中星微率先量产NPU 人工智能芯片竞赛“各就位”

本篇文章2362字，读完约6分钟

人工智能是热门话题，而作为人工智能核心芯片的npu无疑是业界关注的焦点。但到目前为止，国内外还没有主流的npu制造商。

在国内市场，中兴微电子最近率先推出大规模生产的“npu”芯片。"对于企业来说，大规模生产是定义“第一个”npu芯片的标准."6月23日，中兴微电子首席技术官张云东在接受记者专访时表示，他预计“星光智能一号”在未来两个季度的出货量将超过100万台。

中兴威在中国率先大规模生产npu，但市场也表现出谨慎。奇虎360人工智能研究所所长严水成在接受《21世纪经济报道》采访时表示，“星光智能一号”的技术成熟度仍在观察之中。多位业内人士告诉记者，目前中兴卫推出的npu主要用于安防领域，其在其他领域的应用前景还有待验证。

人工智能核心

一位业内人士告诉《21世纪经济报道》，现有的智能硬件实际上“不够智能”，基本上依赖于中央处理器的支持，但从长远来看，中央处理器很难运行大型算法模型。因此，“当像npu这样的芯片真正投入到嵌入式设备中时，智能硬件可以被看作是一个可以大量使用的智能计算平台。”

这就是为什么“npu”的概念是近年来的热点，这样的芯片是未来智能硬件不可或缺的。

Npu采用“数据驱动并行计算”的体系结构，尤其擅长处理视频、图像等海量多媒体数据。上述知情人士告诉记者，npu的竞争主体是cpu，它也具有类似于gpu (Graphics Processor)的并行计算特性。与cpu相比，npu的线性代数运算效率更高，但功耗却比cpu低得多。

一家互联网巨头公司的资深算法工程师告诉记者，gpu对于培训来说是非常必要的，在培训过程中需要大量的线性代数运算，这就是gpu的优势。但是，npu定位主要用于预测，也就是说，npu主要部署在对体积和功耗有严格要求的产品上，尤其是嵌入式产品，如手机、平板电脑等。

同时，gpu直接应用于智能硬件也有缺陷。张云东告诉《21世纪经济报道》说，gpu是为图形处理而设计的，当用于深度学习算法时会造成浪费。

许多人工智能制造商在接受《21世纪经济报道》采访时表示，npu在市场上仍处于早期阶段，而gpu主要用于深度学习过程，其中NVIDIA的深度学习gpu是最好的。

毫无疑问，npu在人工智能的进化中起着关键的作用，但是国内外没有主流的npu制造商。早在2013年，高通公司就宣布将大力投资npu的开发，并表示将在2014年推出样品，但后来失败了。

高通公司利用脉冲驱动技术开发了npu，而中兴微电子公司基于cnn神经网络，这是npu开发的两条主要途径张云东告诉记者，前者的特点是功耗相对较低，而后者的优势在于芯片可以支持深度学习的主流软件框架，因此与深度学习很匹配。

最近，中国第一个嵌入式神经网络处理器“星光智能一号”诞生了。张云东告诉记者，开发“星光智能一号”花了三年时间。“中兴微集团汇聚了京津冀苏青硅谷的R&D力量，采用了超过1亿门级的先进集成电路设计技术和超亚微米芯片制造技术，成功实现了台积电的大规模生产。”

Npu竞赛

张云东告诉《21世纪经济报道》，目前“星光智能一号”的出货量主要集中在安防摄像机领域，包括授权给其他安防摄像机制造商的部件，但他没有透露这部分的具体出货量。到目前为止，“星光智能一号”的出货量已超过10万台。

张云东表示，未来一段时间内，“星光智能一号”芯片将进一步推广，未来将主要推广应用于车载摄像头、无人机航拍、机器人(报价300024，购买)和工业相机。

可以看出，虽然无人驾驶已经成为目前人工智能最热门的领域之一，但是很多机器人公司已经把第一个领域放在了例如清扫机器人上。这背后的原因是快速着陆的产品需要一定的市场验证。

对于“星光智能一号”首次应用的安防领域，张云东告诉记者，目前准确率提高了10%左右，这一变化也有助于推动安防摄像机在市场上的进一步推广。

“前景是巨大的，但中兴微推出的芯片可能更接近简化的gpu。”一家国内机器人公司的内部人士接受了许多知名风投公司的投资，他对记者表示。我们不能判断性能的原因是这次中兴威没有给出芯片的具体参数。通常，npu对算法每秒处理的次数有一定的要求。

对此，张云东表示:“更准确地说，gpu实际上是一个变相的npu。”

另一家计算机视觉识别人工智能公司的内部员工告诉记者，这次推出的“星光智能一号”主要是为了安全应用，但它是否适合机器学习还有待观察。“这些芯片在刚推出时基本上都是专用的。可以说，这款芯片是中兴卫自身安全产品的一个加分项。”

尽管如此，“星光智能一号”还是吸引了一些人工智能领域的公司，甚至一些大型互联网公司的注意。

“我们还需要了解细节，主要是技术的成熟度以及与寒武纪的差异。”奇虎360人工智能研究所所长严水成告诉《21世纪经济报道》。寒武纪是指中国科学院计算技术研究所发布的世界上第一个能够“深度学习”的“神经网络”处理器芯片。

严水城告诉记者，npu市场已经是“前车之鉴”，但无论是哪种芯片推出，都需要一定的验证和测试周期。

“深度学习芯片公司偏向于算法应用能力，比如地平线机器人；Npu芯片公司更喜欢通用芯片的设计和推广，而通用芯片本身就是芯片。”一位熟悉深度学习的人士告诉记者，深度学习芯片公司的优势在于，商业模式将建立得更快，而一般的npu芯片将有更长的商业推广周期。

从长期来看，由于前者早期的现金流支持，以及在一定程度上推出通用芯片的能力，后者的生存空间空逐渐被挤出。经过更多的市场培训，前者可以设计出更符合市场需求的产品和稳定性更好的产品。

“现在npu使用的芯片技术要求还没有达到顶峰，这就导致了这个领域的市场适应性。因此，现阶段的竞争主要集中在服务上，这使得中国的npu厂商今后能更好地为本地智能硬件厂商服务。”上述知情人士告诉记者。

来源：安莎通讯社