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31亿美元，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175亿，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
AI2021和AI2022的区别如下：
自2018年以来连续第四年发布。
报告从宏观经济、技术成熟度、AI劳动供给、行业和地域四大方面进行综合考量，评估中国人工智能发展现状，为推动产业AI化发展提供参考和行动指南。
算力基础设施建设体现一个地区对人工智能的综合投入程度，首次被作为地域评估的考虑因素。
报告指出，AI芯片呈现多元化发展趋势，AI芯片算力持续提升满足模型规模增长态势；中国AI服务器市场快速增长，中国厂商领跑全球，2020年全球AI服务器厂商浪潮、DELL、HPE市场份额位列前三，未来AI服务器将朝着多元开放、绿色节能的方向发展。AI与云的融合是必然趋势，预计到2025年，中国人工智能服务器公有云的占比将超过50%，私有云、政务云、行业云等也在蓬勃发展，混合IT是企业首选。算法模型发展愈加复杂，巨量模型将是规模化创新的基础，“源10”等巨量模型的出现，让构建大模型、提升AI处理性能成为发展趋势；应用场景已经从碎片化过渡到深度融合的一体化，从单点应用场景转换为多元化的应用场景。相比2020年，人工智能在金融、制造、能源 、公共事业和交通等行业体现的推动作用尤为显著；以智算中心为代表的算力基础设施，通过提供公共的算力、数据及算法服务，让算力服务易用，解决算力服务的供给问题。
人工智能可以使用闪存芯片，因为闪存芯片是一种用于存储数据的电子设备，而人工智能需要存储大量的数据和模型参数。在人工智能领域，闪存芯片通常用于存储和传输模型数据，例如神经网络模型和训练数据等。此外，闪存芯片也可以作为嵌入式设备和智能终端设备中的存储介质，例如智能手机、智能音箱等等。另外一个系列为升腾，属于人工智能芯片。五大系列的分工：
1 SoC芯片（麒麟系列）：手机SoC芯片一直是华为的主力研究，至2018年8月31日推出的麒麟980处理器以及预计今年下半年将推出麒麟985芯片，华为手机芯片已经达到世界一流水平。
2 AI芯片（升腾系列）：2018年10月10日，在华为的HC大会上发布了升腾910和升腾310两款AI芯片，分别采用7nm工艺制程和12nm工艺制程。升腾系列AI芯片采用了华为开创性的统一、可扩展的架构，即“达芬奇架构”，实现了从极致的低功耗到极致的大算力场景的全覆盖。
3 服务器芯片（鲲鹏系列）：华为优化调整设计了其合作伙伴ARM授权提供的技术，在2019年1月7日发布了鲲鹏920以及基于鲲鹏920的泰山服务器、华为云服务。
4 5G通信芯片（巴龙、天罡系列）：华为的5G芯片主要分为终端芯片（巴龙系列）和基站芯片（天罡系列）。巴龙系列是手机终端基带芯片，一直是华为手机的专用芯片。2019年1月24日，华为推出业界首款面向5G的基站核心芯片(天罡芯片)和5G多模终端芯片（巴龙5000）。
地平线联合创始人&CTO黄畅博士现场分享
近日，地平线对外公布了其大算力芯片平台的最新进展和成果。地平线联合创始人、CTO黄畅博士对外表示，大算力AI自动驾驶芯片征程5将于2022年内完成全部车规可靠性与功能安全相关认证，正式达到量产成熟水平，并将于Q4在某头部造车新势力车型上率先SOP，征程5现已在实车环境下完成针对复杂城区自动驾驶场景的闭环验证。
地平线黄畅博士、吕鹏接受媒体采访
此前，地平线先后推出征程2和征程3车规级自动驾驶芯片，加速推进了我国车规级人工智能芯片量产的先河。继征程2和征程3之后，地平线推出的第三代车规级自动驾驶芯片征程5，兼具高性能和大算力特点，通过软硬协同，征程5的AI性能（FPS）刷新至1531FPS。
地平线将大算力自动驾驶芯片的比拼看作是一场世界杯的决赛。AI算力可以看作是预选赛，安全可靠性是小组赛，开发环境1/8决赛，算法验证是1/4决赛，生态支持可以看作是半决赛，量产则如同决赛。
地平线表示，征程5与英伟达一道率先进入TOPS芯片前装量产的阶段，提前锁定了决赛席位。
地平线是唯一完成量产级别测试流程的国内企业
地平线指出，这不是一场不战而胜的比赛，真正在量产决赛上见分晓前，每个环节都是作为一家AI芯片公司必经的考验。无论是对AI算力的比拼，安全可靠性要求，还是开发环境成熟水平，完成开发到产品闭环的验证，是否有软硬件生态支持到是否能拿到正式的量产定点项目，每一个环节其实都充满了挑战。
2022年4月份，征程5在实车环境下完成了城区复杂场景自动驾驶的闭环验证。同时，在持续打磨征程5的AI工具链，从2022年6月份开始，有多家软件生态伙伴推出基于征程5开发的高等级自动驾驶方案，并陆续推出原型Demo。
地平线智能驾驶产品规划与Marketing高级总监吕鹏现场分享
后续地平线会持续地推动征程5完成全部车规可靠性测试与全面功能安全认证工作，并在年内达到量产成熟水平。年末基于征程5芯片的首个量产项目也会正式SOP。
当前，地平线通过持续的积累有幸锁定了大算力芯片的世界杯决赛。
“软硬结合”是地平线对自己的技术路线一直秉承的重要方针。
征程5率先斩获多家车企量产定点
黄畅博士表示，“芯片的计算性能之所以能够持续更新，这是因为软件架构是可以不断更新的。虽然芯片的硬件架构已经没有办法改变，但芯片的软件架构一直在进行升级，由此才实现了征程5芯片的“持续成长”。
实际上，地平线的“软硬结合”就是在芯片设计、测试验证、量产上车的各个步骤都执行软件和硬件并行的 *** 作模式。
高性能、大算力自动驾驶芯片征程5
在核心架构上，地平线征程5芯片的CPU部分采用8核心ARM Cortex A55，AI运算单元采用双核心地平线贝叶斯架构BPU（Brain Processor Unit）。同时，征程5芯片还有2个ISP核心、计算机视觉引擎、2个DSP核心、视频编码解码单元。
黄畅博士在媒体开放日介绍，去年7月份的发布会上128 TOPS，1283FPS，这是一个比较复杂的检测模型在MS COCO数据集上跑出来一个结果。最低延迟可以到60个毫秒，整个系统的平均功耗是30W左右。再告诉大家一个好消息，我们把计算性能这个数字提升了，上次发布会的时候是1283，通过我们的努力，现在把它提升到1531FPS。大家可能会觉得有点神奇，为什么一颗芯片不到一年前说是1283，今天反而变高了，硬件架构没有任何变化，算法也没有变，但是软件的架构变了。
正是基于这种理念，地平线最近几年迅速组建起了一支庞大的软件团队，甚至规模还超过了硬件团队。
其公司总计有1000多名员工，70%以上为研发人员。而研发人员中，算法、软件研发人员数量达到600人，并且软件研发人员的增长速度是最快的。
而受益于地平线的软硬结合的技术路径，地平线的征程5芯片也实现了AI计算性能的提升，实现更加高效的利用率。
随着 汽车 越来越智能，对于时延的要求也就越来越高，据悉基于征程5芯片的前视感知可以做到60毫秒，同时具备30瓦的低功耗。
征程5是全面满足高等级自动驾驶量产需求的芯片
征程5芯片自动驾驶计算延迟为60毫秒，这是指从摄像头感知、目标检测、判断应作出加速或减速动作时的延迟。而目前，市面上绝大多数产品都只能实现150毫秒左右的延迟。
黄畅博士介绍：“自动驾驶的延迟每下降60毫秒，可以减少1米多的刹车距离，也就意味着有可能就挽救一个人的生命。”
为了降低延迟，地平线针对自动驾驶场景，从摄像头在线输入、离线DDR，通过金字塔核心、拼接光流处理，能够在预处理阶段大幅降低延迟。在BPU核心中，地平线选择针对一次高效处理一张做架构优化，实现低延迟。
征程5是全面满足高等级自动驾驶量产需求的芯片
“现在大多服务器芯片会选择通过复用神经网络的参数，一次性批量处理十余张，这样一来，虽然处理量有所上升，但延迟会加大。”黄畅博士表示。“地平线选择对每一张进行极致的优化，而不是单纯追求一次性的处理量，这能够保证在实际场景应用中的速度最快，延迟最小。”
征程5是地平线的第三款车规级芯片，在此之前，征程2、征程3先后实现前装量产，帮助地平线拿下智能座舱、辅助驾驶的市场份额。而征程5芯片的出现，能让地平线在高阶自动驾驶领域和全场景整车智能领域再上新台阶。
总结： 随着征程5的正式推出，地平线成为能够覆盖从L2到L4智能驾驶芯片方案的提供商。截至目前，征程5已获得比亚迪、一汽红旗和自游家 汽车 等多家车企的量产车型定点项目。在第四季度正式SOP后，未来将有更多车企在高阶自动驾驶领域会与地平线产生更广泛合作。
本文首发钛媒体APP
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）