趋势五:AI芯片关键在于成功整合软硬件
AI芯片的核心是半导体及算法。AI硬件主要是要求更快指令周期与低功耗,包括GPU、DSP、ASIC、FPGA和神经元芯片,且须与深度学习算法相结合,而成功相结合的关键在于先进的封装技术。总体来说GPU比FPGA快,而在功率效能方面FPGA比GPU好,所以AI硬件选择就看产品供货商的需求考虑而定。例如,苹果的Face ID脸部辨识就是3D深度感测芯片加上神经引擎运算功能,整合高达8个组件进行分析,分别是红外线镜头、泛光感应组件、距离传感器、环境光传感器、前端相机、点阵投影器、喇叭与麦克风。苹果强调用户的生物识别数据,包含:指纹或脸部辨识都以加密形式储存在iPhone内部,所以不易被窃取。
趋势六:AI自主学习是终极目标
AI“大脑”变聪明是分阶段进行,从机器学习进化到深度学习,再进化至自主学习。目前,仍处于机器学习及深度学习的阶段,若要达到自主学习需要解决四大关键问题。首先,是为自主机器打造一个AI平台;还要提供一个能够让自主机器进行自主学习的虚拟环境,必须符合物理法则,碰撞,压力,效果都要与现实世界一样;然后再将AI的“大脑”放到自主机器的框架中;最后建立虚拟世界入口(VR)。目前,NVIDIA推出自主机器处理器Xavier,就在为自主机器的商用和普及做准备工作。
趋势七:最完美的架构是把CPU和GPU(或其他处理器)结合起来
未来,还会推出许多专门的领域所需的超强性能的处理器,但是CPU是通用于各种设备,什么场景都可以适用。所以,最完美的架构是把CPU和GPU(或其他处理器)结合起来。例如,NVIDIA推出CUDA计算架构,将专用功能ASIC与通用编程模型相结合,使开发人员实现多种算法。
趋势八:AR成为AI的眼睛,两者是互补、不可或缺
未来的AI需要AR,未来的AR也需要AI,可以将AR比喻成AI的眼睛。为了机器人学习而创造的在虚拟世界,本身就是虚拟现实。还有,如果要让人进入到虚拟环境去对机器人进行训练,还需要更多其它的技术。
迎物联网时代来临
至于 CPU是否会被TPU、NPU、VPU….等之类新类型处理器取代,答案应该不会。
因为,新出现的处理器只是为了处理新发现或尚未解决的问题,而且未来倾向将CPU整合。同时,芯片市场期望能有更多竞争及选择,不要英特尔、高通独大。
迎物联网时代来临,以往大家认为摩尔定律最后会走到极限,但未来硅时代是异质性及跨界的整合,还有很多需求未出现。NVIDIA执行官黄仁勋则表示,摩尔定律已经是旧时代的法则,GPU的计算速率和神经网络复杂性都在过去2到5年内呈现出爆发性成长。
展望未来,随着AI、物联网、VR/AR、5G等技术成熟,将带动新一波半导体产业的30年荣景,包括:内存、中央处理器、通讯与传感器四大芯片,各种新产品应用芯片需求不断增加,以中国在半导体的庞大市场优势绝对在全球可扮演关键的角色。