電子發(fā)燒友網(wǎng)報道（文/李彎彎）智能化美好新時代，計算產(chǎn)業(yè)的發(fā)展是必然趨勢，而算力是計算產(chǎn)業(yè)的基石，談到算力就必然離不開AI芯片。

長期以來市場和生態(tài)制約著國產(chǎn)芯片產(chǎn)業(yè)的發(fā)展，國外芯片巨頭定義了傳統(tǒng)芯片生態(tài)的規(guī)則，壟斷了國內(nèi)市場，在智能化新時代，國內(nèi)的AI芯片又面臨怎樣的機遇和挑戰(zhàn)？AI芯片產(chǎn)業(yè)落地需要關(guān)注哪些問題？

如今AI算法的應(yīng)用越來越廣泛，對AI算力提出了很高的要求，而傳統(tǒng)處理器架構(gòu)性能提升受限，那么AI芯片架構(gòu)又該有怎樣的改進？

日前在百度技術(shù)論壇上，昆侖芯科技研發(fā)總監(jiān)羅航、昆侖芯科技NPU架構(gòu)負責人王京、昆侖芯科技基礎(chǔ)工具鏈開發(fā)負責人張釗從各個角度對上述問題進行了闡述。

國內(nèi)AI芯片的機遇和挑戰(zhàn)

國內(nèi)AI芯片面臨怎樣的機遇和挑戰(zhàn)？羅航從需求側(cè)和供給側(cè)談到了這個話題，他認為，從需求側(cè)來看，機遇方面，近幾年的中美博弈為國產(chǎn)芯片打開了市場空間，新基建、雙循環(huán)、自主可控等政策扶持也給AI芯片帶了新的機遇，另外AI芯片是一個全新的市場，全球生態(tài)格局沒有固化，這是與傳統(tǒng)芯片不同的地方；挑戰(zhàn)方面，AI產(chǎn)業(yè)仍處于早期階段，商業(yè)化不成熟，需求尚未爆發(fā)，對產(chǎn)業(yè)拉動效應(yīng)未顯現(xiàn)。

從供給測來看，機遇方面，摩爾定律逼近極限，領(lǐng)先者和追趕者代差會逐步縮小，大陸已有28nm工藝儲備，中國具有資本、技術(shù)、人才的后發(fā)優(yōu)勢；挑戰(zhàn)方面，與第一梯隊還存在非常巨大的代際差距，產(chǎn)品和生態(tài)還很不完善，芯片設(shè)計等底層EDA還依賴國外技術(shù)。

那么AI芯片產(chǎn)業(yè)產(chǎn)業(yè)化落地重點需要關(guān)注和解決的問題是什么？羅航談到幾點：1、芯片量產(chǎn)是前提，芯片研發(fā)和流片的先期投入成本巨大，通過量產(chǎn)平攤成本是實現(xiàn)盈利的唯一方法，量產(chǎn)規(guī)模也是衡量芯片成熟度的指標之一；2、構(gòu)建軟件生態(tài)：軟件生態(tài)由軟件技術(shù)棧、開發(fā)者社區(qū)和用戶構(gòu)成。構(gòu)建在芯片之上的軟件生態(tài)決定芯片的可用性和市場接受度，是芯片商業(yè)模式的護城河；3、做產(chǎn)品而不是做項目：產(chǎn)品力是芯片商業(yè)模式可持續(xù)成長的關(guān)鍵因素，成熟的產(chǎn)品促進量產(chǎn)規(guī)模，形成業(yè)務(wù)飛輪閉環(huán)。

在羅航看來，AIoT相當于是萬物數(shù)據(jù)+超強算力，數(shù)據(jù)是生產(chǎn)資料，算力是生產(chǎn)力。物聯(lián)網(wǎng)負責海量數(shù)據(jù)生產(chǎn)和消費，AI芯片負責這些數(shù)據(jù)的處理和再造，二者相輔相成，缺一不可，計算速度、計算方法、通信能力、數(shù)據(jù)總量代表未來國與國之間的競爭力。

通用AI芯片架構(gòu)昆侖芯XPU的優(yōu)勢

昆侖芯科技是一家AI芯片公司，2021年4月完成了獨立融資，前身是百度智能芯片及架構(gòu)部，昆侖芯在AI芯片上經(jīng)歷了超過10年的發(fā)展歷程，2017年發(fā)布自研架構(gòu)昆侖芯XPU；2020年昆侖芯1代大規(guī)模部署；2021年昆侖芯2代量產(chǎn)。

為什么要自研AI芯片架構(gòu)，王京談到，如今各行各業(yè)都需要用到語音、圖像、自然語言處理等技術(shù)，AI算法的廣泛應(yīng)用對AI算力提出更高要求，根據(jù)OpenAI分析報告，每3.5個月計算量就要翻倍，而傳統(tǒng)處理器架構(gòu)，根據(jù)摩爾定律，晶體管數(shù)量翻倍要18-24個月，而且工作頻率、功耗、單線程性能以及核心數(shù)量的發(fā)展速度已經(jīng)非常緩慢，受限于此，傳統(tǒng)處理器架構(gòu)實際性能提升更慢了。因此，有必要開發(fā)一款通用的AI芯片架構(gòu)。

相比于傳統(tǒng)的CPU、GPU，昆侖芯科技開發(fā)的通用AI計算處理器XPU-R改變了通用計算單元和加速計算單元的數(shù)量和分布，從高性能、TCO、通用性、易編程幾個指標來看，通用AI計算處理器XPU-R相比于CPU、GPU都表現(xiàn)出比較明顯的優(yōu)勢。

昆侖芯2代，具有高性能分布式AI系統(tǒng)，芯片間互聯(lián)支持訓(xùn)練和推理中模型并行&數(shù)據(jù)并行策略的通訊要求；支持硬件虛擬化，計算單元和存儲單元的物理隔離，優(yōu)化了加速芯片的利用率在保證延時和吞吐量的情況下支持推理和訓(xùn)練等混合工作負載；增強的通用計算能力，XPU-R架構(gòu)為CLUSTER的算力提升2-3倍，進一步擴展通用AI計算能力。

以昆侖芯AI加速卡R200為例，與業(yè)界主流150W GPU相比，它的通用矩陣乘法性能加速為后者的1.7倍；視覺的目標檢測算法YOLO性能加速為1.3倍；自然語言處理約典型算法Bert性能加速為1.4倍；視覺的圖像分類模型ResNet50性能加速為1.2倍。

張釗詳細來介紹了新一代架構(gòu)XPU-R，如下圖。SDNN，軟件定位神經(jīng)網(wǎng)絡(luò)引擎，自研核心張量計算單元，加速卷積和矩陣乘等計算；CLUSTER，負責除了卷積和矩陣乘法之外的通用計算部分；GDDR6，高速內(nèi)存，提供高達512GB/s的存儲帶寬，具有較高能效比和性價比，是國內(nèi)業(yè)界率先支持GDDR6的廠商之一；SHARED MEMORY，片上共享內(nèi)存，保證所有計算單元高并發(fā)，低延時訪問；片間互聯(lián)，提供高達200GB/s芯片間互聯(lián)帶寬，有效提升大規(guī)模分布式訓(xùn)練中數(shù)據(jù)傳輸效率，減少通信延時；PCIe 4.0*16，支持PCIe第四代接口，雙向帶寬可達64GB/s，同時兼容PCIe 3.0接口規(guī)范，可靈活搭配業(yè)界已上市AI服務(wù)器。

昆侖芯原生支持開源深度學習框架飛槳（PaddlePaddle）、百度機器學習平臺BML及各種類的AI能力引擎；已經(jīng)適配90%以上主流模型，推理高效支持飛槳、TensorFlow/Pytorch等框架，訓(xùn)練與飛槳社區(qū)進行協(xié)同生態(tài)建設(shè)，已經(jīng)開源；昆侖芯+飛槳是百度人工智能生態(tài)端到端軟硬件一體解決方案的獨特產(chǎn)品組合，已與多款國產(chǎn)操作系統(tǒng)、國產(chǎn)通用處理器完成端到端的系統(tǒng)適配，實現(xiàn)國產(chǎn)AI計算生態(tài)解決方案。

如今昆侖芯已經(jīng)在互聯(lián)網(wǎng)、智慧城市、智慧工業(yè)、生物計算、智慧金融、智慧政務(wù)、智算中心以及智慧交通等各行業(yè)AI應(yīng)用場景中落地。