ai和单位太多炸的是cpu吗
点击联系发帖人
时间：2018-02-22 22:30
吃鸡感觉cpu要炸了…
引用2楼 @ 发表的:涂了啊，而且没少涂呢，涂了整整一管，散热器也正常运转呢龟龟 这么秀的吗
引用59楼 @ 发表的:你丫涂整整一管硅脂能不温度爆炸？硅脂涂簙簙的一层就行，a4纸那么厚吧大概可能我这个“一管”让大家误解了，我的“一管”全挤出来也不过像花生那么大
引用60楼 @ 发表的:上水冷阿！又不是多贵的事！直接降几十度，硅脂也不用涂太多，簙簙一层就行了，最重要是涂均匀，你cpu都90度了，显卡肯定更高。讲真显卡还正常，50+℃，搞错了是主板90多℃
引用62楼 @ 发表的:可能我这个“一管”让大家误解了，我的“一管”全挤出来也不过像花生那么大那也太多了啊。你还不相信是因为硅脂涂多了的问题，硅脂在涂均匀的基础上，涂的越簙越好。
发自手机虎扑 m.hupu.com
引用2楼 @ 发表的:涂了啊，而且没少涂呢，涂了整整一管，散热器也正常运转呢涂太多了，大兄弟，原谅我笑出声……
引用63楼 @ 发表的:讲真显卡还正常，50+℃，搞错了是主板90多℃我装水冷，cpu待机24度，显卡25度，主板18度，玩吃鸡，cpu40度，显卡就上60度了，主板也是30度，装个cpu和显卡一起的水冷，或者cpu单水冷就行了，主板高是机箱布局不好，风扇风道要合适。
引用12楼 @ 发表的:为了预防这个问题我不装显示温度的软件兄弟666，大学的时候拿舍友神舟本玩GTA4 一点开始鲁大师就报警，直到我卸载掉之后才能安心进行游戏，而且最后这台笔记本都没烧
引用67楼 @ 发表的:兄弟666，大学的时候拿舍友神舟本玩GTA4 一点开始鲁大师就报警，直到我卸载掉之后才能安心进行游戏，而且最后这台笔记本都没烧我觉得软件就是吓人的
CPU吃鸡时候的温度多少应该是正常的。
我的显卡 也可以流畅玩啊
fps60左右 不卡
我也8400，没那么热
我就四十几度…?
您需要登录后才可以回复，请或者
2084人参加团购289.00元&639.00元
1867人参加团购518.00元&799.00元
70人参加团购469.00元&799.00元
263人参加团购399.00元&699.00元
1065人参加团购299.00元&799.00元
62人参加团购399.00元&799.00元
71人参加团购145.00元&160.00元
386人参加团购589.00元&999.00元
274人参加团购399.00元&669.00元
975人参加团购399.00元&729.00元
326人参加团购499.00元&899.00元
398人参加团购968.00元&1399.00元扫一扫，用手机看新闻！
用微信扫描还可以
分享至好友和朋友圈
您所在的位置： >
AI产业核心研究：芯片四大流派论剑，中国能否弯道超车
| 研究员专栏
00:00:00 来源：腾讯研究院 作者：张孝荣 殷竹馨 浏览次数：2078
随着AI产业快速突破，各大公司在AI领域的人才动向也在引起极大关注，你来我往、归去来兮，AI江湖上大有一片血雨腥风之势。当然，AI领军人物的变动，会对具体公司业务造成影响。但从整个行业来看，人才流动的频繁，反倒有可能促进产业的整体进程。
不信你翻翻历史。AI这门功夫自1956年问世以来，至今已经历60年风风雨雨，一直是流派众多，难学难练，没有大成。
难学，是因为必须要掌握一种叫做“算法”的神功；难练，是因为需要有足够算力，能够处理数据样本，训练机器。
几十年来，一直是有算法没算力，甚至于有人认为，人工智能就是一个科幻，就是小说家跟人类开的一个玩笑而已。谁也没想到，进入21世纪后算力大爆炸。引发了整个AI产业开天辟地般的变化。
其中，算法上升为天——深度学习，分成DBN，CNN，BP，RBM等等诸多分支，其中佼佼者当属CNN(convolutional neural networks)，人称卷积神经网络，应用广泛。
算力，下降为地——AI芯片。各种芯片如雨后春笋涌现，拿过来训练机器，得心应手啊。
庙堂之上也为AI驾临人间雀跃不已。世界各国意识到人工智能的重要性，纷纷箪食壶浆，以迎AI。
联合国于2016年发布告示，召集人类讨论机器人的制造和使用如何促进人工智能的进步，以及可能带来的社会与伦理问题。
美国政府于2016年连续颁发三道金牌：《美国国家人工智能研发战略计划》、《为人工智能的未来做好准备》、《人工智能、自动化与经济报告》，宣称加入人工智能教派，并且描绘了此举能带来的种种美好的前景。
英国政府见此立即照方抓药，刊发了《机器人技术和人工智能》报告，详细的阐述英国的机器人技术与AI的亲密关系。
有算法有算力，天地已定。有政策有战略，和风细雨。正是产业萌芽，草长莺飞，欣欣向荣的时刻。人才的流动正是产业加速的信号。
书归正传。芯片定义了产业链和生态圈的基础计算架构，正如CPU是IT产业的核心一样，芯片也是人工智能产业的核心。
话说天下AI芯片共分四大流派：
GPU，目前锐气正盛，恰似东邪，凭借并行计算形成先发优势。
FPGA，蛰伏北方，正在暗地里合纵连横，大有号令群雄的势头，恰似丐帮。
ASIC，割据南方，占领了大片市场，参与的公司林立。
类脑芯片，这个更“邪性”，打算直接复制大脑，也暗藏着问鼎中原的野心。
根据互联网公开发布信息，今年，四大流派已经派出几十路高手，参与华山论剑，这些高手均属于芯片设计期高手。
这些高手都有什么特点？谁能逐鹿中原？下文一一分析。
GPU一派
市场上名气最大的应该是GPU一派。GPU，也称视觉处理器，专门用于图像及相关处理的芯片。
2012年，Alex Krizhevsky，多伦多大学的博士研究生，凭此在ImageNet大赛上夺下了2012届的冠军。Alex提出了一个奇妙的模型，仅凭借两个GPU就取得了训练深层神经网络的极佳效果。江湖顿时为之轰动，于是引发了GPU训练神经网络的风潮。要知道，AI领域过去曾用CPU处理数据，但CPU效力太低。
当年，谷歌曾经花费巨资购买1.6万个处理器，堆成谷歌大脑，峰值功耗在10万瓦以上，占地面积数十平方米。试问天下，有几人能玩的起1.6万个处理器？
随着 AlexNet的划时代论文横空出世，于是GPU 在服务器端横扫天下。
有人会问，CPU和GPU，都是处理器，两者有什么不同？
与CPU相比，GPU 出现得远比 CPU 晚，但并行计算能力能却常令CPU望尘莫及。并行计算是相对于串行计算来说的。要知道，自计算机诞生以来，电脑编程几乎一直都是串行计算，绝大多数的程序只存在一个进程或线程，好比一个人只能先吃饭再看聊天。
但更多人喜欢边吃饭边聊天怎么办？遇到这类问题，串行计算就傻眼了。并行计算一次可执行多个指令的算法，能够完美解决吃饭聊天难题。解决方式可分为时间上的并行和空间上的并行。时间上的并行就是指流水线技术，而空间上的并行则是指用众多个处理器并发的执行计算。
深度学习所依赖的是神经系统网络，通常网络越深，需要的训练时间越长。对于一些网络结构来说，如果使用串行的X86 处理器来训练的话，可能需要几个月、甚至几年，因此必须要使用并行甚至是异构并行的方法，才有可能让训练时间变得可以接受。
在当前的人工智能芯片领域，GPU的应用领域不容小觑，据Jon Peddie Research（简称JPR）市场调研公司统计，在年期间，除了2008年GPU市场规模稍有下降，其余年份全球独立显卡的出货量和销售额都呈现出明显的上升趋势，并且在年有加速上升的表现。
GPU领域只有两大公司，一是英伟达，占市场份额约7成，另一位则是万年老二AMD，占市场份额约3成。
从GPU用户数量来看，根据英伟达2016年的财务报告，相比2013年的100家，2014年的1549家，2015年已有3409家机构或企业使用英伟达的GPU产品，从事人工智能的研究。这些企业和机构包括各大高等院校的人工智能实验室，互联网企业，军事企业等。
AMD虽然落后于英伟达，但2016年的市场份额已呈现出上升趋势，在发布了代号Vega织女星的GPU芯片，市场一片叫好，未来可能有继续上升的趋势。
不足的是，GPU 的很费电（比如高端显卡动辄200W+），一旦开启，散热就成了麻烦事。
FPGA一帮
GPU美中不足的是就是太贵了，太贵了，而且有副作用，降温是大个问题。怎么办？
赛灵思等公司改进了FPGA许多技术，使之价格便宜功耗又很低，操练起来更有趣。于是，跟随FPGA的越来越多，形成了一大流派。
FPGA是从哪里来的呢？
原来早在1984年赛灵思就发布世界上首款FPGA，当时的FPGA晶片尺寸很大，但成本却不低。1992年后，FPGA因采用新工艺节点，第一次出现了在FPGA上实现卷积神经网络。但直到2000年后，FPGA丹法结合了“易容术”后才略有小成，易容术是指FPGA 已不仅是门阵列，还是集成有可编程逻辑的复杂功能集。2008以来，FPGA不光可以越来越多地整合系统模块，集成重要的控制功能，还可以使用更高效的系统编程语言，如OpenCL和C语言，通过类似软件的流程来编程，降低了硬件编程的难度。于是，自2011年开始，出现了大规模基于FPGA的算法研究。
简单来说，FPGA 全称“现场可编程门阵列”(Field Programmable GateArray)，其基本原理是在 FPGA 芯片内集成大量的数字电路基本门电路以及存储器，而用户可以通过更新FPGA 配置文件，来定义这些门电路以及存储器之间的连线。
这里提及的“可编程”，完全就是“可变成”。这意味着你今天可以把 FPGA 配置成一个微控制器 MCU，明天就可以更新配置文件把同一个 FPGA 配置成一个音频编解码器。你是不是想起了孙悟空七十二变，今天是个老头明天是个少女？此乃易容术也。
不同于GPU的运行原理，FPGA是以门电路直接运算的，即编程中的语言在执行时会被翻译成电路，优势是运算速度快。
在很多领域FPGA的性能表现优异，以至于有人说FPGA可能会取代CPU和GPU成为将来机器人研发领域的主要芯片。当然，这事有点夸张。目前来看FPGA也多作为CPU的协处理器而出现，冲击GPU是显而易见的，但要说取代CPU，还得等等。
目前，国内有许多创业企业，自动加入FPGA阵营，提供基于FPGA的解决方案。比如源于清华大学的深鉴科技，专注于深度学习处理器与编译器技术，深鉴科技研发了一种名为“深度压缩”的技术，它不仅可以将神经网络压缩数十倍而不影响准确度，还可以使用“片上存储”来存储深度学习算法模型，减少内存读取，大幅度减少功耗。
FPGA流派的厂商有两大两小，两大分别是赛灵思、Altera（英特尔于2015年以167亿美元收购Altera），两小是Lattice和Microsemi。
其中，赛灵思和Altera占据了近90%的市场份额，两人旗下的专利超过6000项。而剩下约10%的市场份额，由Microsemi和Lattice瓜分，这两位的专利也有3000余项。由此可以看出，极高的技术门槛将其它希望进入FPGA市场的厂商牢牢挡在门外。
FPGA也有两大局限性。
第一，FPGA的峰值性能不如GPU。即便使用高端的服务器做FPGA编译都会需要数分钟的时间，放到移动端速度还会更慢。但FPGA的功耗低于GPU，若FPGA的架构和配置合理，从能耗比的角度上来看，则能超过GPU。
第二，FPGA的编程难度较高。编程人员需要同时精通软件和硬件两种编程语言，更适合于高段位的的资深技术玩家。FPGA芯片主要面向企业客户，如百度、微软、IBM 等公司都有专门做FPGA的团队为服务器加速。
就未来发展来看，FPGA的崛起指日可待。理由有三个：
首先，在人工智能起步阶段，算法大致每三个月迭代一次，单凭这一点来说，FPGA可以灵活调整电路配置以适应新的算法，具有一定优势；
其次，相比于GPU，FPGA更适用于深度学习的应用阶段；
最后，为了降低FPGA的编程难度，FPGA厂商赛灵思专门研发了可重配置加速栈堆，提供基于FPGA的硬件加速方案，这类似于一个App Store，赛灵思是一个平台，用户使用时直接从商店里挑选方案，不需要再自己设计布局布线了。
ASIC：由吸星大法突破
虽然GPU在并行计算方面有不少优势，但毕竟不是为机器学习专门设计的，FPGA则是需要用户自主编程，主要面向专业领域的企业用户，门槛太高。
大众消费领域怎办？如应用到无人驾驶汽车上或是智能家居终端，这款芯片还要同时满足高性能和低功耗的要求，甚至不需要将数据传回服务器端，不必连入互联网，本地即时计算即可。
ASIC挺身而出。
ASIC的全称是专用集成电路 (Application-Specific Integrated Circuit)。
玩过比特币的都知道著名的挖矿大战。ASIC在比特币挖矿领域，展现出了得天独厚的优势。2013年1月Avalon项目团队交付了世界上第一台商用比特币ASIC矿机，轰动了挖矿世界。CPU、GPU矿机几乎在一夜之间消失的无影无踪，引发了比特币挖矿行业第二次重大升级，比特币网络核心开发者Jeff Garzik有幸成为了第一个商业ASIC矿机的拥有者，据说当时收到Avalon矿机的用户在一两天内就回了本。而传说中隐藏在农村的土豪，能动用的ASIC矿机达到了数千台。
人工智能深度学习和比特币挖矿有类似之处，都是依赖于底层的芯片进行大规模的并行计算。
ASIC分为全定制和半定制。全定制设计需要设计者完成所有电路的设计，因此需要大量人力物力，灵活性好但开发周期长，上市速度慢。专为机器学习设计的ASIC芯片，从设计到制造，对资金和技术的要求都更高。一般来说，基于FPGA的开发周期大约为六个月，而相同规格的ASIC则需要一年左右，需要经过多步验证，可想而知，在这样精细的打磨下，其性能自然也更为出色。
ASIC的开发时间长，意味着ASIC芯片很有可能赶不上市场变化的速度，致使厂商陷入竹篮打水一场空的尴尬境地。
有没有办法改进呢？
既然一家公司设计 ASIC要花费太花时间，何不用别人现成的模块呢？
于是SoC+IP模式开始流行。这种模式有点像吸星大法。
SoC 全称是“片上系统（System-on-chip）”，亦即吸纳了许多不同模块的芯片。SoC 上面的每一个模块都可以称为 IP，这些 IP 既可以是自己设计的，也可以是购买其他公司的设计并整合到自己的芯片上。
相比ASIC，SoC+IP模式的上市时间短，成本较低，并且IP可以更灵活地满足用户需求。IP公司专注于IP模块的设计，SoC公司则专注于芯片集成，分工合作，提高效率。
事实上，高通已经在研发能在本地完成深度学习的移动设备芯片，IP设计公司如CEVA和Kneron也在研发与人工智能相关的IP核，这种模式未来也是人工智能芯片的发展方向之一。
ASIC易学难练，要想大成，靡费巨资。因此玩ASIC的不乏豪门贵族。例如，谷歌于2016年推出可编程AI加速器TPU，英特尔也将于2017年推出专为深度学习设计的芯片Knights Mill。微软打造Project Catapult支持微软Bing。
从初创公司来看，美国的Wave Computing公司专注于深度学习芯片架构，推出DPU（Dataflow Processing Unit）；英国的Graphcore公司将推出开源软件框架Poplar和智能处理单元IPU。
相比于科技巨头，初创企业更有可能结合具体应用场景设计芯片，如地平线机器人设计的第一代BPU（Brain Processing Unit），被用于开发ADAS系统。
中科院计算所从2008年开始研究，项目名为寒武纪，主要经费来源是中科院先导专项和国家自然科学基金，负责人是陈氏兄弟，陈云霁和陈天石。目前，寒武纪系列已包含三种原型处理器结构：寒武纪1号（英文名DianNao，面向神经网络的原型处理器结构）；寒武纪2号（英文名DaDianNao，面向大规模神经网络）；寒武纪3号（英文名PuDianNao，面向多种机器学习算法）。
类脑芯片：复制另一个人脑
类脑芯片不得不提IBM，每次产业变迁，IBN总要给大家带来一些新鲜名词热闹一番。比如电子商务、智慧星球，认知计算，现在又带来了号称要复制人脑的类脑芯片，科技真真太黑了。
IBM类脑芯片的后台支持者是美国国防部先进研究项目局（DARPA），DARPA是可谓科技圈的泰山北斗，大名鼎鼎的Internet前身阿帕网即源于这个机构。
DARPA与IBM合作建立了一个项目，名为“神经形态自适应伸缩可塑电子系统计划（SyNAPSE)”。该计划意图还原大脑的计算功能，从而制造出一种能够模拟人类的感觉，理解，行动与交流的能力的系统，用途非常明确：辅助士兵在战场动态复杂环境中的认知能力，用于无人武器的自动作战。
该项目中最引人注目的是类脑芯片TureNorth。2011年，IBM发布第一代TrueNorth芯片，它可以像大脑一样具有学习和信息处理能力，具有大规模并行计算能力。2014年，IBM发布第二代TrueNorth芯片，性能大幅提升，功耗却只有70毫瓦，神经元数量由256个增加到100万个，可编程突触由262144个增加到2.56亿个。高通也发布了Zeroth认知计算平台，它可以融入到高通Snapdragon处理器芯片中，以协处理方式提升系统认知计算性能，实际应用于终端设备上。
“正北”问世，激起了国内研究机构对人工智能的的热情。
上海的西井科技去年发布了全球首块5000万神经元类脑芯片。该公司宣称，这是目前世界上含有神经元数量最多的类脑芯片，也是首块可商用化类脑芯片。
去年6月，中星微宣布中国首款嵌入式神经网络处理器（NPU）芯片诞生，并已于实现量产，主要应用于嵌入式视频监控领域。
据说北京大学则研究另外一种路线——忆阻器。据媒体报道，北京大学在视听感知和图橡视频编码方面的研究处于国际领先水平，在利用神经形态芯片构造大规模神经网络方面，已经围绕视皮层模拟开展研究。
中科院陈云霁认为，总体上看，国内和IBM的TrueNorth芯片为代表的国际先进水平还存在一定的差距。这个差距不体现在单芯片绝对的运算速度上(事实上，国产类脑芯片每秒能进行的神经元运算和突触运算数量比TBM的TrueNorth还要高十倍），而是在功耗上。TrueNorth芯片功耗仅为65毫瓦，比国内芯片(15瓦左右)要低250倍。
从芯片性能角度来看，如今类脑芯片的算力和精度都不能超过GPU和FPGA的最好水平，因此类脑芯片是人工智能芯片几大方向中最小众的一类。
类脑芯片未来能否超越其它门派？这有赖于人类是否能完全搞清楚人脑的结构，能否有更多理论和实验支撑类脑芯片技术上的突破。就眼下来看，类脑芯片在商业化的道路上还需要探索一段时间。
华山论剑，中国能否弯道超车？
AI芯片是人工智能产业的演武场。
产业刚刚萌芽，东邪西毒南帝北丐均在赶往华山的路上，似乎大家都有当大英雄的机会。但是，如果从国别的角度来看，会发现一个残酷的现象。残酷，是因为中美两国存在着相当差距。比赛刚刚开始，美国就赢了。
在一些知名的芯片厂商中，美国有13家公司中，领军者既有谷歌、英特尔、IBM这样的科技巨头，也有高通、英伟达、AMD、赛灵思这样在各自领域中有绝对优势的大公司，以及一些发展良好的中等规模公司和活跃的初创企业。
但中国则主要以初创公司为主，没有巨头。其中七家企业中六家都是初创公司，均成立于近三年内，只有一家中等规模企业——中星微。
从芯片类别来看，美国厂商遍布人工智能芯片的四大流派，IC设计环节的产业结构非常均衡，并且在GPU领域，美国企业是完全垄断的，中国为零；在FPGA领域，只能跟随赛灵思做解决方案；在ASIC领域，有些4家创业公司；类脑芯片，也有2家。
芯片是数字经济的产业核心，历来是易守难攻，一旦形成先发优势，后来者很难超越。AI芯片也不例外。在过去十多年里，Intel、IBM、摩托罗拉、飞利浦、东芝、三星等60多家公司曾试图进军AI芯片，但纷纷遭致惨败。
这其中的原因就在于进入门槛高，主要有以下几点：
首先是专利技术壁垒。FPGA四公司用近9000项专利构筑了长长的知识产权壁垒，将进攻者拒于国门之外。即便是强如Intel也望而兴叹，不得以耗资167亿美元收买了Altera，获得了一张FPGA领域的门票。染指GPU就更不用提了。
其次是市场相对偏小。2016年全球FPGA市场总额仅为50亿美元，且有九成落入赛灵思和Altera两家公司，这么小的市场规模很难养活太多的大公司，必然导致竞争异常激烈。
最后是投资周期长。专利壁垒或许可以跨越，市场狭小，或许可以忍受。但是FPGA产品，从投入研发到产品真正规模化生产差不多要七年。这期间几乎没有任何商业回报。正常的风投是等不了这么长时间的。
AI时代论剑，芯片是核心。
AI芯片作为产业上游，也是技术要求和附加值最高的环节，产业价值和战略地位远远大于应用层创新，因此我们需要高度重视。
放眼时代变迁，CPU领域WINTEL联盟已经一统江山极难突破，而AI芯片方兴未艾，机遇正在逐渐显露，AI领域未来必然也会产生类似英特尔、AMD这样的世界级企业。
美国以绝对实力处于领先地位，但一批中国初创企业也在蓄势待发。
但是，AI芯片领域的创新绝不是件一蹴而就的事情。它涉及到人工智能算法、编程语言、计算机体系结构、集成电路技术、半导体工艺的方方面面。在巨大的国际竞争压力下，靠单个企业研发投入，远远不够；单靠有限的风险投资，也不行。靠科技补贴，更是远水解不了近渴。
我们如何相信中国企业有机会成为人工智能时代的弄潮儿，在AI芯片华山论剑之时占有一席之地呢？抱团创新可能会是未来实现突破的方向。AI领域创业空间巨大，所需资金规模巨大，所需资源巨大，单凭创业者个人和团队的能力打天下已经不现实， AI创业者需要跟产业加速器和产业资本密切结合，抱团创新，如此才能有更广阔的发展天地。
而笔者在对腾讯众创调研时了解到，目前许多国内创业企业已经学会了抱团创新，以长青腾创业营为例，开营100余天，40家创业公司总估值实现翻番，超过600亿，58%的学员顺利进入下一轮融资，100天融资总金额超过60亿。眼下，长青腾正在筹划AI创业营。
这对中国AI芯片创业是不是有所启示？
对于猫咪盛行于网络的这种现象，可以称之为猫次元现象。受猫文化影响的一代人，已经或即将成长为..
互联网+制造是以互联网为核心的新一代信息技术与制造业的深度融合所形成的产业和应用生态，大数据及云计算平台是实现产业应用的重要基础，..
从最早的基于规则的（rule-based）的专家法律系统（将法律专家的法律知识、经验等以规则的形式转变成为计算机语言），到以深度学习、机器学..
社交的尺度
数字经济崛起盘点 | AI芯片这么多，你更看好哪个？赞赏1 人赞赏22收藏分享举报文章被以下专栏收录产品 o 科技 o 市场{&debug&:false,&apiRoot&:&&,&paySDK&:&https:\u002F\u002Fpay.zhihu.com\u002Fapi\u002Fjs&,&wechatConfigAPI&:&\u002Fapi\u002Fwechat\u002Fjssdkconfig&,&name&:&production&,&instance&:&column&,&tokens&:{&X-XSRF-TOKEN&:null,&X-UDID&:null,&Authorization&:&oauth c3cef7c66aa9e6a1e3160e20&}}{&database&:{&Post&:{&&:{&isPending&:false,&contributes&:[{&sourceColumn&:{&lastUpdated&:,&description&:&行走在科技与市场之间，微信公众号「laofantalk」&,&permission&:&COLUMN_PUBLIC&,&memberId&:4650235,&contributePermission&:&COLUMN_PUBLIC&,&translatedCommentPermission&:&all&,&canManage&:true,&intro&:&产品 o 科技 o 市场&,&urlToken&:&c_&,&id&:26963,&imagePath&:&v2-b7de854cc0ac609a7daea.jpg&,&slug&:&c_&,&applyReason&:&0&,&name&:&非典型产品er&,&title&:&非典型产品er&,&url&:&https:\u002F\u002Fzhuanlan.zhihu.com\u002Fc_&,&commentPermission&:&COLUMN_ALL_CAN_COMMENT&,&canPost&:true,&created&:,&state&:&COLUMN_NORMAL&,&followers&:31,&avatar&:{&id&:&v2-b7de854cc0ac609a7daea&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&activateAuthorRequested&:false,&following&:false,&imageUrl&:&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-b7de854cc0ac609a7daea_l.jpg&,&articlesCount&:5},&state&:&accepted&,&targetPost&:{&titleImage&:&&,&lastUpdated&:,&imagePath&:&&,&permission&:&ARTICLE_PUBLIC&,&topics&:[350,90716],&summary&:&众所周知，人工智能的三大支柱是硬件、算法和数据。其中，硬件主要是指用于运行AI算法的芯片。本文主要对AI芯片的厂商进行归纳和整理。目前针对AI设计的芯片主要分为用于服务器端（云端）和用于移动端（终端）两大类。服务器端负责AI算法的芯片走的是超级计…&,©Permission&:&ARTICLE_COPYABLE&,&translatedCommentPermission&:&all&,&likes&:0,&origAuthorId&:0,&publishedTime&:&T11:48:25+08:00&,&sourceUrl&:&&,&urlToken&:,&id&:2638896,&withContent&:false,&slug&:,&bigTitleImage&:false,&title&:&盘点 | AI芯片这么多，你更看好哪个？&,&url&:&\u002Fp\u002F&,&commentPermission&:&ARTICLE_ALL_CAN_COMMENT&,&snapshotUrl&:&&,&created&:,&comments&:0,&columnId&:26963,&content&:&&,&parentId&:0,&state&:&ARTICLE_PUBLISHED&,&imageUrl&:&&,&author&:{&bio&:&电子产品er\u002F计算机视觉应用专家&,&isFollowing&:false,&hash&:&d9dba6e889e5&,&uid&:40,&isOrg&:false,&slug&:&fan-jun-feng-39&,&isFollowed&:false,&description&:& 学习、探索与实践，这是一生的追求。&,&name&:&Van Teddy&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Ffan-jun-feng-39&,&avatar&:{&id&:&b1d20c18c6e1ad25ce3bcb9&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&memberId&:4650235,&excerptTitle&:&&,&voteType&:&ARTICLE_VOTE_CLEAR&},&id&:599417}],&title&:&盘点 | AI芯片这么多，你更看好哪个？&,&author&:&fan-jun-feng-39&,&content&:&\u003Cp\u003E众所周知，人工智能的三大支柱是硬件、算法和数据。其中，硬件主要是指用于运行AI算法的芯片。本文主要对AI芯片的厂商进行归纳和整理。\u003C\u002Fp\u003E\u003Cp\u003E目前针对AI设计的芯片主要分为用于服务器端（云端）和用于移动端（终端）两大类。\u003C\u002Fp\u003E\u003Cp\u003E服务器端负责AI算法的芯片走的是超级计算机的路子，一方面要支持尽可能多的网络结构以保证算法的正确率和泛化能力；另一方面必须支持高精度浮点数运算，峰值性能至少要达到Tflops（每秒执行10^12次浮点数运算）级别，所以功耗非常大；而且为了能够提升性能必须支持阵列式结构（即可以把多块芯片组成一个计算阵列以加速运算）。\u003C\u002Fp\u003E\u003Cp\u003E移动端的AI芯片在设计思路上有着本质的区别。首先，必须保证功耗控制在一定范围内，换言之，必须保证很高的计算能效；为了达到这个目标，移动端AI芯片的性能必然有所损失，允许一些计算精度损失，因此可以使用一些定点数运算以及网络压缩的办法来加速运算。\u003C\u002Fp\u003E\u003Cp\u003E下面，将分别从服务器端芯片和移动端芯片两个大类进行介绍。有的厂商同时具有这两类产品，则不做严格区分。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cb\u003E服务器端\u003C\u002Fb\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-ed2d5dac484b640d6fe77_b.jpg\& data-rawwidth=\&121\& data-rawheight=\&91\& class=\&content_image\& width=\&121\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='121'%20height='91'&&\u002Fsvg&\& data-rawwidth=\&121\& data-rawheight=\&91\& class=\&content_image lazy\& width=\&121\& data-actualsrc=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-ed2d5dac484b640d6fe77_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E在云端服务器这个领域，Nvidia的GPU已经成为服务器不可或缺的一部分，称其为领跑者毫不为过。有报告显示，世界上目前约有3000多家AI初创公司，大部分都采用了Nvidia提供的硬件平台。\u003C\u002Fp\u003E\u003Cp\u003E资本市场对此给出了热烈的回应：在过去的一年中，曾经以游戏芯片见长的Nvidia股价从十几年的稳居30美元迅速飙升至120美元。日，英伟达发布2016年第四季度的财报显示，其营收同比增长55%，净利润达到了6.55亿美元，同比增长216%。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-2e7c09381b6eea82ddebd1864adeceb0_b.jpg\& data-rawwidth=\&121\& data-rawheight=\&121\& class=\&content_image\& width=\&121\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='121'%20height='121'&&\u002Fsvg&\& data-rawwidth=\&121\& data-rawheight=\&121\& class=\&content_image lazy\& width=\&121\& data-actualsrc=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-2e7c09381b6eea82ddebd1864adeceb0_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E作为PC时代的绝对霸主，Intel已经错过了移动互联网时代，在已经到来的AI时代，也失掉了先机，但它并没有放弃，而是积极布局，准备逆袭。在云端，收购Altera之后推出了基于FPGA的专用深度学习加速卡，可以在云端使用；另外，收购Nervana，目标也是在云端。在移动端，则是收购了Movidius。下面先对Nervana进行介绍，对Movidius的介绍放在后面移动端。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-fdbec37d_b.jpg\& data-rawwidth=\&272\& data-rawheight=\&71\& class=\&content_image\& width=\&272\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='272'%20height='71'&&\u002Fsvg&\& data-rawwidth=\&272\& data-rawheight=\&71\& class=\&content_image lazy\& width=\&272\& data-actualsrc=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-fdbec37d_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003ENervana创立于2014年，位于圣地亚哥的初创公司Nervana Systems已经从20家不同的投资机构那里获得了2440万美元资金，而其中一家是十分受人尊敬的德丰杰风险投资公司（Draper Fisher Jurvetson，DFJ）。\u003C\u002Fp\u003E\u003Cp\u003EThe Nervana Engine（将于2017年问世）是一个为深度学习专门定做和优化的ASIC芯片。这个方案的实现得益于一项叫做High Bandwidth Memory的新型内存技术，同时拥有高容量和高速度，提供32GB的片上储存和8TB每秒的内存访问速度。该公司目前提供一个人工智能服务“in the cloud”，他们声称这是世界上最快的且目前已被金融服务机构、医疗保健提供者和政府机构所使用的服务，他们的新型芯片将会保证Nervana云平台在未来的几年内仍保持最快的速度。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-62af27ae1db41b69c75bd00_b.jpg\& data-rawwidth=\&121\& data-rawheight=\&75\& class=\&content_image\& width=\&121\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='121'%20height='75'&&\u002Fsvg&\& data-rawwidth=\&121\& data-rawheight=\&75\& class=\&content_image lazy\& width=\&121\& data-actualsrc=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-62af27ae1db41b69c75bd00_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003EIBM很早以前就发布过watson，早就投入了很多的实际应用中去。除此之外，还启动了对类人脑芯片的研发，那就是TrueNorth。\u003C\u002Fp\u003E\u003Cp\u003ETrueNorth是IBM参与DARPA的研究项目SyNapse的最新成果。SyNapse全称是Systems of Neuromorphic Adaptive Plastic Scalable Electronics（自适应可塑可伸缩电子神经系统，而SyNapse正好是突触的意思），其终极目标是开发出打破冯o诺依曼体系的硬件。\u003C\u002Fp\u003E\u003Cp\u003E这种芯片把数字处理器当作神经元，把内存作为突触，跟传统冯诺依曼结构不一样，它的内存、CPU和通信部件是完全集成在一起。因此信息的处理完全在本地进行，而且由于本地处理的数据量并不大，传统计算机内存与CPU之间的瓶颈不复存在了。同时神经元之间可以方便快捷地相互沟通，只要接收到其他神经元发过来的脉冲（动作电位），这些神经元就会同时做动作。\u003C\u002Fp\u003E\u003Cp\u003E2011年的时候，IBM首先推出了单核含256 个神经元，256×256 个突触和 256 个轴突的芯片原型。当时的原型已经可以处理像玩Pong游戏这样复杂的任务。不过相对来说还是比较简单，从规模上来说，这样的单核脑容量仅相当于虫脑的水平。\u003C\u002Fp\u003E\u003Cp\u003E不过，经过3年的努力，IBM终于在复杂性和使用性方面取得了突破。4096个内核，100万个“神经元”、2.56亿个“突触”集成在直径只有几厘米的方寸（是2011年原型大小的1\u002F16）之间，而且能耗只有不到70毫瓦。\u003C\u002Fp\u003E\u003Cp\u003E这样的芯片能够做什么事情呢？IBM研究小组曾经利用做过DARPA 的NeoVision2 Tower数据集做过演示。它能够实时识别出用30帧每秒的正常速度拍摄自斯坦福大学胡佛塔的十字路口视频中的人、自行车、公交车、卡车等，准确率达到了80%。相比之下，一台笔记本编程完成同样的任务用时要慢100倍，能耗却是IBM芯片的1万倍。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-cb1ba0b2c52ec4dc7cdea237_b.jpg\& data-rawwidth=\&120\& data-rawheight=\&75\& class=\&content_image\& width=\&120\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='120'%20height='75'&&\u002Fsvg&\& data-rawwidth=\&120\& data-rawheight=\&75\& class=\&content_image lazy\& width=\&120\& data-actualsrc=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-cb1ba0b2c52ec4dc7cdea237_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003EGoogle在2016年宣布独立开发一种名为TPU的全新的处理系统。\u003C\u002Fp\u003E\u003Cp\u003ETPU是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度，减少实现每个计算操作所需的晶体管数量，从而能让芯片的每秒运行的操作个数更高，这样经过精细调优的机器学习模型就能在芯片上运行得更快，进而更快地让用户得到更智能的结果。Google将TPU加速器芯片嵌入电路板中，利用已有的硬盘PCI-E接口接入数据中心服务器中。\u003C\u002Fp\u003E\u003Cp\u003E据Google资深副总裁Urs Holzle透露，当前Google TPU、GPU并用，这种情况仍会维持一段时间，但他表示，GPU可执行绘图运算工作，用途多元；TPU 属于ASIC，也就是专为特定用途设计的特殊规格逻辑IC，由于只执行单一工作，速度更快，但缺点是成本较高。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-48e1fe07b962e795aaefca3ba59a381b_b.jpg\& data-rawwidth=\&185\& data-rawheight=\&56\& class=\&content_image\& width=\&185\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='185'%20height='56'&&\u002Fsvg&\& data-rawwidth=\&185\& data-rawheight=\&56\& class=\&content_image lazy\& width=\&185\& data-actualsrc=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-48e1fe07b962e795aaefca3ba59a381b_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E终于有中国公司了，中文名“寒武纪”，是北京中科寒武纪科技有限公司的简称。这家公司有中科院背景，面向深度学习等人工智能关键技术进行专用芯片的研发，可用于云服务器和智能终端上的图像识别、语音识别、人脸识别等应用。\u003C\u002Fp\u003E\u003Cp\u003E寒武纪深度学习处理器采用的指令集DianNaoYu由中国科学院计算技术研究所陈云霁、陈天石课题组提出。模拟实验表明，采用DianNaoYu指令集的寒武纪深度学习处理器相对于x86指令集的CPU有两个数量级的性能提升。\u003C\u002Fp\u003E\u003Cp\u003E目前，寒武纪系列已包含三种原型处理器结构：\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E\u003Cp\u003E寒武纪1号（英文名DianNao，面向神经网络的原型处理器结构）；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E寒武纪2号（英文名DaDianNao，面向大规模神经网络）；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E寒武纪3号（英文名PuDianNao，面向多种机器学习算法）。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E2016年推出的寒武纪1A处理器（Cambricon-1A）是世界首款商用深度学习专用处理器，面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终端设备\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cb\u003E移动端\u003C\u002Fb\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-fafef75b0ff_b.jpg\& data-rawwidth=\&119\& data-rawheight=\&75\& class=\&content_image\& width=\&119\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='119'%20height='75'&&\u002Fsvg&\& data-rawwidth=\&119\& data-rawheight=\&75\& class=\&content_image lazy\& width=\&119\& data-actualsrc=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-fafef75b0ff_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003EARM刚推出全新芯片架构DynamIQ，通过这项技术，AI的性能有望在未来三到五年内提升50倍。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003EARM的新CPU架构将会通过为不同部分配置软件的方式将多个处理核心集聚在一起，这其中包括一个专门为AI算法设计的处理器。芯片厂商将可以为新处理器配置最多8个核心。同时为了能让主流AI在自己的处理器上更好地运行，ARM还将放出一系列软件库。\u003C\u002Fp\u003E\u003Cp\u003EDynamIQ是在ARM上一代革新架构big.LITTLE基础上的一次演进，这种架构能够对同一运算设备中的大小两个核进行适当配置，以减少电池消耗。目前big.LITTLE架构已经被应用到了几乎所有智能手机的芯片上，包括用于安卓系统的高通骁龙处理器以及苹果最新一代的A10芯片。\u003C\u002Fp\u003E\u003Cp\u003E接下来ARM推出的每一款Cortex-A系列芯片都将采用这种新技术。ARM称，与在现有芯片架构上开发出的处理器（即Cortex-A73）相比，基于DynamIQ架构开发的全新处理器有望在三到五年内使人工智能的表现增强50倍。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-5c6fd59d29bda2858f4f_b.jpg\& data-rawwidth=\&243\& data-rawheight=\&104\& class=\&content_image\& width=\&243\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='243'%20height='104'&&\u002Fsvg&\& data-rawwidth=\&243\& data-rawheight=\&104\& class=\&content_image lazy\& width=\&243\& data-actualsrc=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-5c6fd59d29bda2858f4f_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E2016年9月，Intel发表声明收购了Movidius。\u003C\u002Fp\u003E\u003Cp\u003EMovidius专注于研发高性能视觉处理芯片。现任CEO是原来德州仪器OMAP部门的总经理，它的技术指导委员会也是实力强大，拥有半导体和处理器行业的元老级人物——被苹果收购的 P.A.Semi 创始人丹尼尔·多伯普尔（Daniel Dobberpuhl），卡内基梅隆大学计算机科学\u002F计算机视觉专家金出武雄，以及前苹果 iPhone 和 iPod 部门工程副总裁、资深工程师大卫·图普曼（David Tupman）三人坐镇。\u003C\u002Fp\u003E\u003Cp\u003E其最新一代的Myriad2视觉处理器主要由SPARC处理器作为主控制器，加上专门的DSP处理器和硬件加速电路來处理专门的视觉和图像信号。这是一款以DSP架构为基础的视觉处理器，在视觉相关的应用领域有极高的能耗比，可以将视觉计算普及到几乎所有的嵌入式系统中。\u003C\u002Fp\u003E\u003Cp\u003E该芯片已被大量应用在Google 3D项目Tango手机、大疆无人机、FLIR智能红外摄像机、海康深眸系列摄像机、华睿智能工业相机等产品中。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-c42fdae9bf_b.jpg\& data-rawwidth=\&160\& data-rawheight=\&65\& class=\&content_image\& width=\&160\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='160'%20height='65'&&\u002Fsvg&\& data-rawwidth=\&160\& data-rawheight=\&65\& class=\&content_image lazy\& width=\&160\& data-actualsrc=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-c42fdae9bf_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003ECEVA是专注于DSP的IP供应商，拥有为数众多的产品线。其中，图像和计算机视觉 DSP 产品 CEVA-XM4 是第一个支持深度学习的可编程 DSP，而其发布的新一代型号 CEVA-XM6，具有更优的性能、更强大的计算能力，以及更低的耗能。\u003C\u002Fp\u003E\u003Cp\u003EXM6 的两大新硬件功能，将帮助大多数图像处理和机器学习算法。第一个是分散-聚集，或者说是阅读一个周期中，L1 缓存到向量寄存器中的 32 地址值的能力。CDNN2 编译工具识别串行代码加载，并实现矢量化来允许这一功能，当所需的数据通过记忆结构分布时，分散-聚集提高了数据加载时间。由于 XM6 是可配置的 IP，L1 数据储存的大小\u002F相关性在硅设计水平是可调节的，CEVA 表示，这项功能对于任意尺寸的 L1 都有效。此级用于处理的向量寄存器是宽度为 8 的 VLIW 实现器， 这样的配置才能满足要求。\u003C\u002Fp\u003E\u003Cp\u003E第二功能称为“滑动-窗口”数据处理，这项视觉处理的特定技术已被 CEVA 申请专利。有许多方法可以处理过程或智能中的图像，通常算法将立刻使用平台所需一块或大片像素。对于智能部分，这些块的数量将重叠，导致不同区域的图像被不同的计算区域重用。CEVA 的方法是保留这些数据，从而使下一步分析所需信息量更少。\u003C\u002Fp\u003E\u003Cp\u003ECEVA 指出，智能手机、汽车、安全和商业应用，如无人机、自动化将是主要目标。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-fe05d4ceef37c15c5245ee8_b.jpg\& data-rawwidth=\&119\& data-rawheight=\&75\& class=\&content_image\& width=\&119\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='119'%20height='75'&&\u002Fsvg&\& data-rawwidth=\&119\& data-rawheight=\&75\& class=\&content_image lazy\& width=\&119\& data-actualsrc=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-fe05d4ceef37c15c5245ee8_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003EEyeriss事实上是MIT的一个项目，还不是一个公司，但是因为获得了大量的媒体报道，故把它单独拿出来进行介绍。从长远来看，如果进展顺利，很可能孵化出一个新的公司。\u003C\u002Fp\u003E\u003Cp\u003EEyeriss是一个高效能的深度卷积神经网络（CNN）加速器硬件，该芯片内建168 个核心，专门用来部署神经网路（neural network），效能为一般行动GPU 的10 倍。其技术关键在于最小化GPU 核心和记忆体之间交换数据的频率（此运作过程通常会消耗大量的时间与能量）：一般GPU 内的核心通常共享单一记忆体，但Eyeriss 的每个核心拥有属于自己的记忆体。\u003C\u002Fp\u003E\u003Cp\u003E此外，Eyeriss 还能在将数据传送到每一个核心之前，先进行数据压缩，且每一个核心都能立即与邻近的核心直接沟通，因此若需要共享数据，核心们不需要透过主要记忆体就能传递。\u003C\u002Fp\u003E\u003Cp\u003E目前，Eyeriss主要定位在人脸识别和语音识别，可应用在智能手机、穿戴式设备、机器人、自动驾驶车与其他物联网应用装置上。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-ff88acb32f_b.jpg\& data-rawwidth=\&234\& data-rawheight=\&96\& class=\&content_image\& width=\&234\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='234'%20height='96'&&\u002Fsvg&\& data-rawwidth=\&234\& data-rawheight=\&96\& class=\&content_image lazy\& width=\&234\& data-actualsrc=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-ff88acb32f_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E日，中星微率先推出中国首款嵌入式神经网络处理器（NPU）芯片，这是全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片，取名“星光智能一号”。这款基于深度学习的芯片运用在人脸识别上，最高能达到98%的准确率，超过人眼的识别率。该NPU采用了“数据驱动”并行计算的架构，单颗NPU（28nm）能耗仅为400mW，极大地提升了计算能力与功耗的比例。\u003C\u002Fp\u003E\u003Cp\u003E研发“星光智能一号”耗时三年时间。中星微集团聚集了北京、广东、天津、山西、江苏、青岛、硅谷的研发力量，采用了先进的过亿门级集成电路设计技术及超亚微米芯片制造工艺，在TSMC成功实现投片量产。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E目前“星光智能一号”出货量主要集中在安防摄像领域，其中包含授权给其他安防摄像厂商部分。未来将主要向车载摄像头、无人机航拍、机器人和工业摄像机方面进行推广和应用。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-a82c0e080f58f3e072f9eb_b.jpg\& data-rawwidth=\&157\& data-rawheight=\&61\& class=\&content_image\& width=\&157\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='157'%20height='61'&&\u002Fsvg&\& data-rawwidth=\&157\& data-rawheight=\&61\& class=\&content_image lazy\& width=\&157\& data-actualsrc=\&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-a82c0e080f58f3e072f9eb_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003EHorizon Robotics（地平线机器人）由前百度深度学习研究院负责人余凯创办，致力于打造基于深度神经网络的人工智能“大脑”平台-包括软件和芯片，可以做到低功耗、本地化的解决环境感知、人机交互、决策控制等问题。其中，软件方面，地平线做了一套基于神经网络的OS，已经研发出分别面向自动驾驶的的“雨果”平台和智能家居的“安徒生”平台，并开始逐步落地。硬件方面，未来地平线机器人还会为这个平台设计一个芯片——NPU（Neural Processing Unit），支撑自家的OS，到那时效能会提升2-3个数量级（100-1000倍）。\u003C\u002Fp\u003E\u003Cp\u003E地平线的最终产品不止芯片，而是一个核心控制模块，具有感知、识别、理解、控制的功能。把这个控制模块做成产品去跟合作方做集成。换句话说，地平线提供的是一个带有人工智能算法的解决方案。\u003C\u002Fp\u003E\u003Cp\u003E商业模式上，目前会采取产品、技术加服务的方式，先把产品做出来，得到第一手的用户体验，将来再向更宽广的生态去发展。地平线并没有把自己定义为单纯的技术提供商，不会单纯的卖算法SDK或者单纯出售芯片，而是打造技术平台，来帮助用户把产品做出来。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-f5c9cdceaa_b.jpg\& data-rawwidth=\&129\& data-rawheight=\&57\& class=\&content_image\& width=\&129\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='129'%20height='57'&&\u002Fsvg&\& data-rawwidth=\&129\& data-rawheight=\&57\& class=\&content_image lazy\& width=\&129\& data-actualsrc=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-f5c9cdceaa_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E深鉴科技由清华团队创办，其产品称作“深度学习处理单元”（Deep Processing Unit，DPU），目标是以ASIC级别的功耗，来达到优于GPU的性能，目前第一批产品基于FPGA平台。\u003C\u002Fp\u003E\u003Cp\u003E从官方提供的数据来看，嵌入式端的产品在性能超过Nvidia TK1 的同时，功耗、售价仅为后者的1\u002F4左右。服务器端的产品，性能接近Nvidia K40 GPU ，但功耗只有35瓦左右，售价300美元以下，不足后者的1\u002F10。\u003C\u002Fp\u003E\u003Cp\u003E深鉴科技着力于打造基于DPU的端到端的深度学习硬件解决方案，除了承载在硬件模块（订制的PCB板）上的DPU的芯片架构外，还打造了针对该架构的DPU压缩编译工具链SDK。\u003C\u002Fp\u003E\u003Cp\u003E产品的应用领域分为终端和云端两类。其中嵌入式端的产品将主要应用在无人机、安防监控、机器人、AR等领域，目前已经与一家知名无人机厂商建立了合作。服务器端的产品将主要面向大型互联网公司的语音处理、图像处理等。目前也已经与国内知名互联网公司展开合作，在兼容对方现有机房的情况下，功耗降低80%，语音识别的准确率提升了5%-7%。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cb\u003E结语\u003C\u002Fb\u003E\u003C\u002Fh2\u003E\u003Cp\u003E人工智能时代已经来临，在这个史无前例的巨大浪潮面前，有哪些公司能脱颖而出，成为新一代弄潮儿？让我们拭目以待。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E如果喜欢这篇文章，请关注我的知乎专栏： \u003Ca href=\&https:\u002F\u002Fzhuanlan.zhihu.com\u002Fc_\& class=\&internal\&\u003E非典型产品er\u003C\u002Fa\u003E，或者微信公众号：laofantalk。我在那里等您。\u003C\u002Fp\u003E&,&updated&:new Date(&T03:48:25.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:0,&collapsedCount&:0,&likeCount&:22,&state&:&published&,&isLiked&:false,&slug&:&&,&lastestTipjarors&:[{&isFollowed&:false,&name&:&林修之&,&headline&:&文字工作者。&,&avatarUrl&:&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-22bbaa3d8c3_s.jpg&,&isFollowing&:false,&type&:&people&,&slug&:&i308&,&bio&:&308@design.one&,&hash&:&f49e5e5ae520d1cb767cdf8b&,&uid&:24,&isOrg&:false,&description&:&文字工作者。&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fi308&,&avatar&:{&id&:&v2-22bbaa3d8c3&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&reviewers&:[],&topics&:[{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&人工智能&},{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&半导体产业&}],&adminClosedComment&:false,&titleImageSize&:{&width&:0,&height&:0},&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&column&:{&slug&:&c_&,&name&:&非典型产品er&},&tipjarState&:&activated&,&tipjarTagLine&:&真诚赞赏，手留余香&,&sourceUrl&:&&,&pageCommentsCount&:0,&tipjarorCount&:1,&annotationAction&:[],&hasPublishingDraft&:false,&snapshotUrl&:&&,&publishedTime&:&T11:48:25+08:00&,&url&:&\u002Fp\u002F&,&lastestLikers&:[{&bio&:&研发工程师&,&isFollowing&:false,&hash&:&fcba0d532b009dade0b20&,&uid&:52,&isOrg&:false,&slug&:&long-gang-62-42&,&isFollowed&:false,&description&:&&,&name&:&隆刚&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Flong-gang-62-42&,&avatar&:{&id&:&335f661c417aa87311ccf&,&template&:&https:\u002F\u002Fpic4.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&资管pe&,&isFollowing&:false,&hash&:&37d8bc036cd60f8e0b0d3d&,&uid&:68,&isOrg&:false,&slug&:&gan-xiao-jing-58&,&isFollowed&:false,&description&:&&,&name&:&干小净&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fgan-xiao-jing-58&,&avatar&:{&id&:&83fadceec8daaca956fd7&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&{ true != ∑ }&,&isFollowing&:false,&hash&:&5c238aa98cacc&,&uid&:173200,&isOrg&:false,&slug&:&daycyan&,&isFollowed&:false,&description&:&产品经理\u002F项目经理\u002F人工智能 \u002F Root#{上帝视角 (.*) 人间疾苦}&,&name&:&天青色&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fdaycyan&,&avatar&:{&id&:&v2-8d6eada2ab5&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&跟数学打架，和语言较真。&,&isFollowing&:false,&hash&:&dd31ba0dff3cbe87aa36c3aa586c0817&,&uid&:362500,&isOrg&:false,&slug&:&abtion-24&,&isFollowed&:false,&description&:&&,&name&:&abtion&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fabtion-24&,&avatar&:{&id&:&fcbe9f2c37318f9fdbc698ce9f6bbace&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&嵌入式 算法&,&isFollowing&:false,&hash&:&1ffbf6e3d84dcbfc&,&uid&:619500,&isOrg&:false,&slug&:&blankze&,&isFollowed&:false,&description&:&&,&name&:&BlankZe&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fblankze&,&avatar&:{&id&:&da8e974dc&,&template&:&https:\u002F\u002Fpic4.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&summary&:&众所周知，人工智能的三大支柱是硬件、算法和数据。其中，硬件主要是指用于运行AI算法的芯片。本文主要对AI芯片的厂商进行归纳和整理。目前针对AI设计的芯片主要分为用于服务器端（云端）和用于移动端（终端）两大类。服务器端负责AI算法的芯片走的是超级计…&,&reviewingCommentsCount&:0,&meta&:{&previous&:{&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&https:\u002F\u002Fpic3.zhimg.com\u002F50\u002Fv2-5b2d4b7beff9ae8aa17f7_xl.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&topics&:[{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&科技&},{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&亚马逊 (Amazon.com)&},{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&人工智能&}],&adminClosedComment&:false,&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&author&:{&bio&:&电子产品er\u002F计算机视觉应用专家&,&isFollowing&:false,&hash&:&d9dba6e889e5&,&uid&:40,&isOrg&:false,&slug&:&fan-jun-feng-39&,&isFollowed&:false,&description&:& 学习、探索与实践，这是一生的追求。&,&name&:&Van Teddy&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Ffan-jun-feng-39&,&avatar&:{&id&:&b1d20c18c6e1ad25ce3bcb9&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&column&:{&slug&:&c_&,&name&:&非典型产品er&},&content&:&\u003Cp\u003E据外媒北京时间3月28日报道，亚马逊寻求将实体零售店现代化的努力面临挫折，该公司位于西雅图的首家无收银员便利店Amazon Go因为技术故障推迟开业。\u003C\u002Fp\u003E\u003Cp\u003E彭博社此前报道称，当商店过于拥挤时，Amazon Go的测试一直崩溃。最新的报道援引知情人士的说法，一旦选购人数超过20，Amazon Go的整套设备就很难追踪用户以及手头上选购的商品，因此这项技术目前的测试环境仅能容纳少量用户，或者要求用户放慢移动速度。这阻碍了Amazon Go面向公众的开放。\u003C\u002Fp\u003E\u003Cp\u003E尽管如此，上周的多个招聘公告显示，尽管Amazon Go商店仍在解决技术故障，但是亚马逊已经准备在未来加大招聘力度，将Amazon Go扩大多处地点。\u003C\u002Fp\u003E\u003Cp\u003E在日，亚马逊宣布推出革命性线下实体商店，Amazon Go。Amazon Go颠覆传统便利店、超市的运营模式，使用计算机视觉、深度学习以及传感器融合等技术，彻底跳过传统收银结帐的过程。\u003C\u002Fp\u003E\u003Cp\u003E顾客只需下载 Amazon Go 的 APP，在商店入口扫码成功后，便可进入商店开始购物。Amazon Go 的传感器会计算顾客有效的购物行为，并在顾客离开商店后，自动根据顾客的消费情况在亚马逊账户上结账收费。\u003C\u002Fp\u003E\u003Cp\u003EUS Today对Amazon Go 的购物消费过程做了图示说明：\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-e234ce23e3e_b.jpg\& data-rawwidth=\&650\& data-rawheight=\&377\& class=\&origin_image zh-lightbox-thumb\& width=\&650\& data-original=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-e234ce23e3e_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E首先，顾客在进入店铺时打开手机上的APP，用类似刷卡的方式通过闸机（当然，需要注册过亚马逊的账户），与此同时，入口上方的摄像头会进行人脸识别。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-d5e591b4b3c6cf6ab2e46_b.jpg\& data-rawwidth=\&647\& data-rawheight=\&362\& class=\&origin_image zh-lightbox-thumb\& width=\&647\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-d5e591b4b3c6cf6ab2e46_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E当顾客在货架附件停下时，货架及周边的摄像头会捕捉消费者的位置与动作。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-4e37b2e686dfcfa6bdcb81a69a4096dd_b.jpg\& data-rawwidth=\&644\& data-rawheight=\&366\& class=\&origin_image zh-lightbox-thumb\& width=\&644\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-4e37b2e686dfcfa6bdcb81a69a4096dd_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E放置在货架上的摄像头会通过图像识别，判断顾客是拿起了一件商品（购买），还是只看了看又放回货架（不购买）。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-fe1ca3418dbdca1419f1_b.jpg\& data-rawwidth=\&647\& data-rawheight=\&375\& class=\&origin_image zh-lightbox-thumb\& width=\&647\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-fe1ca3418dbdca1419f1_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E店内的麦克风会根据环境声进行声源定位，辅助判断顾客位置。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-5fd68748bcff_b.jpg\& data-rawwidth=\&648\& data-rawheight=\&382\& class=\&origin_image zh-lightbox-thumb\& width=\&648\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-5fd68748bcff_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E货架上的红外传感器、压力传感器、荷载传感器会记录下顾客取走了哪些商品以及放回了哪些商品。同时，这些数据会实时传输到店铺的数据中心，从而能对顾客的购物清单进行实时更新。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-af2e3f6b483ba_b.jpg\& data-rawwidth=\&647\& data-rawheight=\&380\& class=\&origin_image zh-lightbox-thumb\& width=\&647\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-af2e3f6b483ba_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E离店时，购物清单上的商品会自动在顾客的账户上进行结算。\u003C\u002Fp\u003E\u003Cp\u003E整个购物过程似乎完全不需要店员的参与，不需要使用收银机，不需要顾客排队结账，真正实现了无人零售。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cb\u003E如此高科技是如何实现的？\u003C\u002Fb\u003E\u003Cp\u003E亚马逊尚未公布其技术原理，不过在Quora上，有一位名为Brian Roemmele的网友挖出了几年前亚马逊提交的两份专利文件，里面描绘的系统跟如今的 Amazon Go非常相似。这两份文件名称为：“侦测物体互动和移动”（Detecting item interaction and movement）和“物品从置物设备上的转移”（Transitioning items from the materials handling facility），两文件分别于2013年和2014年申请。\u003C\u002Fp\u003E\u003Cp\u003E这两份专利的摘要分别如下：\u003C\u002Fp\u003E\u003Cblockquote\u003E用户从一个货架上拿起或放下一个物品，货物管理系统可以侦测到这个动作，并且更新用户移动设备里的清单。\u003C\u002Fblockquote\u003E\u003Cp\u003E以及：\u003C\u002Fp\u003E\u003Cblockquote\u003E物品被识别，并且当用户正在拿起物品时，物品自动与用户发生关联。 当用户进入或穿过一个“转移区”（Transition Area），被拿起的物品将自动转移到用户，而不需要用户有任何的输入。\u003C\u002Fblockquote\u003E\u003Cbr\u003E\u003Cp\u003E由此，业界猜测主要有三个技术核心点：\u003C\u002Fp\u003E\u003Cb\u003E1. 如何检测和识别顾客的行为？\u003C\u002Fb\u003E\u003Cp\u003E顾客购物行为非常丰富，从货架的角度来看，核心动作只有拿走或放回两种。商品被从货架拿走了，最大的可能就是被买走了，而被放回来就是你不需要了。如果能识别拿走或放回，那么就解决了核心问题。\u003C\u002Fp\u003E\u003Cp\u003E在货架上通过红外幕帘可以形成一个平面，判断顾客手的位置；货架上的压力传感器、载荷传感器可以判断商品是否离开货架；再配合摄像机的图像识别，此问题应该解决得比较容易。\u003C\u002Fp\u003E\u003Cb\u003E2. 如何准确识别被拿走和被放回的商品？\u003C\u002Fb\u003E\u003Cp\u003E此问题其实是两个问题。\u003C\u002Fp\u003E\u003Cp\u003E首先看第一个，识别被拿走的商品。\u003C\u002Fp\u003E\u003Cp\u003E因为商品是被雇员事先人工放置的，所以该商品可以直接标记到系统中，不用识别。\u003C\u002Fp\u003E\u003Cp\u003E复杂一点的是识别被放回的商品。\u003C\u002Fp\u003E\u003Cp\u003E基于深度学习的图像识别技术，目前在物品识别领域已经可以达到很高的准确率，当然前提条件是采集到的图像质量要比较好。识别出商品后，会有两种情况：1）商品放回到了正确的位置。此时，系统状态转为到初始状态。2）商品放到了错误的位置。此时，系统需要通知店员进行整理。之后，系统状态同样回到初始状态。\u003C\u002Fp\u003E\u003Cb\u003E3. 如何将某商品与拿走\u002F放回它的顾客关联起来？\u003C\u002Fb\u003E\u003Cp\u003E这是最为关键，也是最难解决的问题。从专利上看，是利用用户位置信息定位进行识别。目前Amazon Go 可以用于位置定位的手段有手机信号（GPS）、音频分析、视频分析，但是否有足够的定位精度？如果货架面前只有一名顾客，那么将商品（拿起\u002F放下）与这名顾客关联起来很容易；但如何货架面前同时有两个及以上位置十分靠近的顾客，能否精确定位到每个人的位置和动作，这是需要重点解决的。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E如果以上三个问题能够解决得比较好，就能准确知道每位顾客实时购买（拿走）的商品，在其通过特定区域时（比如出口闸机）进行结算即可。这样，正常情况下的购物就可以完成了。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E事实上，最难解决的应该是第三个问题，从新闻报道上看，当人数超过20人时系统会识别错误，应该就是第三点解决得不够好。\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cb\u003E更复杂的问题\u003C\u002Fb\u003E\u003Cp\u003E以上考虑的只是正常的购物，还没有引入防欺诈\u002F盗窃问题。比如，顾客在拿起商品后进行调包后再放回，替换品在外观和重量上与原商品相似，系统是否能够识别出来？\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cb\u003E展望\u003C\u002Fb\u003E\u003Cp\u003E要实现无人零售店真正的开门营业，要解决的现实问题还有很多，作为先行者的Amazon Go 任重而道远。希望亚马逊能克服重重困难，为人工智能的落地打开一个新的局面。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E如果喜欢这篇文章，请关注我的微信公众号：laofantalk。我在那里等您。\u003C\u002Fp\u003E&,&state&:&published&,&sourceUrl&:&&,&pageCommentsCount&:0,&canComment&:false,&snapshotUrl&:&&,&slug&:,&publishedTime&:&T11:06:07+08:00&,&url&:&\u002Fp\u002F&,&title&:&Amazon Go延期开业，哪里出了问题？&,&summary&:&据外媒北京时间3月28日报道，亚马逊寻求将实体零售店现代化的努力面临挫折，该公司位于西雅图的首家无收银员便利店Amazon Go因为技术故障推迟开业。彭博社此前报道称，当商店过于拥挤时，Amazon Go的测试一直崩溃。最新的报道援引知情人士的说法，一旦选购…&,&reviewingCommentsCount&:0,&meta&:{&previous&:null,&next&:null},&commentPermission&:&anyone&,&commentsCount&:0,&likesCount&:0},&next&:null},&annotationDetail&:null,&commentsCount&:0,&likesCount&:22,&FULLINFO&:true}},&User&:{&fan-jun-feng-39&:{&isFollowed&:false,&name&:&Van Teddy&,&headline&:& 学习、探索与实践，这是一生的追求。&,&avatarUrl&:&https:\u002F\u002Fpic3.zhimg.com\u002Fb1d20c18c6e1ad25ce3bcb9_s.jpg&,&isFollowing&:false,&type&:&people&,&slug&:&fan-jun-feng-39&,&bio&:&电子产品er\u002F计算机视觉应用专家&,&hash&:&d9dba6e889e5&,&uid&:40,&isOrg&:false,&description&:& 学习、探索与实践，这是一生的追求。&,&badge&:{&identity&:null,&bestAnswerer&:null},&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Ffan-jun-feng-39&,&avatar&:{&id&:&b1d20c18c6e1ad25ce3bcb9&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}},&Comment&:{},&favlists&:{}},&me&:{},&global&:{&experimentFeatures&:{&ge3&:&ge3_9&,&ge2&:&ge2_1&,&androidPassThroughPush&:&all&,&sEI&:&c&,&nwebQAGrowth&:&experiment&,&qawebRelatedReadingsContentControl&:&close&,&liveStore&:&ls_a2_b2_c1_f2&,&qawebThumbnailAbtest&:&new&,&nwebSearch&:&nweb_search_heifetz&,&rt&:&y&,&showVideoUploadAttention&:&true&,&isOffice&:&false&,&enableTtsPlay&:&post&,&newQuestionDiversion&:&https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F&,&newLiveFeedMediacard&:&new&,&newMobileAppHeader&:&true&,&hybridZhmoreVideo&:&yes&,&nwebGrowthPeople&:&default&,&nwebSearchSuggest&:&default&,&qrcodeLogin&:&qrcode&,&enableVoteDownReasonMenu&:&enable&,&isf8&:&0&,&isShowUnicomFreeEntry&:&unicom_free_entry_off&,&newMobileColumnAppheader&:&new_header&,&androidDbRecommendAction&:&open&,&zcmLighting&:&zcm&,&androidDbFeedHashTagStyle&:&button&,&appStoreRateDialog&:&close&,&default&:&None&,&isNewNotiPanel&:&no&,&wechatShareModal&:&wechat_share_modal_show&,&growthBanner&:&default&,&androidProfilePanel&:&panel_b&}},&columns&:{&next&:{},&c_&:{&following&:false,&canManage&:false,&href&:&\u002Fapi\u002Fcolumns\u002Fc_&,&name&:&非典型产品er&,&creator&:{&slug&:&fan-jun-feng-39&},&url&:&\u002Fc_&,&slug&:&c_&,&avatar&:{&id&:&v2-b7de854cc0ac609a7daea&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&}}},&columnPosts&:{},&columnSettings&:{&colomnAuthor&:[],&uploadAvatarDetails&:&&,&contributeRequests&:[],&contributeRequestsTotalCount&:0,&inviteAuthor&:&&},&postComments&:{},&postReviewComments&:{&comments&:[],&newComments&:[],&hasMore&:true},&favlistsByUser&:{},&favlistRelations&:{},&promotions&:{},&switches&:{&couldSetPoster&:false},&draft&:{&titleImage&:&&,&titleImageSize&:{},&isTitleImageFullScreen&:false,&canTitleImageFullScreen&:false,&title&:&&,&titleImageUploading&:false,&error&:&&,&content&:&&,&draftLoading&:false,&globalLoading&:false,&pendingVideo&:{&resource&:null,&error&:null}},&drafts&:{&draftsList&:[],&next&:{}},&config&:{&userNotBindPhoneTipString&:{}},&recommendPosts&:{&articleRecommendations&:[],&columnRecommendations&:[]},&env&:{&edition&:{&baidu&:false,&yidianzixun&:false,&qqnews&:false},&isAppView&:false,&appViewConfig&:{&content_padding_top&:128,&content_padding_bottom&:56,&content_padding_left&:16,&content_padding_right&:16,&title_font_size&:22,&body_font_size&:16,&is_dark_theme&:false,&can_auto_load_image&:true,&app_info&:&OS=iOS&},&isApp&:false,&userAgent&:{&ua&:&Mozilla\u002F5.0 (compatible, MSIE 11, Windows NT 6.3; Trident\u002F7.0; rv:11.0) like Gecko&,&browser&:{&name&:&IE&,&version&:&11&,&major&:&11&},&engine&:{&version&:&7.0&,&name&:&Trident&},&os&:{&name&:&Windows&,&version&:&8.1&},&device&:{},&cpu&:{}}},&message&:{&newCount&:0},&pushNotification&:{&newCount&:0}}}
引用2楼 @ 发表的:涂了啊，而且没少涂呢，涂了整整一管，散热器也正常运转呢龟龟 这么秀的吗
引用59楼 @ 发表的:你丫涂整整一管硅脂能不温度爆炸？硅脂涂簙簙的一层就行，a4纸那么厚吧大概可能我这个“一管”让大家误解了，我的“一管”全挤出来也不过像花生那么大
引用60楼 @ 发表的:上水冷阿！又不是多贵的事！直接降几十度，硅脂也不用涂太多，簙簙一层就行了，最重要是涂均匀，你cpu都90度了，显卡肯定更高。讲真显卡还正常，50+℃，搞错了是主板90多℃
引用62楼 @ 发表的:可能我这个“一管”让大家误解了，我的“一管”全挤出来也不过像花生那么大那也太多了啊。你还不相信是因为硅脂涂多了的问题，硅脂在涂均匀的基础上，涂的越簙越好。
发自手机虎扑 m.hupu.com
引用2楼 @ 发表的:涂了啊，而且没少涂呢，涂了整整一管，散热器也正常运转呢涂太多了，大兄弟，原谅我笑出声……
引用63楼 @ 发表的:讲真显卡还正常，50+℃，搞错了是主板90多℃我装水冷，cpu待机24度，显卡25度，主板18度，玩吃鸡，cpu40度，显卡就上60度了，主板也是30度，装个cpu和显卡一起的水冷，或者cpu单水冷就行了，主板高是机箱布局不好，风扇风道要合适。
引用12楼 @ 发表的:为了预防这个问题我不装显示温度的软件兄弟666，大学的时候拿舍友神舟本玩GTA4 一点开始鲁大师就报警，直到我卸载掉之后才能安心进行游戏，而且最后这台笔记本都没烧
引用67楼 @ 发表的:兄弟666，大学的时候拿舍友神舟本玩GTA4 一点开始鲁大师就报警，直到我卸载掉之后才能安心进行游戏，而且最后这台笔记本都没烧我觉得软件就是吓人的
CPU吃鸡时候的温度多少应该是正常的。
我的显卡 也可以流畅玩啊
fps60左右 不卡
我也8400，没那么热
我就四十几度…?
您需要登录后才可以回复，请或者
2084人参加团购289.00元&639.00元
1867人参加团购518.00元&799.00元
70人参加团购469.00元&799.00元
263人参加团购399.00元&699.00元
1065人参加团购299.00元&799.00元
62人参加团购399.00元&799.00元
71人参加团购145.00元&160.00元
386人参加团购589.00元&999.00元
274人参加团购399.00元&669.00元
975人参加团购399.00元&729.00元
326人参加团购499.00元&899.00元
398人参加团购968.00元&1399.00元扫一扫，用手机看新闻！
用微信扫描还可以
分享至好友和朋友圈
您所在的位置： >
AI产业核心研究：芯片四大流派论剑，中国能否弯道超车
| 研究员专栏
00:00:00 来源：腾讯研究院 作者：张孝荣 殷竹馨 浏览次数：2078
随着AI产业快速突破，各大公司在AI领域的人才动向也在引起极大关注，你来我往、归去来兮，AI江湖上大有一片血雨腥风之势。当然，AI领军人物的变动，会对具体公司业务造成影响。但从整个行业来看，人才流动的频繁，反倒有可能促进产业的整体进程。
不信你翻翻历史。AI这门功夫自1956年问世以来，至今已经历60年风风雨雨，一直是流派众多，难学难练，没有大成。
难学，是因为必须要掌握一种叫做“算法”的神功；难练，是因为需要有足够算力，能够处理数据样本，训练机器。
几十年来，一直是有算法没算力，甚至于有人认为，人工智能就是一个科幻，就是小说家跟人类开的一个玩笑而已。谁也没想到，进入21世纪后算力大爆炸。引发了整个AI产业开天辟地般的变化。
其中，算法上升为天——深度学习，分成DBN，CNN，BP，RBM等等诸多分支，其中佼佼者当属CNN(convolutional neural networks)，人称卷积神经网络，应用广泛。
算力，下降为地——AI芯片。各种芯片如雨后春笋涌现，拿过来训练机器，得心应手啊。
庙堂之上也为AI驾临人间雀跃不已。世界各国意识到人工智能的重要性，纷纷箪食壶浆，以迎AI。
联合国于2016年发布告示，召集人类讨论机器人的制造和使用如何促进人工智能的进步，以及可能带来的社会与伦理问题。
美国政府于2016年连续颁发三道金牌：《美国国家人工智能研发战略计划》、《为人工智能的未来做好准备》、《人工智能、自动化与经济报告》，宣称加入人工智能教派，并且描绘了此举能带来的种种美好的前景。
英国政府见此立即照方抓药，刊发了《机器人技术和人工智能》报告，详细的阐述英国的机器人技术与AI的亲密关系。
有算法有算力，天地已定。有政策有战略，和风细雨。正是产业萌芽，草长莺飞，欣欣向荣的时刻。人才的流动正是产业加速的信号。
书归正传。芯片定义了产业链和生态圈的基础计算架构，正如CPU是IT产业的核心一样，芯片也是人工智能产业的核心。
话说天下AI芯片共分四大流派：
GPU，目前锐气正盛，恰似东邪，凭借并行计算形成先发优势。
FPGA，蛰伏北方，正在暗地里合纵连横，大有号令群雄的势头，恰似丐帮。
ASIC，割据南方，占领了大片市场，参与的公司林立。
类脑芯片，这个更“邪性”，打算直接复制大脑，也暗藏着问鼎中原的野心。
根据互联网公开发布信息，今年，四大流派已经派出几十路高手，参与华山论剑，这些高手均属于芯片设计期高手。
这些高手都有什么特点？谁能逐鹿中原？下文一一分析。
GPU一派
市场上名气最大的应该是GPU一派。GPU，也称视觉处理器，专门用于图像及相关处理的芯片。
2012年，Alex Krizhevsky，多伦多大学的博士研究生，凭此在ImageNet大赛上夺下了2012届的冠军。Alex提出了一个奇妙的模型，仅凭借两个GPU就取得了训练深层神经网络的极佳效果。江湖顿时为之轰动，于是引发了GPU训练神经网络的风潮。要知道，AI领域过去曾用CPU处理数据，但CPU效力太低。
当年，谷歌曾经花费巨资购买1.6万个处理器，堆成谷歌大脑，峰值功耗在10万瓦以上，占地面积数十平方米。试问天下，有几人能玩的起1.6万个处理器？
随着 AlexNet的划时代论文横空出世，于是GPU 在服务器端横扫天下。
有人会问，CPU和GPU，都是处理器，两者有什么不同？
与CPU相比，GPU 出现得远比 CPU 晚，但并行计算能力能却常令CPU望尘莫及。并行计算是相对于串行计算来说的。要知道，自计算机诞生以来，电脑编程几乎一直都是串行计算，绝大多数的程序只存在一个进程或线程，好比一个人只能先吃饭再看聊天。
但更多人喜欢边吃饭边聊天怎么办？遇到这类问题，串行计算就傻眼了。并行计算一次可执行多个指令的算法，能够完美解决吃饭聊天难题。解决方式可分为时间上的并行和空间上的并行。时间上的并行就是指流水线技术，而空间上的并行则是指用众多个处理器并发的执行计算。
深度学习所依赖的是神经系统网络，通常网络越深，需要的训练时间越长。对于一些网络结构来说，如果使用串行的X86 处理器来训练的话，可能需要几个月、甚至几年，因此必须要使用并行甚至是异构并行的方法，才有可能让训练时间变得可以接受。
在当前的人工智能芯片领域，GPU的应用领域不容小觑，据Jon Peddie Research（简称JPR）市场调研公司统计，在年期间，除了2008年GPU市场规模稍有下降，其余年份全球独立显卡的出货量和销售额都呈现出明显的上升趋势，并且在年有加速上升的表现。
GPU领域只有两大公司，一是英伟达，占市场份额约7成，另一位则是万年老二AMD，占市场份额约3成。
从GPU用户数量来看，根据英伟达2016年的财务报告，相比2013年的100家，2014年的1549家，2015年已有3409家机构或企业使用英伟达的GPU产品，从事人工智能的研究。这些企业和机构包括各大高等院校的人工智能实验室，互联网企业，军事企业等。
AMD虽然落后于英伟达，但2016年的市场份额已呈现出上升趋势，在发布了代号Vega织女星的GPU芯片，市场一片叫好，未来可能有继续上升的趋势。
不足的是，GPU 的很费电（比如高端显卡动辄200W+），一旦开启，散热就成了麻烦事。
FPGA一帮
GPU美中不足的是就是太贵了，太贵了，而且有副作用，降温是大个问题。怎么办？
赛灵思等公司改进了FPGA许多技术，使之价格便宜功耗又很低，操练起来更有趣。于是，跟随FPGA的越来越多，形成了一大流派。
FPGA是从哪里来的呢？
原来早在1984年赛灵思就发布世界上首款FPGA，当时的FPGA晶片尺寸很大，但成本却不低。1992年后，FPGA因采用新工艺节点，第一次出现了在FPGA上实现卷积神经网络。但直到2000年后，FPGA丹法结合了“易容术”后才略有小成，易容术是指FPGA 已不仅是门阵列，还是集成有可编程逻辑的复杂功能集。2008以来，FPGA不光可以越来越多地整合系统模块，集成重要的控制功能，还可以使用更高效的系统编程语言，如OpenCL和C语言，通过类似软件的流程来编程，降低了硬件编程的难度。于是，自2011年开始，出现了大规模基于FPGA的算法研究。
简单来说，FPGA 全称“现场可编程门阵列”(Field Programmable GateArray)，其基本原理是在 FPGA 芯片内集成大量的数字电路基本门电路以及存储器，而用户可以通过更新FPGA 配置文件，来定义这些门电路以及存储器之间的连线。
这里提及的“可编程”，完全就是“可变成”。这意味着你今天可以把 FPGA 配置成一个微控制器 MCU，明天就可以更新配置文件把同一个 FPGA 配置成一个音频编解码器。你是不是想起了孙悟空七十二变，今天是个老头明天是个少女？此乃易容术也。
不同于GPU的运行原理，FPGA是以门电路直接运算的，即编程中的语言在执行时会被翻译成电路，优势是运算速度快。
在很多领域FPGA的性能表现优异，以至于有人说FPGA可能会取代CPU和GPU成为将来机器人研发领域的主要芯片。当然，这事有点夸张。目前来看FPGA也多作为CPU的协处理器而出现，冲击GPU是显而易见的，但要说取代CPU，还得等等。
目前，国内有许多创业企业，自动加入FPGA阵营，提供基于FPGA的解决方案。比如源于清华大学的深鉴科技，专注于深度学习处理器与编译器技术，深鉴科技研发了一种名为“深度压缩”的技术，它不仅可以将神经网络压缩数十倍而不影响准确度，还可以使用“片上存储”来存储深度学习算法模型，减少内存读取，大幅度减少功耗。
FPGA流派的厂商有两大两小，两大分别是赛灵思、Altera（英特尔于2015年以167亿美元收购Altera），两小是Lattice和Microsemi。
其中，赛灵思和Altera占据了近90%的市场份额，两人旗下的专利超过6000项。而剩下约10%的市场份额，由Microsemi和Lattice瓜分，这两位的专利也有3000余项。由此可以看出，极高的技术门槛将其它希望进入FPGA市场的厂商牢牢挡在门外。
FPGA也有两大局限性。
第一，FPGA的峰值性能不如GPU。即便使用高端的服务器做FPGA编译都会需要数分钟的时间，放到移动端速度还会更慢。但FPGA的功耗低于GPU，若FPGA的架构和配置合理，从能耗比的角度上来看，则能超过GPU。
第二，FPGA的编程难度较高。编程人员需要同时精通软件和硬件两种编程语言，更适合于高段位的的资深技术玩家。FPGA芯片主要面向企业客户，如百度、微软、IBM 等公司都有专门做FPGA的团队为服务器加速。
就未来发展来看，FPGA的崛起指日可待。理由有三个：
首先，在人工智能起步阶段，算法大致每三个月迭代一次，单凭这一点来说，FPGA可以灵活调整电路配置以适应新的算法，具有一定优势；
其次，相比于GPU，FPGA更适用于深度学习的应用阶段；
最后，为了降低FPGA的编程难度，FPGA厂商赛灵思专门研发了可重配置加速栈堆，提供基于FPGA的硬件加速方案，这类似于一个App Store，赛灵思是一个平台，用户使用时直接从商店里挑选方案，不需要再自己设计布局布线了。
ASIC：由吸星大法突破
虽然GPU在并行计算方面有不少优势，但毕竟不是为机器学习专门设计的，FPGA则是需要用户自主编程，主要面向专业领域的企业用户，门槛太高。
大众消费领域怎办？如应用到无人驾驶汽车上或是智能家居终端，这款芯片还要同时满足高性能和低功耗的要求，甚至不需要将数据传回服务器端，不必连入互联网，本地即时计算即可。
ASIC挺身而出。
ASIC的全称是专用集成电路 (Application-Specific Integrated Circuit)。
玩过比特币的都知道著名的挖矿大战。ASIC在比特币挖矿领域，展现出了得天独厚的优势。2013年1月Avalon项目团队交付了世界上第一台商用比特币ASIC矿机，轰动了挖矿世界。CPU、GPU矿机几乎在一夜之间消失的无影无踪，引发了比特币挖矿行业第二次重大升级，比特币网络核心开发者Jeff Garzik有幸成为了第一个商业ASIC矿机的拥有者，据说当时收到Avalon矿机的用户在一两天内就回了本。而传说中隐藏在农村的土豪，能动用的ASIC矿机达到了数千台。
人工智能深度学习和比特币挖矿有类似之处，都是依赖于底层的芯片进行大规模的并行计算。
ASIC分为全定制和半定制。全定制设计需要设计者完成所有电路的设计，因此需要大量人力物力，灵活性好但开发周期长，上市速度慢。专为机器学习设计的ASIC芯片，从设计到制造，对资金和技术的要求都更高。一般来说，基于FPGA的开发周期大约为六个月，而相同规格的ASIC则需要一年左右，需要经过多步验证，可想而知，在这样精细的打磨下，其性能自然也更为出色。
ASIC的开发时间长，意味着ASIC芯片很有可能赶不上市场变化的速度，致使厂商陷入竹篮打水一场空的尴尬境地。
有没有办法改进呢？
既然一家公司设计 ASIC要花费太花时间，何不用别人现成的模块呢？
于是SoC+IP模式开始流行。这种模式有点像吸星大法。
SoC 全称是“片上系统（System-on-chip）”，亦即吸纳了许多不同模块的芯片。SoC 上面的每一个模块都可以称为 IP，这些 IP 既可以是自己设计的，也可以是购买其他公司的设计并整合到自己的芯片上。
相比ASIC，SoC+IP模式的上市时间短，成本较低，并且IP可以更灵活地满足用户需求。IP公司专注于IP模块的设计，SoC公司则专注于芯片集成，分工合作，提高效率。
事实上，高通已经在研发能在本地完成深度学习的移动设备芯片，IP设计公司如CEVA和Kneron也在研发与人工智能相关的IP核，这种模式未来也是人工智能芯片的发展方向之一。
ASIC易学难练，要想大成，靡费巨资。因此玩ASIC的不乏豪门贵族。例如，谷歌于2016年推出可编程AI加速器TPU，英特尔也将于2017年推出专为深度学习设计的芯片Knights Mill。微软打造Project Catapult支持微软Bing。
从初创公司来看，美国的Wave Computing公司专注于深度学习芯片架构，推出DPU（Dataflow Processing Unit）；英国的Graphcore公司将推出开源软件框架Poplar和智能处理单元IPU。
相比于科技巨头，初创企业更有可能结合具体应用场景设计芯片，如地平线机器人设计的第一代BPU（Brain Processing Unit），被用于开发ADAS系统。
中科院计算所从2008年开始研究，项目名为寒武纪，主要经费来源是中科院先导专项和国家自然科学基金，负责人是陈氏兄弟，陈云霁和陈天石。目前，寒武纪系列已包含三种原型处理器结构：寒武纪1号（英文名DianNao，面向神经网络的原型处理器结构）；寒武纪2号（英文名DaDianNao，面向大规模神经网络）；寒武纪3号（英文名PuDianNao，面向多种机器学习算法）。
类脑芯片：复制另一个人脑
类脑芯片不得不提IBM，每次产业变迁，IBN总要给大家带来一些新鲜名词热闹一番。比如电子商务、智慧星球，认知计算，现在又带来了号称要复制人脑的类脑芯片，科技真真太黑了。
IBM类脑芯片的后台支持者是美国国防部先进研究项目局（DARPA），DARPA是可谓科技圈的泰山北斗，大名鼎鼎的Internet前身阿帕网即源于这个机构。
DARPA与IBM合作建立了一个项目，名为“神经形态自适应伸缩可塑电子系统计划（SyNAPSE)”。该计划意图还原大脑的计算功能，从而制造出一种能够模拟人类的感觉，理解，行动与交流的能力的系统，用途非常明确：辅助士兵在战场动态复杂环境中的认知能力，用于无人武器的自动作战。
该项目中最引人注目的是类脑芯片TureNorth。2011年，IBM发布第一代TrueNorth芯片，它可以像大脑一样具有学习和信息处理能力，具有大规模并行计算能力。2014年，IBM发布第二代TrueNorth芯片，性能大幅提升，功耗却只有70毫瓦，神经元数量由256个增加到100万个，可编程突触由262144个增加到2.56亿个。高通也发布了Zeroth认知计算平台，它可以融入到高通Snapdragon处理器芯片中，以协处理方式提升系统认知计算性能，实际应用于终端设备上。
“正北”问世，激起了国内研究机构对人工智能的的热情。
上海的西井科技去年发布了全球首块5000万神经元类脑芯片。该公司宣称，这是目前世界上含有神经元数量最多的类脑芯片，也是首块可商用化类脑芯片。
去年6月，中星微宣布中国首款嵌入式神经网络处理器（NPU）芯片诞生，并已于实现量产，主要应用于嵌入式视频监控领域。
据说北京大学则研究另外一种路线——忆阻器。据媒体报道，北京大学在视听感知和图橡视频编码方面的研究处于国际领先水平，在利用神经形态芯片构造大规模神经网络方面，已经围绕视皮层模拟开展研究。
中科院陈云霁认为，总体上看，国内和IBM的TrueNorth芯片为代表的国际先进水平还存在一定的差距。这个差距不体现在单芯片绝对的运算速度上(事实上，国产类脑芯片每秒能进行的神经元运算和突触运算数量比TBM的TrueNorth还要高十倍），而是在功耗上。TrueNorth芯片功耗仅为65毫瓦，比国内芯片(15瓦左右)要低250倍。
从芯片性能角度来看，如今类脑芯片的算力和精度都不能超过GPU和FPGA的最好水平，因此类脑芯片是人工智能芯片几大方向中最小众的一类。
类脑芯片未来能否超越其它门派？这有赖于人类是否能完全搞清楚人脑的结构，能否有更多理论和实验支撑类脑芯片技术上的突破。就眼下来看，类脑芯片在商业化的道路上还需要探索一段时间。
华山论剑，中国能否弯道超车？
AI芯片是人工智能产业的演武场。
产业刚刚萌芽，东邪西毒南帝北丐均在赶往华山的路上，似乎大家都有当大英雄的机会。但是，如果从国别的角度来看，会发现一个残酷的现象。残酷，是因为中美两国存在着相当差距。比赛刚刚开始，美国就赢了。
在一些知名的芯片厂商中，美国有13家公司中，领军者既有谷歌、英特尔、IBM这样的科技巨头，也有高通、英伟达、AMD、赛灵思这样在各自领域中有绝对优势的大公司，以及一些发展良好的中等规模公司和活跃的初创企业。
但中国则主要以初创公司为主，没有巨头。其中七家企业中六家都是初创公司，均成立于近三年内，只有一家中等规模企业——中星微。
从芯片类别来看，美国厂商遍布人工智能芯片的四大流派，IC设计环节的产业结构非常均衡，并且在GPU领域，美国企业是完全垄断的，中国为零；在FPGA领域，只能跟随赛灵思做解决方案；在ASIC领域，有些4家创业公司；类脑芯片，也有2家。
芯片是数字经济的产业核心，历来是易守难攻，一旦形成先发优势，后来者很难超越。AI芯片也不例外。在过去十多年里，Intel、IBM、摩托罗拉、飞利浦、东芝、三星等60多家公司曾试图进军AI芯片，但纷纷遭致惨败。
这其中的原因就在于进入门槛高，主要有以下几点：
首先是专利技术壁垒。FPGA四公司用近9000项专利构筑了长长的知识产权壁垒，将进攻者拒于国门之外。即便是强如Intel也望而兴叹，不得以耗资167亿美元收买了Altera，获得了一张FPGA领域的门票。染指GPU就更不用提了。
其次是市场相对偏小。2016年全球FPGA市场总额仅为50亿美元，且有九成落入赛灵思和Altera两家公司，这么小的市场规模很难养活太多的大公司，必然导致竞争异常激烈。
最后是投资周期长。专利壁垒或许可以跨越，市场狭小，或许可以忍受。但是FPGA产品，从投入研发到产品真正规模化生产差不多要七年。这期间几乎没有任何商业回报。正常的风投是等不了这么长时间的。
AI时代论剑，芯片是核心。
AI芯片作为产业上游，也是技术要求和附加值最高的环节，产业价值和战略地位远远大于应用层创新，因此我们需要高度重视。
放眼时代变迁，CPU领域WINTEL联盟已经一统江山极难突破，而AI芯片方兴未艾，机遇正在逐渐显露，AI领域未来必然也会产生类似英特尔、AMD这样的世界级企业。
美国以绝对实力处于领先地位，但一批中国初创企业也在蓄势待发。
但是，AI芯片领域的创新绝不是件一蹴而就的事情。它涉及到人工智能算法、编程语言、计算机体系结构、集成电路技术、半导体工艺的方方面面。在巨大的国际竞争压力下，靠单个企业研发投入，远远不够；单靠有限的风险投资，也不行。靠科技补贴，更是远水解不了近渴。
我们如何相信中国企业有机会成为人工智能时代的弄潮儿，在AI芯片华山论剑之时占有一席之地呢？抱团创新可能会是未来实现突破的方向。AI领域创业空间巨大，所需资金规模巨大，所需资源巨大，单凭创业者个人和团队的能力打天下已经不现实， AI创业者需要跟产业加速器和产业资本密切结合，抱团创新，如此才能有更广阔的发展天地。
而笔者在对腾讯众创调研时了解到，目前许多国内创业企业已经学会了抱团创新，以长青腾创业营为例，开营100余天，40家创业公司总估值实现翻番，超过600亿，58%的学员顺利进入下一轮融资，100天融资总金额超过60亿。眼下，长青腾正在筹划AI创业营。
这对中国AI芯片创业是不是有所启示？
对于猫咪盛行于网络的这种现象，可以称之为猫次元现象。受猫文化影响的一代人，已经或即将成长为..
互联网+制造是以互联网为核心的新一代信息技术与制造业的深度融合所形成的产业和应用生态，大数据及云计算平台是实现产业应用的重要基础，..
从最早的基于规则的（rule-based）的专家法律系统（将法律专家的法律知识、经验等以规则的形式转变成为计算机语言），到以深度学习、机器学..
社交的尺度
数字经济崛起盘点 | AI芯片这么多，你更看好哪个？赞赏1 人赞赏22收藏分享举报文章被以下专栏收录产品 o 科技 o 市场{&debug&:false,&apiRoot&:&&,&paySDK&:&https:\u002F\u002Fpay.zhihu.com\u002Fapi\u002Fjs&,&wechatConfigAPI&:&\u002Fapi\u002Fwechat\u002Fjssdkconfig&,&name&:&production&,&instance&:&column&,&tokens&:{&X-XSRF-TOKEN&:null,&X-UDID&:null,&Authorization&:&oauth c3cef7c66aa9e6a1e3160e20&}}{&database&:{&Post&:{&&:{&isPending&:false,&contributes&:[{&sourceColumn&:{&lastUpdated&:,&description&:&行走在科技与市场之间，微信公众号「laofantalk」&,&permission&:&COLUMN_PUBLIC&,&memberId&:4650235,&contributePermission&:&COLUMN_PUBLIC&,&translatedCommentPermission&:&all&,&canManage&:true,&intro&:&产品 o 科技 o 市场&,&urlToken&:&c_&,&id&:26963,&imagePath&:&v2-b7de854cc0ac609a7daea.jpg&,&slug&:&c_&,&applyReason&:&0&,&name&:&非典型产品er&,&title&:&非典型产品er&,&url&:&https:\u002F\u002Fzhuanlan.zhihu.com\u002Fc_&,&commentPermission&:&COLUMN_ALL_CAN_COMMENT&,&canPost&:true,&created&:,&state&:&COLUMN_NORMAL&,&followers&:31,&avatar&:{&id&:&v2-b7de854cc0ac609a7daea&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&activateAuthorRequested&:false,&following&:false,&imageUrl&:&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-b7de854cc0ac609a7daea_l.jpg&,&articlesCount&:5},&state&:&accepted&,&targetPost&:{&titleImage&:&&,&lastUpdated&:,&imagePath&:&&,&permission&:&ARTICLE_PUBLIC&,&topics&:[350,90716],&summary&:&众所周知，人工智能的三大支柱是硬件、算法和数据。其中，硬件主要是指用于运行AI算法的芯片。本文主要对AI芯片的厂商进行归纳和整理。目前针对AI设计的芯片主要分为用于服务器端（云端）和用于移动端（终端）两大类。服务器端负责AI算法的芯片走的是超级计…&,©Permission&:&ARTICLE_COPYABLE&,&translatedCommentPermission&:&all&,&likes&:0,&origAuthorId&:0,&publishedTime&:&T11:48:25+08:00&,&sourceUrl&:&&,&urlToken&:,&id&:2638896,&withContent&:false,&slug&:,&bigTitleImage&:false,&title&:&盘点 | AI芯片这么多，你更看好哪个？&,&url&:&\u002Fp\u002F&,&commentPermission&:&ARTICLE_ALL_CAN_COMMENT&,&snapshotUrl&:&&,&created&:,&comments&:0,&columnId&:26963,&content&:&&,&parentId&:0,&state&:&ARTICLE_PUBLISHED&,&imageUrl&:&&,&author&:{&bio&:&电子产品er\u002F计算机视觉应用专家&,&isFollowing&:false,&hash&:&d9dba6e889e5&,&uid&:40,&isOrg&:false,&slug&:&fan-jun-feng-39&,&isFollowed&:false,&description&:& 学习、探索与实践，这是一生的追求。&,&name&:&Van Teddy&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Ffan-jun-feng-39&,&avatar&:{&id&:&b1d20c18c6e1ad25ce3bcb9&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&memberId&:4650235,&excerptTitle&:&&,&voteType&:&ARTICLE_VOTE_CLEAR&},&id&:599417}],&title&:&盘点 | AI芯片这么多，你更看好哪个？&,&author&:&fan-jun-feng-39&,&content&:&\u003Cp\u003E众所周知，人工智能的三大支柱是硬件、算法和数据。其中，硬件主要是指用于运行AI算法的芯片。本文主要对AI芯片的厂商进行归纳和整理。\u003C\u002Fp\u003E\u003Cp\u003E目前针对AI设计的芯片主要分为用于服务器端（云端）和用于移动端（终端）两大类。\u003C\u002Fp\u003E\u003Cp\u003E服务器端负责AI算法的芯片走的是超级计算机的路子，一方面要支持尽可能多的网络结构以保证算法的正确率和泛化能力；另一方面必须支持高精度浮点数运算，峰值性能至少要达到Tflops（每秒执行10^12次浮点数运算）级别，所以功耗非常大；而且为了能够提升性能必须支持阵列式结构（即可以把多块芯片组成一个计算阵列以加速运算）。\u003C\u002Fp\u003E\u003Cp\u003E移动端的AI芯片在设计思路上有着本质的区别。首先，必须保证功耗控制在一定范围内，换言之，必须保证很高的计算能效；为了达到这个目标，移动端AI芯片的性能必然有所损失，允许一些计算精度损失，因此可以使用一些定点数运算以及网络压缩的办法来加速运算。\u003C\u002Fp\u003E\u003Cp\u003E下面，将分别从服务器端芯片和移动端芯片两个大类进行介绍。有的厂商同时具有这两类产品，则不做严格区分。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cb\u003E服务器端\u003C\u002Fb\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-ed2d5dac484b640d6fe77_b.jpg\& data-rawwidth=\&121\& data-rawheight=\&91\& class=\&content_image\& width=\&121\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='121'%20height='91'&&\u002Fsvg&\& data-rawwidth=\&121\& data-rawheight=\&91\& class=\&content_image lazy\& width=\&121\& data-actualsrc=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-ed2d5dac484b640d6fe77_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E在云端服务器这个领域，Nvidia的GPU已经成为服务器不可或缺的一部分，称其为领跑者毫不为过。有报告显示，世界上目前约有3000多家AI初创公司，大部分都采用了Nvidia提供的硬件平台。\u003C\u002Fp\u003E\u003Cp\u003E资本市场对此给出了热烈的回应：在过去的一年中，曾经以游戏芯片见长的Nvidia股价从十几年的稳居30美元迅速飙升至120美元。日，英伟达发布2016年第四季度的财报显示，其营收同比增长55%，净利润达到了6.55亿美元，同比增长216%。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-2e7c09381b6eea82ddebd1864adeceb0_b.jpg\& data-rawwidth=\&121\& data-rawheight=\&121\& class=\&content_image\& width=\&121\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='121'%20height='121'&&\u002Fsvg&\& data-rawwidth=\&121\& data-rawheight=\&121\& class=\&content_image lazy\& width=\&121\& data-actualsrc=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-2e7c09381b6eea82ddebd1864adeceb0_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E作为PC时代的绝对霸主，Intel已经错过了移动互联网时代，在已经到来的AI时代，也失掉了先机，但它并没有放弃，而是积极布局，准备逆袭。在云端，收购Altera之后推出了基于FPGA的专用深度学习加速卡，可以在云端使用；另外，收购Nervana，目标也是在云端。在移动端，则是收购了Movidius。下面先对Nervana进行介绍，对Movidius的介绍放在后面移动端。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-fdbec37d_b.jpg\& data-rawwidth=\&272\& data-rawheight=\&71\& class=\&content_image\& width=\&272\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='272'%20height='71'&&\u002Fsvg&\& data-rawwidth=\&272\& data-rawheight=\&71\& class=\&content_image lazy\& width=\&272\& data-actualsrc=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-fdbec37d_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003ENervana创立于2014年，位于圣地亚哥的初创公司Nervana Systems已经从20家不同的投资机构那里获得了2440万美元资金，而其中一家是十分受人尊敬的德丰杰风险投资公司（Draper Fisher Jurvetson，DFJ）。\u003C\u002Fp\u003E\u003Cp\u003EThe Nervana Engine（将于2017年问世）是一个为深度学习专门定做和优化的ASIC芯片。这个方案的实现得益于一项叫做High Bandwidth Memory的新型内存技术，同时拥有高容量和高速度，提供32GB的片上储存和8TB每秒的内存访问速度。该公司目前提供一个人工智能服务“in the cloud”，他们声称这是世界上最快的且目前已被金融服务机构、医疗保健提供者和政府机构所使用的服务，他们的新型芯片将会保证Nervana云平台在未来的几年内仍保持最快的速度。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-62af27ae1db41b69c75bd00_b.jpg\& data-rawwidth=\&121\& data-rawheight=\&75\& class=\&content_image\& width=\&121\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='121'%20height='75'&&\u002Fsvg&\& data-rawwidth=\&121\& data-rawheight=\&75\& class=\&content_image lazy\& width=\&121\& data-actualsrc=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-62af27ae1db41b69c75bd00_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003EIBM很早以前就发布过watson，早就投入了很多的实际应用中去。除此之外，还启动了对类人脑芯片的研发，那就是TrueNorth。\u003C\u002Fp\u003E\u003Cp\u003ETrueNorth是IBM参与DARPA的研究项目SyNapse的最新成果。SyNapse全称是Systems of Neuromorphic Adaptive Plastic Scalable Electronics（自适应可塑可伸缩电子神经系统，而SyNapse正好是突触的意思），其终极目标是开发出打破冯o诺依曼体系的硬件。\u003C\u002Fp\u003E\u003Cp\u003E这种芯片把数字处理器当作神经元，把内存作为突触，跟传统冯诺依曼结构不一样，它的内存、CPU和通信部件是完全集成在一起。因此信息的处理完全在本地进行，而且由于本地处理的数据量并不大，传统计算机内存与CPU之间的瓶颈不复存在了。同时神经元之间可以方便快捷地相互沟通，只要接收到其他神经元发过来的脉冲（动作电位），这些神经元就会同时做动作。\u003C\u002Fp\u003E\u003Cp\u003E2011年的时候，IBM首先推出了单核含256 个神经元，256×256 个突触和 256 个轴突的芯片原型。当时的原型已经可以处理像玩Pong游戏这样复杂的任务。不过相对来说还是比较简单，从规模上来说，这样的单核脑容量仅相当于虫脑的水平。\u003C\u002Fp\u003E\u003Cp\u003E不过，经过3年的努力，IBM终于在复杂性和使用性方面取得了突破。4096个内核，100万个“神经元”、2.56亿个“突触”集成在直径只有几厘米的方寸（是2011年原型大小的1\u002F16）之间，而且能耗只有不到70毫瓦。\u003C\u002Fp\u003E\u003Cp\u003E这样的芯片能够做什么事情呢？IBM研究小组曾经利用做过DARPA 的NeoVision2 Tower数据集做过演示。它能够实时识别出用30帧每秒的正常速度拍摄自斯坦福大学胡佛塔的十字路口视频中的人、自行车、公交车、卡车等，准确率达到了80%。相比之下，一台笔记本编程完成同样的任务用时要慢100倍，能耗却是IBM芯片的1万倍。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-cb1ba0b2c52ec4dc7cdea237_b.jpg\& data-rawwidth=\&120\& data-rawheight=\&75\& class=\&content_image\& width=\&120\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='120'%20height='75'&&\u002Fsvg&\& data-rawwidth=\&120\& data-rawheight=\&75\& class=\&content_image lazy\& width=\&120\& data-actualsrc=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-cb1ba0b2c52ec4dc7cdea237_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003EGoogle在2016年宣布独立开发一种名为TPU的全新的处理系统。\u003C\u002Fp\u003E\u003Cp\u003ETPU是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度，减少实现每个计算操作所需的晶体管数量，从而能让芯片的每秒运行的操作个数更高，这样经过精细调优的机器学习模型就能在芯片上运行得更快，进而更快地让用户得到更智能的结果。Google将TPU加速器芯片嵌入电路板中，利用已有的硬盘PCI-E接口接入数据中心服务器中。\u003C\u002Fp\u003E\u003Cp\u003E据Google资深副总裁Urs Holzle透露，当前Google TPU、GPU并用，这种情况仍会维持一段时间，但他表示，GPU可执行绘图运算工作，用途多元；TPU 属于ASIC，也就是专为特定用途设计的特殊规格逻辑IC，由于只执行单一工作，速度更快，但缺点是成本较高。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-48e1fe07b962e795aaefca3ba59a381b_b.jpg\& data-rawwidth=\&185\& data-rawheight=\&56\& class=\&content_image\& width=\&185\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='185'%20height='56'&&\u002Fsvg&\& data-rawwidth=\&185\& data-rawheight=\&56\& class=\&content_image lazy\& width=\&185\& data-actualsrc=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-48e1fe07b962e795aaefca3ba59a381b_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E终于有中国公司了，中文名“寒武纪”，是北京中科寒武纪科技有限公司的简称。这家公司有中科院背景，面向深度学习等人工智能关键技术进行专用芯片的研发，可用于云服务器和智能终端上的图像识别、语音识别、人脸识别等应用。\u003C\u002Fp\u003E\u003Cp\u003E寒武纪深度学习处理器采用的指令集DianNaoYu由中国科学院计算技术研究所陈云霁、陈天石课题组提出。模拟实验表明，采用DianNaoYu指令集的寒武纪深度学习处理器相对于x86指令集的CPU有两个数量级的性能提升。\u003C\u002Fp\u003E\u003Cp\u003E目前，寒武纪系列已包含三种原型处理器结构：\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E\u003Cp\u003E寒武纪1号（英文名DianNao，面向神经网络的原型处理器结构）；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E寒武纪2号（英文名DaDianNao，面向大规模神经网络）；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E寒武纪3号（英文名PuDianNao，面向多种机器学习算法）。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E2016年推出的寒武纪1A处理器（Cambricon-1A）是世界首款商用深度学习专用处理器，面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终端设备\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cb\u003E移动端\u003C\u002Fb\u003E\u003C\u002Fh2\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-fafef75b0ff_b.jpg\& data-rawwidth=\&119\& data-rawheight=\&75\& class=\&content_image\& width=\&119\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='119'%20height='75'&&\u002Fsvg&\& data-rawwidth=\&119\& data-rawheight=\&75\& class=\&content_image lazy\& width=\&119\& data-actualsrc=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-fafef75b0ff_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003EARM刚推出全新芯片架构DynamIQ，通过这项技术，AI的性能有望在未来三到五年内提升50倍。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003EARM的新CPU架构将会通过为不同部分配置软件的方式将多个处理核心集聚在一起，这其中包括一个专门为AI算法设计的处理器。芯片厂商将可以为新处理器配置最多8个核心。同时为了能让主流AI在自己的处理器上更好地运行，ARM还将放出一系列软件库。\u003C\u002Fp\u003E\u003Cp\u003EDynamIQ是在ARM上一代革新架构big.LITTLE基础上的一次演进，这种架构能够对同一运算设备中的大小两个核进行适当配置，以减少电池消耗。目前big.LITTLE架构已经被应用到了几乎所有智能手机的芯片上，包括用于安卓系统的高通骁龙处理器以及苹果最新一代的A10芯片。\u003C\u002Fp\u003E\u003Cp\u003E接下来ARM推出的每一款Cortex-A系列芯片都将采用这种新技术。ARM称，与在现有芯片架构上开发出的处理器（即Cortex-A73）相比，基于DynamIQ架构开发的全新处理器有望在三到五年内使人工智能的表现增强50倍。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-5c6fd59d29bda2858f4f_b.jpg\& data-rawwidth=\&243\& data-rawheight=\&104\& class=\&content_image\& width=\&243\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='243'%20height='104'&&\u002Fsvg&\& data-rawwidth=\&243\& data-rawheight=\&104\& class=\&content_image lazy\& width=\&243\& data-actualsrc=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-5c6fd59d29bda2858f4f_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E2016年9月，Intel发表声明收购了Movidius。\u003C\u002Fp\u003E\u003Cp\u003EMovidius专注于研发高性能视觉处理芯片。现任CEO是原来德州仪器OMAP部门的总经理，它的技术指导委员会也是实力强大，拥有半导体和处理器行业的元老级人物——被苹果收购的 P.A.Semi 创始人丹尼尔·多伯普尔（Daniel Dobberpuhl），卡内基梅隆大学计算机科学\u002F计算机视觉专家金出武雄，以及前苹果 iPhone 和 iPod 部门工程副总裁、资深工程师大卫·图普曼（David Tupman）三人坐镇。\u003C\u002Fp\u003E\u003Cp\u003E其最新一代的Myriad2视觉处理器主要由SPARC处理器作为主控制器，加上专门的DSP处理器和硬件加速电路來处理专门的视觉和图像信号。这是一款以DSP架构为基础的视觉处理器，在视觉相关的应用领域有极高的能耗比，可以将视觉计算普及到几乎所有的嵌入式系统中。\u003C\u002Fp\u003E\u003Cp\u003E该芯片已被大量应用在Google 3D项目Tango手机、大疆无人机、FLIR智能红外摄像机、海康深眸系列摄像机、华睿智能工业相机等产品中。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-c42fdae9bf_b.jpg\& data-rawwidth=\&160\& data-rawheight=\&65\& class=\&content_image\& width=\&160\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='160'%20height='65'&&\u002Fsvg&\& data-rawwidth=\&160\& data-rawheight=\&65\& class=\&content_image lazy\& width=\&160\& data-actualsrc=\&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-c42fdae9bf_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003ECEVA是专注于DSP的IP供应商，拥有为数众多的产品线。其中，图像和计算机视觉 DSP 产品 CEVA-XM4 是第一个支持深度学习的可编程 DSP，而其发布的新一代型号 CEVA-XM6，具有更优的性能、更强大的计算能力，以及更低的耗能。\u003C\u002Fp\u003E\u003Cp\u003EXM6 的两大新硬件功能，将帮助大多数图像处理和机器学习算法。第一个是分散-聚集，或者说是阅读一个周期中，L1 缓存到向量寄存器中的 32 地址值的能力。CDNN2 编译工具识别串行代码加载，并实现矢量化来允许这一功能，当所需的数据通过记忆结构分布时，分散-聚集提高了数据加载时间。由于 XM6 是可配置的 IP，L1 数据储存的大小\u002F相关性在硅设计水平是可调节的，CEVA 表示，这项功能对于任意尺寸的 L1 都有效。此级用于处理的向量寄存器是宽度为 8 的 VLIW 实现器， 这样的配置才能满足要求。\u003C\u002Fp\u003E\u003Cp\u003E第二功能称为“滑动-窗口”数据处理，这项视觉处理的特定技术已被 CEVA 申请专利。有许多方法可以处理过程或智能中的图像，通常算法将立刻使用平台所需一块或大片像素。对于智能部分，这些块的数量将重叠，导致不同区域的图像被不同的计算区域重用。CEVA 的方法是保留这些数据，从而使下一步分析所需信息量更少。\u003C\u002Fp\u003E\u003Cp\u003ECEVA 指出，智能手机、汽车、安全和商业应用，如无人机、自动化将是主要目标。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-fe05d4ceef37c15c5245ee8_b.jpg\& data-rawwidth=\&119\& data-rawheight=\&75\& class=\&content_image\& width=\&119\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='119'%20height='75'&&\u002Fsvg&\& data-rawwidth=\&119\& data-rawheight=\&75\& class=\&content_image lazy\& width=\&119\& data-actualsrc=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-fe05d4ceef37c15c5245ee8_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003EEyeriss事实上是MIT的一个项目，还不是一个公司，但是因为获得了大量的媒体报道，故把它单独拿出来进行介绍。从长远来看，如果进展顺利，很可能孵化出一个新的公司。\u003C\u002Fp\u003E\u003Cp\u003EEyeriss是一个高效能的深度卷积神经网络（CNN）加速器硬件，该芯片内建168 个核心，专门用来部署神经网路（neural network），效能为一般行动GPU 的10 倍。其技术关键在于最小化GPU 核心和记忆体之间交换数据的频率（此运作过程通常会消耗大量的时间与能量）：一般GPU 内的核心通常共享单一记忆体，但Eyeriss 的每个核心拥有属于自己的记忆体。\u003C\u002Fp\u003E\u003Cp\u003E此外，Eyeriss 还能在将数据传送到每一个核心之前，先进行数据压缩，且每一个核心都能立即与邻近的核心直接沟通，因此若需要共享数据，核心们不需要透过主要记忆体就能传递。\u003C\u002Fp\u003E\u003Cp\u003E目前，Eyeriss主要定位在人脸识别和语音识别，可应用在智能手机、穿戴式设备、机器人、自动驾驶车与其他物联网应用装置上。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-ff88acb32f_b.jpg\& data-rawwidth=\&234\& data-rawheight=\&96\& class=\&content_image\& width=\&234\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='234'%20height='96'&&\u002Fsvg&\& data-rawwidth=\&234\& data-rawheight=\&96\& class=\&content_image lazy\& width=\&234\& data-actualsrc=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-ff88acb32f_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E日，中星微率先推出中国首款嵌入式神经网络处理器（NPU）芯片，这是全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片，取名“星光智能一号”。这款基于深度学习的芯片运用在人脸识别上，最高能达到98%的准确率，超过人眼的识别率。该NPU采用了“数据驱动”并行计算的架构，单颗NPU（28nm）能耗仅为400mW，极大地提升了计算能力与功耗的比例。\u003C\u002Fp\u003E\u003Cp\u003E研发“星光智能一号”耗时三年时间。中星微集团聚集了北京、广东、天津、山西、江苏、青岛、硅谷的研发力量，采用了先进的过亿门级集成电路设计技术及超亚微米芯片制造工艺，在TSMC成功实现投片量产。\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp\u003E目前“星光智能一号”出货量主要集中在安防摄像领域，其中包含授权给其他安防摄像厂商部分。未来将主要向车载摄像头、无人机航拍、机器人和工业摄像机方面进行推广和应用。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-a82c0e080f58f3e072f9eb_b.jpg\& data-rawwidth=\&157\& data-rawheight=\&61\& class=\&content_image\& width=\&157\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='157'%20height='61'&&\u002Fsvg&\& data-rawwidth=\&157\& data-rawheight=\&61\& class=\&content_image lazy\& width=\&157\& data-actualsrc=\&https:\u002F\u002Fpic1.zhimg.com\u002Fv2-a82c0e080f58f3e072f9eb_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003EHorizon Robotics（地平线机器人）由前百度深度学习研究院负责人余凯创办，致力于打造基于深度神经网络的人工智能“大脑”平台-包括软件和芯片，可以做到低功耗、本地化的解决环境感知、人机交互、决策控制等问题。其中，软件方面，地平线做了一套基于神经网络的OS，已经研发出分别面向自动驾驶的的“雨果”平台和智能家居的“安徒生”平台，并开始逐步落地。硬件方面，未来地平线机器人还会为这个平台设计一个芯片——NPU（Neural Processing Unit），支撑自家的OS，到那时效能会提升2-3个数量级（100-1000倍）。\u003C\u002Fp\u003E\u003Cp\u003E地平线的最终产品不止芯片，而是一个核心控制模块，具有感知、识别、理解、控制的功能。把这个控制模块做成产品去跟合作方做集成。换句话说，地平线提供的是一个带有人工智能算法的解决方案。\u003C\u002Fp\u003E\u003Cp\u003E商业模式上，目前会采取产品、技术加服务的方式，先把产品做出来，得到第一手的用户体验，将来再向更宽广的生态去发展。地平线并没有把自己定义为单纯的技术提供商，不会单纯的卖算法SDK或者单纯出售芯片，而是打造技术平台，来帮助用户把产品做出来。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cfigure\u003E\u003Cnoscript\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-f5c9cdceaa_b.jpg\& data-rawwidth=\&129\& data-rawheight=\&57\& class=\&content_image\& width=\&129\&\u003E\u003C\u002Fnoscript\u003E\u003Cimg src=\&data:image\u002Fsvg+utf8,&svg%20xmlns='http:\u002F\u002Fwww.w3.org\u002FFsvg'%20width='129'%20height='57'&&\u002Fsvg&\& data-rawwidth=\&129\& data-rawheight=\&57\& class=\&content_image lazy\& width=\&129\& data-actualsrc=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-f5c9cdceaa_b.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E深鉴科技由清华团队创办，其产品称作“深度学习处理单元”（Deep Processing Unit，DPU），目标是以ASIC级别的功耗，来达到优于GPU的性能，目前第一批产品基于FPGA平台。\u003C\u002Fp\u003E\u003Cp\u003E从官方提供的数据来看，嵌入式端的产品在性能超过Nvidia TK1 的同时，功耗、售价仅为后者的1\u002F4左右。服务器端的产品，性能接近Nvidia K40 GPU ，但功耗只有35瓦左右，售价300美元以下，不足后者的1\u002F10。\u003C\u002Fp\u003E\u003Cp\u003E深鉴科技着力于打造基于DPU的端到端的深度学习硬件解决方案，除了承载在硬件模块（订制的PCB板）上的DPU的芯片架构外，还打造了针对该架构的DPU压缩编译工具链SDK。\u003C\u002Fp\u003E\u003Cp\u003E产品的应用领域分为终端和云端两类。其中嵌入式端的产品将主要应用在无人机、安防监控、机器人、AR等领域，目前已经与一家知名无人机厂商建立了合作。服务器端的产品将主要面向大型互联网公司的语音处理、图像处理等。目前也已经与国内知名互联网公司展开合作，在兼容对方现有机房的情况下，功耗降低80%，语音识别的准确率提升了5%-7%。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Ch2\u003E\u003Cb\u003E结语\u003C\u002Fb\u003E\u003C\u002Fh2\u003E\u003Cp\u003E人工智能时代已经来临，在这个史无前例的巨大浪潮面前，有哪些公司能脱颖而出，成为新一代弄潮儿？让我们拭目以待。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E如果喜欢这篇文章，请关注我的知乎专栏： \u003Ca href=\&https:\u002F\u002Fzhuanlan.zhihu.com\u002Fc_\& class=\&internal\&\u003E非典型产品er\u003C\u002Fa\u003E，或者微信公众号：laofantalk。我在那里等您。\u003C\u002Fp\u003E&,&updated&:new Date(&T03:48:25.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:0,&collapsedCount&:0,&likeCount&:22,&state&:&published&,&isLiked&:false,&slug&:&&,&lastestTipjarors&:[{&isFollowed&:false,&name&:&林修之&,&headline&:&文字工作者。&,&avatarUrl&:&https:\u002F\u002Fpic3.zhimg.com\u002Fv2-22bbaa3d8c3_s.jpg&,&isFollowing&:false,&type&:&people&,&slug&:&i308&,&bio&:&308@design.one&,&hash&:&f49e5e5ae520d1cb767cdf8b&,&uid&:24,&isOrg&:false,&description&:&文字工作者。&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fi308&,&avatar&:{&id&:&v2-22bbaa3d8c3&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&reviewers&:[],&topics&:[{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&人工智能&},{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&半导体产业&}],&adminClosedComment&:false,&titleImageSize&:{&width&:0,&height&:0},&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&column&:{&slug&:&c_&,&name&:&非典型产品er&},&tipjarState&:&activated&,&tipjarTagLine&:&真诚赞赏，手留余香&,&sourceUrl&:&&,&pageCommentsCount&:0,&tipjarorCount&:1,&annotationAction&:[],&hasPublishingDraft&:false,&snapshotUrl&:&&,&publishedTime&:&T11:48:25+08:00&,&url&:&\u002Fp\u002F&,&lastestLikers&:[{&bio&:&研发工程师&,&isFollowing&:false,&hash&:&fcba0d532b009dade0b20&,&uid&:52,&isOrg&:false,&slug&:&long-gang-62-42&,&isFollowed&:false,&description&:&&,&name&:&隆刚&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Flong-gang-62-42&,&avatar&:{&id&:&335f661c417aa87311ccf&,&template&:&https:\u002F\u002Fpic4.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&资管pe&,&isFollowing&:false,&hash&:&37d8bc036cd60f8e0b0d3d&,&uid&:68,&isOrg&:false,&slug&:&gan-xiao-jing-58&,&isFollowed&:false,&description&:&&,&name&:&干小净&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fgan-xiao-jing-58&,&avatar&:{&id&:&83fadceec8daaca956fd7&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&{ true != ∑ }&,&isFollowing&:false,&hash&:&5c238aa98cacc&,&uid&:173200,&isOrg&:false,&slug&:&daycyan&,&isFollowed&:false,&description&:&产品经理\u002F项目经理\u002F人工智能 \u002F Root#{上帝视角 (.*) 人间疾苦}&,&name&:&天青色&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fdaycyan&,&avatar&:{&id&:&v2-8d6eada2ab5&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&跟数学打架，和语言较真。&,&isFollowing&:false,&hash&:&dd31ba0dff3cbe87aa36c3aa586c0817&,&uid&:362500,&isOrg&:false,&slug&:&abtion-24&,&isFollowed&:false,&description&:&&,&name&:&abtion&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fabtion-24&,&avatar&:{&id&:&fcbe9f2c37318f9fdbc698ce9f6bbace&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&嵌入式 算法&,&isFollowing&:false,&hash&:&1ffbf6e3d84dcbfc&,&uid&:619500,&isOrg&:false,&slug&:&blankze&,&isFollowed&:false,&description&:&&,&name&:&BlankZe&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Fblankze&,&avatar&:{&id&:&da8e974dc&,&template&:&https:\u002F\u002Fpic4.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&summary&:&众所周知，人工智能的三大支柱是硬件、算法和数据。其中，硬件主要是指用于运行AI算法的芯片。本文主要对AI芯片的厂商进行归纳和整理。目前针对AI设计的芯片主要分为用于服务器端（云端）和用于移动端（终端）两大类。服务器端负责AI算法的芯片走的是超级计…&,&reviewingCommentsCount&:0,&meta&:{&previous&:{&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&https:\u002F\u002Fpic3.zhimg.com\u002F50\u002Fv2-5b2d4b7beff9ae8aa17f7_xl.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&topics&:[{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&科技&},{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&亚马逊 (Amazon.com)&},{&url&:&https:\u002F\u002Fwww.zhihu.com\u002Ftopic\u002F&,&id&:&&,&name&:&人工智能&}],&adminClosedComment&:false,&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&author&:{&bio&:&电子产品er\u002F计算机视觉应用专家&,&isFollowing&:false,&hash&:&d9dba6e889e5&,&uid&:40,&isOrg&:false,&slug&:&fan-jun-feng-39&,&isFollowed&:false,&description&:& 学习、探索与实践，这是一生的追求。&,&name&:&Van Teddy&,&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Ffan-jun-feng-39&,&avatar&:{&id&:&b1d20c18c6e1ad25ce3bcb9&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&column&:{&slug&:&c_&,&name&:&非典型产品er&},&content&:&\u003Cp\u003E据外媒北京时间3月28日报道，亚马逊寻求将实体零售店现代化的努力面临挫折，该公司位于西雅图的首家无收银员便利店Amazon Go因为技术故障推迟开业。\u003C\u002Fp\u003E\u003Cp\u003E彭博社此前报道称，当商店过于拥挤时，Amazon Go的测试一直崩溃。最新的报道援引知情人士的说法，一旦选购人数超过20，Amazon Go的整套设备就很难追踪用户以及手头上选购的商品，因此这项技术目前的测试环境仅能容纳少量用户，或者要求用户放慢移动速度。这阻碍了Amazon Go面向公众的开放。\u003C\u002Fp\u003E\u003Cp\u003E尽管如此，上周的多个招聘公告显示，尽管Amazon Go商店仍在解决技术故障，但是亚马逊已经准备在未来加大招聘力度，将Amazon Go扩大多处地点。\u003C\u002Fp\u003E\u003Cp\u003E在日，亚马逊宣布推出革命性线下实体商店，Amazon Go。Amazon Go颠覆传统便利店、超市的运营模式，使用计算机视觉、深度学习以及传感器融合等技术，彻底跳过传统收银结帐的过程。\u003C\u002Fp\u003E\u003Cp\u003E顾客只需下载 Amazon Go 的 APP，在商店入口扫码成功后，便可进入商店开始购物。Amazon Go 的传感器会计算顾客有效的购物行为，并在顾客离开商店后，自动根据顾客的消费情况在亚马逊账户上结账收费。\u003C\u002Fp\u003E\u003Cp\u003EUS Today对Amazon Go 的购物消费过程做了图示说明：\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-e234ce23e3e_b.jpg\& data-rawwidth=\&650\& data-rawheight=\&377\& class=\&origin_image zh-lightbox-thumb\& width=\&650\& data-original=\&https:\u002F\u002Fpic4.zhimg.com\u002Fv2-e234ce23e3e_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E首先，顾客在进入店铺时打开手机上的APP，用类似刷卡的方式通过闸机（当然，需要注册过亚马逊的账户），与此同时，入口上方的摄像头会进行人脸识别。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-d5e591b4b3c6cf6ab2e46_b.jpg\& data-rawwidth=\&647\& data-rawheight=\&362\& class=\&origin_image zh-lightbox-thumb\& width=\&647\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-d5e591b4b3c6cf6ab2e46_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E当顾客在货架附件停下时，货架及周边的摄像头会捕捉消费者的位置与动作。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-4e37b2e686dfcfa6bdcb81a69a4096dd_b.jpg\& data-rawwidth=\&644\& data-rawheight=\&366\& class=\&origin_image zh-lightbox-thumb\& width=\&644\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-4e37b2e686dfcfa6bdcb81a69a4096dd_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E放置在货架上的摄像头会通过图像识别，判断顾客是拿起了一件商品（购买），还是只看了看又放回货架（不购买）。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-fe1ca3418dbdca1419f1_b.jpg\& data-rawwidth=\&647\& data-rawheight=\&375\& class=\&origin_image zh-lightbox-thumb\& width=\&647\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-fe1ca3418dbdca1419f1_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E店内的麦克风会根据环境声进行声源定位，辅助判断顾客位置。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-5fd68748bcff_b.jpg\& data-rawwidth=\&648\& data-rawheight=\&382\& class=\&origin_image zh-lightbox-thumb\& width=\&648\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-5fd68748bcff_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E货架上的红外传感器、压力传感器、荷载传感器会记录下顾客取走了哪些商品以及放回了哪些商品。同时，这些数据会实时传输到店铺的数据中心，从而能对顾客的购物清单进行实时更新。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-af2e3f6b483ba_b.jpg\& data-rawwidth=\&647\& data-rawheight=\&380\& class=\&origin_image zh-lightbox-thumb\& width=\&647\& data-original=\&https:\u002F\u002Fpic2.zhimg.com\u002Fv2-af2e3f6b483ba_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E离店时，购物清单上的商品会自动在顾客的账户上进行结算。\u003C\u002Fp\u003E\u003Cp\u003E整个购物过程似乎完全不需要店员的参与，不需要使用收银机，不需要顾客排队结账，真正实现了无人零售。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cb\u003E如此高科技是如何实现的？\u003C\u002Fb\u003E\u003Cp\u003E亚马逊尚未公布其技术原理，不过在Quora上，有一位名为Brian Roemmele的网友挖出了几年前亚马逊提交的两份专利文件，里面描绘的系统跟如今的 Amazon Go非常相似。这两份文件名称为：“侦测物体互动和移动”（Detecting item interaction and movement）和“物品从置物设备上的转移”（Transitioning items from the materials handling facility），两文件分别于2013年和2014年申请。\u003C\u002Fp\u003E\u003Cp\u003E这两份专利的摘要分别如下：\u003C\u002Fp\u003E\u003Cblockquote\u003E用户从一个货架上拿起或放下一个物品，货物管理系统可以侦测到这个动作，并且更新用户移动设备里的清单。\u003C\u002Fblockquote\u003E\u003Cp\u003E以及：\u003C\u002Fp\u003E\u003Cblockquote\u003E物品被识别，并且当用户正在拿起物品时，物品自动与用户发生关联。 当用户进入或穿过一个“转移区”（Transition Area），被拿起的物品将自动转移到用户，而不需要用户有任何的输入。\u003C\u002Fblockquote\u003E\u003Cbr\u003E\u003Cp\u003E由此，业界猜测主要有三个技术核心点：\u003C\u002Fp\u003E\u003Cb\u003E1. 如何检测和识别顾客的行为？\u003C\u002Fb\u003E\u003Cp\u003E顾客购物行为非常丰富，从货架的角度来看，核心动作只有拿走或放回两种。商品被从货架拿走了，最大的可能就是被买走了，而被放回来就是你不需要了。如果能识别拿走或放回，那么就解决了核心问题。\u003C\u002Fp\u003E\u003Cp\u003E在货架上通过红外幕帘可以形成一个平面，判断顾客手的位置；货架上的压力传感器、载荷传感器可以判断商品是否离开货架；再配合摄像机的图像识别，此问题应该解决得比较容易。\u003C\u002Fp\u003E\u003Cb\u003E2. 如何准确识别被拿走和被放回的商品？\u003C\u002Fb\u003E\u003Cp\u003E此问题其实是两个问题。\u003C\u002Fp\u003E\u003Cp\u003E首先看第一个，识别被拿走的商品。\u003C\u002Fp\u003E\u003Cp\u003E因为商品是被雇员事先人工放置的，所以该商品可以直接标记到系统中，不用识别。\u003C\u002Fp\u003E\u003Cp\u003E复杂一点的是识别被放回的商品。\u003C\u002Fp\u003E\u003Cp\u003E基于深度学习的图像识别技术，目前在物品识别领域已经可以达到很高的准确率，当然前提条件是采集到的图像质量要比较好。识别出商品后，会有两种情况：1）商品放回到了正确的位置。此时，系统状态转为到初始状态。2）商品放到了错误的位置。此时，系统需要通知店员进行整理。之后，系统状态同样回到初始状态。\u003C\u002Fp\u003E\u003Cb\u003E3. 如何将某商品与拿走\u002F放回它的顾客关联起来？\u003C\u002Fb\u003E\u003Cp\u003E这是最为关键，也是最难解决的问题。从专利上看，是利用用户位置信息定位进行识别。目前Amazon Go 可以用于位置定位的手段有手机信号（GPS）、音频分析、视频分析，但是否有足够的定位精度？如果货架面前只有一名顾客，那么将商品（拿起\u002F放下）与这名顾客关联起来很容易；但如何货架面前同时有两个及以上位置十分靠近的顾客，能否精确定位到每个人的位置和动作，这是需要重点解决的。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E如果以上三个问题能够解决得比较好，就能准确知道每位顾客实时购买（拿走）的商品，在其通过特定区域时（比如出口闸机）进行结算即可。这样，正常情况下的购物就可以完成了。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cb\u003E事实上，最难解决的应该是第三个问题，从新闻报道上看，当人数超过20人时系统会识别错误，应该就是第三点解决得不够好。\u003C\u002Fb\u003E\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cb\u003E更复杂的问题\u003C\u002Fb\u003E\u003Cp\u003E以上考虑的只是正常的购物，还没有引入防欺诈\u002F盗窃问题。比如，顾客在拿起商品后进行调包后再放回，替换品在外观和重量上与原商品相似，系统是否能够识别出来？\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cb\u003E展望\u003C\u002Fb\u003E\u003Cp\u003E要实现无人零售店真正的开门营业，要解决的现实问题还有很多，作为先行者的Amazon Go 任重而道远。希望亚马逊能克服重重困难，为人工智能的落地打开一个新的局面。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cbr\u003E\u003Cp\u003E如果喜欢这篇文章，请关注我的微信公众号：laofantalk。我在那里等您。\u003C\u002Fp\u003E&,&state&:&published&,&sourceUrl&:&&,&pageCommentsCount&:0,&canComment&:false,&snapshotUrl&:&&,&slug&:,&publishedTime&:&T11:06:07+08:00&,&url&:&\u002Fp\u002F&,&title&:&Amazon Go延期开业，哪里出了问题？&,&summary&:&据外媒北京时间3月28日报道，亚马逊寻求将实体零售店现代化的努力面临挫折，该公司位于西雅图的首家无收银员便利店Amazon Go因为技术故障推迟开业。彭博社此前报道称，当商店过于拥挤时，Amazon Go的测试一直崩溃。最新的报道援引知情人士的说法，一旦选购…&,&reviewingCommentsCount&:0,&meta&:{&previous&:null,&next&:null},&commentPermission&:&anyone&,&commentsCount&:0,&likesCount&:0},&next&:null},&annotationDetail&:null,&commentsCount&:0,&likesCount&:22,&FULLINFO&:true}},&User&:{&fan-jun-feng-39&:{&isFollowed&:false,&name&:&Van Teddy&,&headline&:& 学习、探索与实践，这是一生的追求。&,&avatarUrl&:&https:\u002F\u002Fpic3.zhimg.com\u002Fb1d20c18c6e1ad25ce3bcb9_s.jpg&,&isFollowing&:false,&type&:&people&,&slug&:&fan-jun-feng-39&,&bio&:&电子产品er\u002F计算机视觉应用专家&,&hash&:&d9dba6e889e5&,&uid&:40,&isOrg&:false,&description&:& 学习、探索与实践，这是一生的追求。&,&badge&:{&identity&:null,&bestAnswerer&:null},&profileUrl&:&https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002Ffan-jun-feng-39&,&avatar&:{&id&:&b1d20c18c6e1ad25ce3bcb9&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}},&Comment&:{},&favlists&:{}},&me&:{},&global&:{&experimentFeatures&:{&ge3&:&ge3_9&,&ge2&:&ge2_1&,&androidPassThroughPush&:&all&,&sEI&:&c&,&nwebQAGrowth&:&experiment&,&qawebRelatedReadingsContentControl&:&close&,&liveStore&:&ls_a2_b2_c1_f2&,&qawebThumbnailAbtest&:&new&,&nwebSearch&:&nweb_search_heifetz&,&rt&:&y&,&showVideoUploadAttention&:&true&,&isOffice&:&false&,&enableTtsPlay&:&post&,&newQuestionDiversion&:&https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F&,&newLiveFeedMediacard&:&new&,&newMobileAppHeader&:&true&,&hybridZhmoreVideo&:&yes&,&nwebGrowthPeople&:&default&,&nwebSearchSuggest&:&default&,&qrcodeLogin&:&qrcode&,&enableVoteDownReasonMenu&:&enable&,&isf8&:&0&,&isShowUnicomFreeEntry&:&unicom_free_entry_off&,&newMobileColumnAppheader&:&new_header&,&androidDbRecommendAction&:&open&,&zcmLighting&:&zcm&,&androidDbFeedHashTagStyle&:&button&,&appStoreRateDialog&:&close&,&default&:&None&,&isNewNotiPanel&:&no&,&wechatShareModal&:&wechat_share_modal_show&,&growthBanner&:&default&,&androidProfilePanel&:&panel_b&}},&columns&:{&next&:{},&c_&:{&following&:false,&canManage&:false,&href&:&\u002Fapi\u002Fcolumns\u002Fc_&,&name&:&非典型产品er&,&creator&:{&slug&:&fan-jun-feng-39&},&url&:&\u002Fc_&,&slug&:&c_&,&avatar&:{&id&:&v2-b7de854cc0ac609a7daea&,&template&:&https:\u002F\u002Fpic3.zhimg.com\u002F{id}_{size}.jpg&}}},&columnPosts&:{},&columnSettings&:{&colomnAuthor&:[],&uploadAvatarDetails&:&&,&contributeRequests&:[],&contributeRequestsTotalCount&:0,&inviteAuthor&:&&},&postComments&:{},&postReviewComments&:{&comments&:[],&newComments&:[],&hasMore&:true},&favlistsByUser&:{},&favlistRelations&:{},&promotions&:{},&switches&:{&couldSetPoster&:false},&draft&:{&titleImage&:&&,&titleImageSize&:{},&isTitleImageFullScreen&:false,&canTitleImageFullScreen&:false,&title&:&&,&titleImageUploading&:false,&error&:&&,&content&:&&,&draftLoading&:false,&globalLoading&:false,&pendingVideo&:{&resource&:null,&error&:null}},&drafts&:{&draftsList&:[],&next&:{}},&config&:{&userNotBindPhoneTipString&:{}},&recommendPosts&:{&articleRecommendations&:[],&columnRecommendations&:[]},&env&:{&edition&:{&baidu&:false,&yidianzixun&:false,&qqnews&:false},&isAppView&:false,&appViewConfig&:{&content_padding_top&:128,&content_padding_bottom&:56,&content_padding_left&:16,&content_padding_right&:16,&title_font_size&:22,&body_font_size&:16,&is_dark_theme&:false,&can_auto_load_image&:true,&app_info&:&OS=iOS&},&isApp&:false,&userAgent&:{&ua&:&Mozilla\u002F5.0 (compatible, MSIE 11, Windows NT 6.3; Trident\u002F7.0; rv:11.0) like Gecko&,&browser&:{&name&:&IE&,&version&:&11&,&major&:&11&},&engine&:{&version&:&7.0&,&name&:&Trident&},&os&:{&name&:&Windows&,&version&:&8.1&},&device&:{},&cpu&:{}}},&message&:{&newCount&:0},&pushNotification&:{&newCount&:0}}}
我要回帖
更多推荐
- ·崔永元公益讲座直播课基金教师培训
- ·中公教育部队文职考试·2011军转干部安置考试专用教材：公共基础知识作者简介
- ·“94156”代表的英文英语单词大全是什么？
- ·那个人民法院对刑事自诉案件有哪些的受理范围包括哪些
- ·去人大好还是政协好与政协哪个清闲
- ·睡眠质量变差什么原因差的原因有哪些
- ·医院看得好，治疗慢性咽炎医院最好咽炎哪个医生好.咽炎推荐医院医生
- ·缺钾怎么办能根治吗办
- ·宝宝咳嗽雾化用什么药疗吗？
- ·梦见自己上颚牙龈内侧长个软包门庭牙掉五个，不疼，出血了
- ·喉癌能活多久手术后未取导管，导管阻塞多久才能扒掉下来
- ·为什么我每天早上刚起床，一站起来 富起来 强起来就觉得头晕
- ·小儿腹股沟疝气手术费用两周岁了，现在可以手术吗
- ·外阴白斑能做手术吗术后感染造成溃疡，可以用什么方法减掉
- ·治中医治疗失眠症方法?
- ·苹果黑屏但是没有关机手机摔了一下后黑屏 强制关机后重启还是黑屏 但是可以听到声音
- ·英特尔cpu漏洞影响漏洞会影响性能吗
- ·我一下如何设置鼠标宏，罗技鼠标宏设置哪款好
- ·求助，金刚4K.win10，应该设置哪一个win10启动项管理
- ·自制12v锂电池充电器为什么不直接做成高电压的 电池，充电器及充电
- ·ai和单位太多炸的是cpu吗
- ·1020960p是多少万像素素
- ·淘宝有没有靠谱店铺ipad pro值得入手吗个ipadpro9.7
- ·求助大神，waves插件9安装失败，第一次遇见
- ·怎么现在steam电脑和手机都上不去了啊，被墙了吗
- ·我这个配置要怎么过拉比7怎么过10
- ·汇成真空镀膜设备备哪家好，百乐真空
- ·空调室内外大温差空调系统对耗电是否有影响 空调外大温差空调系统耗电解析
- ·大家觉得笔记本能加内存条么内存条的价格下降什么时候开始
- ·问个问题.显卡啸叫是质量问题吗有多怕水
- ·求助这个dnf神秘女子主线任务务卡住了
- ·老是苹果6s闪退解决方法，有大神知道怎么解决的吗
- ·手机振动马达震动频率频率?
- ·康佳s2手机刷机包1手机怎么样刷机
- ·三星这个到底怎样三星手机怎么设置权限限啊
- ·小孩在26度北方空调冬天能制热吗房里穿过冬衣服睡有什么不妥
