成一盘围棋需要动用1000个CPU和200个GPU,每分钟的电费高达300美元。
为高效处理人工智能算法所需要的海量数据,特定的芯片研发已成为各大科技公司争相逐鹿的新高地。近日,国内领先的人工智能企业云知声公布其多模态AI芯片战略,并宣布其正在研发中的三款分别针对物联网语音、智慧城市、智慧出行的AI芯片。据悉,此三款芯片将于今年启动量产。
图片来源:图虫创意
随着人工智能技术的发展,以CPU和GPU为代表的传统芯片在处理海量数据时已显疲态。以谷歌的人工智能产品阿尔法狗(Alpha Go)为例,它完成一盘围棋需要动用1000个CPU和200个GPU,每分钟的电费高达300美元。同时,伴随着5G的到来,新的信息技术将进一步与人工智能结合,来自语音、图像、视频的巨量多维数据对芯片的计算能力提出了新的要求。
在这种背景下,AI芯片的研发和量产已刻不容缓。据知名市场调研公司ReportLinker预计,到2023年,全球人工智能(AI)芯片市场规模将达到108亿美元,复合年均增长率达到53.6%。AI芯片很可能是芯片界的一次变革。
目前云知声正在研发中的多款面向不同方向的芯片,其中包括第二代物联网语音AI芯片雨燕Lite,面向智慧城市场景的多模态AI芯片海豚,以及与吉利集团合作,面向智慧出行场景的多模态车规级AI芯片雪豹。
云知声创始人、CEO黄伟认为,未来人工智能应用将不仅仅是芯片与应用端的联动,更包括了云计算。“强大的云会让应用端能力更强,而强大的应用端则可提升数据处理的实时性和有效性,进而增强云的能力。”黄伟表示,二者需要紧密结合,这要求对芯片设计和云端架构进行统一考量。传统的通用方案架构由于在高实时性、高智能化场景中的算力有限,且无法平衡好成本、功耗、安全性等诸多现实需求,因此具备多维度 AI 数据集中处理能力的多模态 AI 芯片将成必由之路。
云知声于2015 年正式启动自研 AI 芯片计划,目前正在加速技术布局。“我们面向机器视觉的轻量级图像信号处理器,在不依赖外部内存的情况下,可实现 30 fps 的速率下实时对传感器的图片进行预处理;先进神经网络处理器DeepNet2.0最高可配置算力达 4T,达行业一流水平。”黄伟说。此外,云知声还与ASIC人工智能计算中心达成深度合作,开展相关基础。