ITBear旗下自媒体矩阵:

大数据“引爆”算力需求 国产AI芯片能否乘风起航?

   时间:2022-10-02 12:11:44 来源:爱集微编辑:汪淼 发表评论无障碍通道

集微网报道,数据、算力、算法是人工智能发展的三要素,也被誉为数字经济时代发展的三驾马车。这其中,数据是生产资料,海量优质数据是驱动算法持续演进的基础养料;算法是生产关系,是处理数据信息的规则与方式;算力是生产力,体验为数据处理与算法训练的速度与规模。非结构化数据激增及算法模型的日益庞大与复杂带动算力需求飞速增长,算力已成为人工智能产业化进一步发展的关键。

AI算力,顾名思义,就是支撑AI的计算能力。此处的计算不是简单的加减乘除,而是对世界万物的计算,是万物互联、人工智能之下的高度复杂、无所不在的计算。

不同于传统算力,AI算力为了支撑AI模型的开发、训练和推理,对并行处理能力的要求特别高,也因此需要专门的AI芯片和框架。

大数据“引爆”算力需求

随着5G、物联网等新兴技术的发展,数据量正在以更加难以计量的速度爆发,据IDC公布的《数据时代2025》显示,从2016年到2025年全球总数据量将会增长10倍,达到163ZB。面对如此庞大的数据量,模型计算将变得更加复杂,对算力的需求也在不断提高。

这一现状,不断驱动着人工智能算力的增加。

据 Open AI的一份报告显示,从 2012到2019年,人工智能训练集增长将近 30万倍,每3.43个月翻一番,比摩尔定律快25000倍。但是,如果没有足够的算力支撑,就会有大把的数据被浪费掉,算法也不能进入到AI产业的生产力阶段。另据华为《智能世界2030》报告显示,预计2030年全球通用算力将增长10倍到3.3ZFLOPS,人工智能算力将增长500倍超过100ZFLOPS。

我们看到,一方面,计算技术与产业正在催生AI计算迅猛发展;但另一方面,人工智能在训练、验证、部署等阶段往往面临应用场景多元化、数据巨量化带来的诸多挑战。这要求算力在支持大规模部署的同时,要满足高并发、高弹性、高精度等不同计算需求,持续为不同的人工智能负载,高效地提供计算力。

因此,为了进行大数据挖掘和人工智能分析,满足应用化需求,算力的提升成为必然。

AI芯片乘风起航

在算力机遇之下,AI芯片正乘风起航。爱集微发布的《2021中国半导体投资白皮书》分析认为,2021年4大热门赛道之一就包括AI芯片赛道。数据显示,对于 AI 芯片赛道,2017 年至今的整体投资规模呈现持续性增长的态势。2021年截止到11月底,国内AI芯片融资事件超过30起,融资规模超过100亿元。

另外,根据 Gartner、IDC数据,全球对于AI芯片的需求逐步提升,2020年全球AI芯片市场规模可以达到101亿美元,预计2025年可以达到726亿美元,2020年至2025年CAGR达48.4%。到2025年,中国将拥有全球数据量的27.8%,中国AI 芯片市场规模将达到1385亿元,2021至2025年CAGR达47%。

目前,AI芯片主要包括图形处理器(GPU)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、神经拟态芯片(NPU)等。人工智能深度学习需要异常强大的并行处理能力。芯片厂商正在通过不断研发和升级新的芯片产品来应对这一挑战,特别是GPU,同样也包括 FPGA、ASIC 和 NPU 等。

IDC 数据显示,2021年上半年中国人工智能芯片中,GPU依然是实现数据中心加速的首选,占有90%以上的市场份额,而ASIC,FPGA,NPU等其他非GPU芯片也在各个行业和领域被越来越多地采用,整体市场份额接近10%,预计到2025年其占比将超过20%。

AI芯片针对人工智能多样场景的数据处理、智能算法加速、高速训练推理等计算需求,构建共性的新型算力基础设施。不同的终端场景对AI芯片有不同的性能需求,比如L3自动驾驶算力需求为30-60TOPS,L4需求100TOPS以上,L5需求甚至达1000TOPS。

国产AI芯片厂商进展如何?

AI芯片的重要性已经毋庸置疑,那么,国内都有哪些AI芯片厂商?AI芯片的发展现状如何?以下是集微网做的部分盘点(排名不分先后)。

地平线:地平线成立于2015年6月,是国内唯一一家实现汽车智能芯片前装量产的企业。通过自研AI专用计算架构BPU(Brain Processing Unit),地平线构建了面向自动驾驶领域的征程系列芯片,以及面向AIoT领域的旭日系列芯片两大产品线。其中,公司于2021年7月发布了全场景整车智能中央计算芯片征程5,单芯片AI算力达128TOPS。随着征程5系列的推出,地平线成为当前唯一覆盖L2到L4的全场景整车智能芯片方案提供商。

寒武纪:寒武纪成立于2016年,成立当年便推出了寒武纪1A处理器,这是全球首款商用终端智能处理器,并入选世界互联网大会评选的十五项“世界互联网领先科技成果”。目前,公司已推出辐射终端(1A处理器,1H处理器,1M处理器)、边缘端(思元220芯片)、云端(思元100芯片,思元270芯片,思元290芯片,思元370)等智能芯片及加速卡产品,保持每年推出1-2款核心产品的节奏。

燧原科技:燧原科技成立于2018年3月,在产品上较早实现了AI芯片的产品化,产品体系覆盖云端的人工智能训练、推理芯片及其加速卡、人工智能训练OAM模组,是国内早期同时拥有云端训练、云端推理解决方案的AI芯片初创公司。

目前,燧原科技目前已拥有从邃思系列芯片、云燧训练和推理加速卡、云燧服务器和云燧智算机的全系列产品线。

天数智芯:天数智芯成立于2015年,是一家GPGPU高端芯片及超级算力系统提供商,主要产品包括7nm云端训练通用GPU产品“天垓100”,7nm云边推理芯片“智铠100”。据悉,截止今年9月,天数智芯首款通用GPU芯片天垓100累计订单金额已经超过2.3亿元。

黑芝麻智能:黑芝麻智能成立于2016年,是一家车规级自动驾驶计算芯片和平台研发企业,专注于大算力计算芯片与平台等技术领域的高科技研发。主要产品包括华山A500,以及华山二号A1000、A1000 L和A1000 Pro四款自动驾驶芯片产品。据悉,华山二号A1000系列芯片,是首颗进入量产状态的单芯片支持行泊一体域控制器的国产芯片平台,算力可达58TOPS。

鲲云科技:深圳鲲云信息技术有限公司成立于2017年,鲲云科技是一家技术领先的人工智能公司,以数据流技术为核心,提供高性能低延时、高通用性、高算力性价比的下一代人工智能计算平台和软硬一体化的平台解决方案,加速人工智能技术在智慧城市、智慧安监、智能制造、自动驾驶等领域的落地。主要产品包括CAISA芯片,AI加速卡星空X3、星空X9系列。

瀚博半导体:瀚博半导体成立于2018年12月,致力于为像素世界提供算力的高端芯片。瀚博已经形成了涵盖了芯片、推理加速卡、一体机的硬件产品线和软件整合的系统级解决方案。在2022世界人工智能大会(WAIC)期间发布了四个新产品:瀚博统一计算架构、全新数据中心(云端)AI 推理卡载天VA10、边缘 AI 推理加速卡载天VE1、以及瀚博软件平台VastStream扩展版。

壁仞科技:壁仞科技创立于2019年,致力于研发原创性的通用计算体系,建立高效的软硬件平台,同时在智能计算领域提供一体化的解决方案。今年3月,壁仞科技点亮了国内算力最大通用GPU芯片,并在8月发布首款通用GPU芯片BR100,16位浮点算力达到1000T以上、8位定点算力达到2000T以上,单芯片峰值算力达到PFLOPS级别。

爱芯元智:爱芯元智成立于2019年,专注于高性能、低功耗的人工智能视觉处理器芯片研发,并自主开发面向推理加速的神经网络处理器,在边缘侧、端侧场景不断探索和快速落地。爱芯元智拥有自研混合精度NPU和爱芯智眸AI-ISP两大核心技术,同时也是业内第一家将两者应用于芯片产品,并实现商业化落地的公司,目前已有两代多颗端侧、边缘侧AI芯片成功量产。

墨芯人工智能:墨芯成立于2018年,是一家提供云端和终端AI芯片加速方案的芯片设计公司,支持全面稀疏化神经网络开发,提供超高算力、超低功耗的通用AI计算平台。产品主要是双稀疏化芯片Antoum。

沐曦集成电路:沐曦成立于2020年9月,是一家为异构计算提供安全可靠的高性能GPU芯片及解决方案商,自主研发的高性能GPU IP,以及可兼容主流GPU生态的完整软件栈(MACAMACA)。目前,沐曦构建了全栈高性能GPU芯片产品,包括用于AI推理的MXN系列GPU(曦思),用于科学计算及AI训练的MXC系列GPU(曦云),以及用于图形渲染的MXG系列GPU(曦彩),可广泛用于人工智能、智慧城市、数据中心、云计算、自动驾驶、科学计算、数字孪生、元宇宙等前沿领域。

后摩智能:后摩智能成立于2020年底,是国内首家专注于存算一体技术的大算力AI芯片公司,主要基于存算一体技术和存储工艺,突破智能计算芯片性能及功耗瓶颈。公司提供的大算力、低功耗的高能效比芯片及解决方案,可应用于智能驾驶、泛机器人等边缘端,以及云端推理场景。

今年5月,后摩智能宣布成功点亮其自主研发的业内首款存算一体大算力AI芯片,并成功跑通智能驾驶算法模型。

亿铸科技:亿铸智能在2021年10月开始正式运营,是目前国内唯一能够自主设计并量产基于ReRAM全数字存算一体的大算力AI芯片公司。基于ReRAM存算一体技术,亿铸智能已实现从IP到工艺的全国产化,在中芯国际和昕原半导体等均有成熟可量产的配套工艺制程。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  RSS订阅  |  开放转载  |  滚动资讯  |  争议稿件处理  |  English Version