作為機器學習的領(lǐng)軍人物，Yann LeCun（楊立昆）曾在 25 年前開發(fā)過一塊名為 ANNA 的人工智能芯片。而現(xiàn)在，構(gòu)建適用于深度學習的計算芯片已成為所有科技巨頭共同的發(fā)展目標。

那是 1992 年，LeCun 還供職于貝爾實驗室，這座位于紐約市郊的研發(fā)機構(gòu)舉世聞名。他和一群研究者們共同設計了一種適用于進行深度神經(jīng)網(wǎng)絡計算的芯片 ANNA，用于高效處理需要分析大量數(shù)據(jù)的復雜任務，但 ANNA 從未投入市場。隨后的二十多年里，神經(jīng)網(wǎng)絡隨著計算機性能的不斷提升，開始在識別文字、人臉和語音等任務中達到甚至超越了人類水平。但人工智能還遠沒有達到威脅人類智能的水平，那些用于特定任務的算法，在執(zhí)行其他種類任務的時候，不會產(chǎn)生任何有意義的結(jié)果。

盡管如此，今天的神經(jīng)網(wǎng)絡還是在重塑著所有科技公司的面貌，谷歌、Facebook、微軟都在做著自己的改變。LeCun 現(xiàn)在已經(jīng)成為 Facebook 人工智能實驗室的主任。在那里，神經(jīng)網(wǎng)絡被用于識別人臉、標注圖片中的事物、翻譯語言甚至更多。在 25 年后，LeCun 認為市場現(xiàn)在非常需要像 ANNA 這樣的芯片，很快，它們將大量涌現(xiàn)。

谷歌剛剛有了自己的人工智能芯片 TPU，這種芯片已經(jīng)廣泛用于谷歌的數(shù)據(jù)中心，成為其網(wǎng)絡帝國的引擎。每臺安卓手機的谷歌語音搜索指令都會經(jīng)由 TPU 處理。這只是芯片業(yè)巨大變革的開始，CNBC 等媒體 4 月 20 日 的報道指出，谷歌 TPU 的開發(fā)者們正在秘密成立的創(chuàng)業(yè)公司 Groq 重新集結(jié)，開發(fā)類似的人工智能芯片；而傳統(tǒng)芯片廠商，如英特爾、IBM 和高通也在做著同樣的努力。

谷歌在本月初推出 TPU 時稱：「它是我們的第一塊機器學習芯片。」在谷歌發(fā)表的論文中，TPU 在一些任務中的處理速度可達到英偉達 K80 GPU 與英特爾 Haswell CPU 的 15-30 倍。而在功耗測試中，TPU 的效率也比 CPU 和 GPU 高 30-80 倍（當然，作為對比的芯片并不是最新產(chǎn)品）。

谷歌 TPU 芯片已經(jīng)成為其數(shù)據(jù)中心的重要組成部分

像谷歌、Facebook 和微軟這樣的科技巨頭當然可以把自己的神經(jīng)網(wǎng)絡任務交給常規(guī)計算機芯片來處理（如 CPU），但 CPU 是設計用來處理所有類型任務的，這種方式顯得效率很低。當使用特殊設計的芯片進行處理時，神經(jīng)網(wǎng)絡任務會運行得更快，消耗更少的電力。谷歌宣稱隨著 TPU 的應用，它為谷歌節(jié)約的成本可以打造另外 15 個數(shù)據(jù)中心。而隨著谷歌、Facebook 等公司將神經(jīng)網(wǎng)絡應用于手機和 VR 頭盔，為了減少延遲，在個人設備上的小型智能芯片也變得迫在眉睫了。「在更加高效的專業(yè)芯片方面，市場還有很大一片空白，」LeCun 說道。

技術(shù)巨頭

在收購了初創(chuàng)公司 Nervana 之后，英特爾正在打造一款機器學習專用芯片。IBM 也是，它正在創(chuàng)建一個可以映射（mirror）神經(jīng)網(wǎng)絡設計的硬件架構(gòu)。最近，高通已經(jīng)開始制造執(zhí)行神經(jīng)網(wǎng)絡的專用芯片，這條消息來自 LeCun，因為 Facebook 正幫助高通開發(fā)機器學習相關(guān)技術(shù)所以他對高通的計劃很了解；高通技術(shù)部副主席 Jeff Gehlhaar 證實了該計劃，他說：「在原型機研發(fā)方面，我們還有很多路要走。」

高通一直在和 Yann LeCun 在 Facebook AI 研究機構(gòu)的團隊保持合作，共同開發(fā)用于實時推理的新型芯片。高通最近宣布計劃花費 470 億美元收購荷蘭汽車芯片公司 NXP。在收購宣布之前，NXP 就在致力于解決深度學習和計算機視覺難題，看來高通希望借助收購加強自動駕駛系統(tǒng)的開發(fā)。

自動駕駛是深度學習與人工智能發(fā)揮作用的主要領(lǐng)域之一。除此之前，內(nèi)置芯片有很多其他選擇以與真實世界交互，比如手機和虛擬現(xiàn)實耳機。當前技術(shù)發(fā)展飛快，我們很快就會看到其他實際應用的出現(xiàn)。

很多公司想把握住這一藍海機遇，比如傳統(tǒng)芯片巨頭英特爾和 IBM。Big Blue 努力在其 Minsky 人工智能服務器中把 RISC 芯片和英偉達 GPU 結(jié)合起來的同時，其研究團隊也在探索其他芯片架構(gòu)。IBM Almaden 實驗室探討了其類腦芯片 TrueNorth 的性能，該芯片具備 100 萬個神經(jīng)元和 2.56 億個突觸。IBM 稱在若干個視覺和語音數(shù)據(jù)集中，TrueNorth 給出了接近當前最高分類精確度的深度網(wǎng)絡。

IBM 研究院類腦計算首席科學家 Dharmendra Modha 在其博文中說道：「類腦計算的目標是在不斷逼近時間、空間和能量的根本限制的情況下，給出可擴展的神經(jīng)網(wǎng)絡基礎（substrate）。」

作為芯片領(lǐng)域最大的玩家，英特爾并沒有止步不前，它也正在根據(jù)下一代人工智能工作需求開發(fā)自己的芯片架構(gòu)。去年，英特爾宣布其第一個人工智能專用硬件 Lake Crest（其技術(shù)基于 Nervana）將在 2017 年上半年推出，并在稍后接著推出 Knights Mill，它是 Xeon Phi 聯(lián)合處理器架構(gòu)的下一個迭代。

英偉達已成為人工智能硬件領(lǐng)域的主力軍之一。在谷歌、Facebook 等公司能夠使用神經(jīng)網(wǎng)絡翻譯語言之前，他們必須首先用特殊任務訓練神經(jīng)網(wǎng)絡，給神經(jīng)網(wǎng)絡輸入現(xiàn)有的大量翻譯數(shù)據(jù)集。英偉達制造了可以加快這一訓練進程的 GPU 芯片。LeCun 說，在訓練方面，GPU 通常考慮的是市場，尤其是英偉達 GPU。但是 Farabet 的出現(xiàn)也許表明，英偉達正和高通一樣，也在探索一旦接受訓練就可運行神經(jīng)網(wǎng)絡的芯片。

GPU 最初的設計初衷并非人工智能，而是圖形繪制。但是大約 5 年前，谷歌、Facebook 等公司開始使用 GPU 訓練神經(jīng)網(wǎng)絡，僅僅因為 GPU 是現(xiàn)有的最佳選擇。LeCun 相信 GPU 可以持續(xù)發(fā)揮這一作用，他說，現(xiàn)在程序員和公司對 GPU 相當熟悉，他們具備使用 GPU 的所有工具；GPU 很難被替代，因為替代它需要換掉全部（整個生態(tài)系統(tǒng)）。但是他也認為將會出現(xiàn)一種新型芯片，從數(shù)據(jù)中心和消費設備兩個方面，極大地改變大型公司運行神經(jīng)網(wǎng)絡的方式，從而，從手機到智能割草機再到真空吸塵器的一切也都將會改變。

正如谷歌 TPU 展示的，專用 AI 芯片可以將數(shù)據(jù)中心的運行效率提高到一個新的層次，特別是對于那些需要進行圖像識別的服務器。在執(zhí)行神經(jīng)網(wǎng)絡任務時，它們消耗更少的電力，發(fā)熱更小。「如果你不想讓一個池塘沸騰，你就需要特殊設計的硬件，」LeCun 說。

與此同時，隨著 VR 和 AR 技術(shù)的發(fā)展，手機與頭戴設備也需要同樣的芯片。Facebook 上周曾展示了它們的新型增強現(xiàn)實工具，而這種設備需要神經(jīng)網(wǎng)絡來對周圍環(huán)境進行識別。但增強現(xiàn)實系統(tǒng)的任務不能基于數(shù)據(jù)中心——傳送數(shù)據(jù)需要時間，延遲會破壞用戶體驗。正如 Facebook 首席技術(shù)官 Mike Schroepfer 所解釋的，F(xiàn)acebook 目前正在使用 GPU 和另一種被稱為數(shù)字信號芯片的設備處理這些任務。但從長遠來看，這些設備必須使用全新類型的芯片。

現(xiàn)在，需求已經(jīng)出現(xiàn)，芯片公司正在爭相占領(lǐng)新的市場。