而且还在这届大会上，百度还发布了Apollo“ 汽车 机器人”，剑指L5自动驾驶，为此在大会上展示了 汽车 机器人全程自动驾驶，从转向到避让其他行人和其他车辆等 *** 作，目前已经在北京、广州、长沙、沧州等四个城市开放了载人服务，Apollo自动驾驶出行服务已经接待超过40万人，测试里程也超过了1400万公里。
在先前的人工智能大会上就曾对L5级别的自动驾驶做过说明，L5级别在特定场景下的不远将来有望实现，但是对于用户所期待的无条件L5可能要走一段很长的路，因为这不仅需要L5级别的车同时还需要配套的城市化建设，因此我国现在正在大力推进城市化数字建设，就是为了能够早日实现设想中的无人驾驶，为此百度自研的AI芯片很可能就是对标自己研发出的自动驾驶技术，他采用的是国内先进的7nm制程，搭载自研的第二代XPU架构，性能比第一代提高了1-3倍，同时它的最大特点并不是自产自销而是通用。
是目前国内第一款采用显存的通用AI芯片，也是国内唯一一款制程了互联网大规模核心推荐算法的AI芯片，它能推动国内AI芯片技术研发和商业落地，比如易编程、高性能、自主可控等等，对标全球业界最先进水平，并且它的AI芯片已经百度自己的搜索引擎和生态里使用，在之前国内的互联网中一共三大巨头“BAT”，其中“B”就是百度，它的知名度甚至比阿里巴巴和腾讯都要广，那时它的搜索引擎让大部分用户都离不开它，俗话说得好瘦死的骆驼比马大，更何况即使现在也有很多人在使用百度的搜索引擎。
而目前中芯国际也带来了好消息，那就是自己研发的FInfef芯片已经成功下线，每月产量高达1.5万片订单爆满，它采用的N+1与N+2工艺让我们在没有EUV光刻机的条件下可以制造出7nm芯片，但同时由于跳过EUV光刻机这个步骤，我们的7nm芯片同时也被称为准7nm芯片，在性能上有些不足，梁孟松表示中芯国际的7nm已经完成了研发，但是由于购买不到EUV光刻机，后续的5nm和3nm等高端工艺技术是一个问题。
虽然几年前中芯国际就已经向ASML提交了EUV光刻机的购买，但是直到现在都没有发货，估计是凉凉了，而上海微电子预计在2022年年末交付首台28nm制程的国产光刻机，目前中芯国际虽然已经能研发研制28nm、14nm，但是美国最新对中国半导体的打击已经推进到了中国芯片的28nm工艺技术上，是对我国半导体企业的一次强有力的支撑，目前除了高端手机芯片外，我国芯片主流仍然集中在28nm、14nm制程上。
因此连 汽车 行业都面临着芯片短缺的问题，根据市场研究机构IHS Markit估计，2020年全球车载半导体的规模约为380亿美元，在全球超过4000亿美元的半导体总收入占比都不到10%，而且还在今年8月初，还传来了一则有关AI技术的好消息，相关报道中出中国AI专利登顶全球第一，同时学术期刊论文的引用率首次超越美国位居榜首。
在一些比较发达的大城市中，扫地机器人、银行柜台机器人又或者服务员机器人已经随处可见，而且芯片国产化的进程还在不断提速，各大互联网巨头也不甘在芯片上落后于人，在2019年阿里巴巴推出了首款支持人工智能的芯片，腾讯投资的AI芯片公司燧原 科技 获得了18亿的C轮融资，正在训练和研发高性能的AI云端训练和推力芯片。
小米也新增了一家公司——北京晶视智能 科技 有限公司，主要是专注边缘端AI SOC芯片设计研发同时还涉及处理器工具链、图像处理算法设计等，工信部也在1月29日发文称，到2023年我国将发展十多家收入达到100亿规模的电子元器件龙头产业，要在国际上也形成自己的竞争优势。
在《中国人工智能发展报告2020》显示，过去10年中国专利申请为389571件，位居世界第一，在新一轮的 科技 竞赛中，中国已经不打算再次落后于人，如果您喜欢本期不要忘记点赞关注哦，也欢迎您在下方评论留言，您的支持就是创作的最大动力，我们下期见。
中国芯片目前的问题在于它的半导体进口依赖美国。但经过美国政府对中国芯片实施了制裁后。中国十四五年规划将中国芯片产业提升为国家重点发展项目，政府大力支持半导体行业，推动中国芯片制造的自力更生。以解决中国芯片目前与今后受制于人的问题。而中国芯片未来五年规划细节也证明了政府的决心：企业减税、加强材料、装备、人才发掘与保存、国际合作等配套产业。培养国家人才，与及进行生产设备的研究，华为与小米的芯片也是一个有力的证明。
国家批准中芯国际以12亿美元购买ASML深紫外线光刻设备。这意味着我们可能进行12纳米芯片的生产。由于中国共享AMD的芯片技术，这一措施将使12纳米的芯片性能可以与7纳米单模芯片竞争。中芯国际估计两年内可以达到这个水平。
Wave Computing
Wave Computing在2018取得了不少进展，推出其第一个DataFlow处理单元，收购MIPS，创建MIPS Open，并将首批系统交付给少数客户。虽然Wave架构有一些非常有趣的功能，但我们更期待用户的大规模真实体验反馈。
Wave不是插入到服务器的加速，它是用于图形计算的独立处理器。这种方法有利有弊。从积极的方面看，Wave不会受到GPU等加速面临的内存瓶颈影响。从消极方面来说，安装Wave设备将是新的升级，需要完全替换传统的X86服务器，也让其成为所有服务器制造商的竞争对手。
我不认为Wave能从某个点击败NVIDIA，但该架构的设计的非常好，该公司已经表示它很快就会有客户的反馈。
图1：Wave是从上面显示的4节点“DPU”构建的系统。Wave Computing
Graphcore
Graphcore是一家资金雄厚（融资3.1亿美元，目前估值为17亿美元）的英国独角兽创业公司，拥有全球化的团队。它正在构建一种新型的图形处理器架构，其内存与其逻辑单元位于同一芯片上，这应该能够实现更高的性能。该团队产品的发布时间暂不明确，不过他们去年四月表示“几乎准备好发布”了，12月的最新信息表明它将很快开始生产。
Graphcore的投资者名单令人印象深刻，包括红杉资本、宝马、微软、博世和戴尔 科技 。
我了解了该公司的架构，它非常令人印象深刻。从边缘设备扩展到用于数据中心的训练和推理的“Colossus”双芯片封装。在最近的NeurIPS活动中，Graphcore展示了其RackScale IPU Pod，它在一个32台服务器的机架中提供超过16 petaflops的算力。虽然该公司经常声称它将提供比同类最好GPU强100倍的性能。
Graphcore表示，4“Colossus”GC2（8芯片）服务器可提供500 TFlops（每秒数万亿次 *** 作）的混合精度性能。单个NVIDIA V100可提供125 TFlops，因此理论上4 个V100就可提供与其相同的性能。
与往常一样，细节更能发现差别，V100峰值性能仅在重构代码执行TensorCore的4x4矩阵乘法时才可用，这是Graphcore架构巧妙避免的限制。更不用说V100消耗了300瓦的电能和大量现金这一事实。
此外，Graphcore支持片上互连和“处理器内存”（片上存储器）方法，可以得到超出TFlops基准所认可的优秀性能。在一些神经网络中，如Generative Adversarial Networks，内存是瓶颈。
再次强调，我们将不得不等待真实的用户用实际应用程序来评估此体系结构。尽管如此，Graphcore的投资者名单、专家名单和台天价估值告诉我，这可能是一件好事。
图2：GraphCore展示了ImageNet数据集处理的照片。 可视化可帮助开发人员了解其训练处理占用处理周期的位置。
Habana Labs
Habana Labs是一家以色列创业公司，去年9月在第一次AI硬件峰会上宣布它已经准备好推出其首款用于推理的芯片，其创纪录的性能用于卷积神经网络图像处理。结果显示在Resnet50图像分类数据库中该处理器每秒分类15,000张图像，比NVIDIA的T4高出约50％，功耗仅为100瓦。
在2018年12月，Habana Labs的最新一轮融资由英特尔风险投资（Intel Venture Capital）领投，WRV Capital，Bessemer Venture Partners和Battery Ventures跟投，该公司的融资也由此前的4500万美元增加了7500万美元。
据悉，Habana Labs新的融资将部分用于流片其名为“Gaudi“的第二款芯片，该芯片将专注于训练市场，据称可扩展到1000多个处理器。
其它创业公司
我知道世界上有超过40家公司在为人工智能设计训练和推理芯片。我发现大多数公司都在进行简单的FMA（浮点乘法累加）和混合精度数学（整型8位和浮点16位和32位）。对此我不会感到惊讶，因为这种方法相对容易实现并且会获得一些成果，但它不会为像NVIDIA，英特尔以及少数初创公司做出不一样的架构提供持久的架构优势。
以下是一些引起我注意的公司：
中国AI芯片初创公司
中国一直试图找到一条摆脱美国半导体的方式，人工智能加速可能会提供它一直在寻求的机会。中国设定了2030年要建立一个价值数万亿美元的人工智能产业的目标，自2012年以来，投资者已经向创业公司投入了超过40亿美元的资金。
寒武纪 科技 估值为25亿美元，是已经发布了第三代AI芯片的中国独角兽公司。寒武纪称它可以用更低的功耗提供比NVIDIA V100更好的AI性能，他们还销售其AI IP，搭载在华为麒麟970和麒麟980的处理器当中，作为AI加速硬件。
商汤 科技 也许是估值最高的AI创业公司，以在中国推广智能监控摄像头而闻名。这些安防摄像头数量超过1.75亿，包括其他公司生产的摄像头。商汤 科技 在香港成立，最近一轮融资数额达6亿美元，由阿里巴巴领投。据报道，这家初创公司的价值目前为45亿美元。
商汤 科技 与阿里巴巴、高通、本田甚至NVIDIA等主要公司建立了战略合作伙伴关系。该公司今天拥有一台超级计算机，运行大约8000块（可能是NVIDIA提供？）GPU，并计划再建造5台超级计算机来处理数百万个摄像头采集的面部识别数据。
雷锋网编译，via forbes
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）