芯片是戰(zhàn)略要地。目前GPU芯片在深度神經(jīng)網(wǎng)絡(luò)訓練領(lǐng)域獲得大范圍的應用，但受制于功耗、應用優(yōu)化性等方面的限制，仍有眾多的巨頭和初創(chuàng)公司在該領(lǐng)域積極探索，英特爾2016年發(fā)布Nervana AI處理器，可加速各類神經(jīng)網(wǎng)絡(luò)。谷歌2016年也發(fā)布了自己的ASIC芯片TPU，用于加速深度神經(jīng)網(wǎng)絡(luò)，微軟、AMD、百度等也相繼加入戰(zhàn)局。

寒武紀研發(fā)了國際首個深度學習專用處理器芯片(NPU)，目前其IP指令集，已擴大范圍授權(quán)集成到手機、安防、可穿戴設(shè)備等終端芯片中，2016年就已拿到1個億元訂單。

執(zhí)行董事羅韜26日表示，目前寒武紀深度學習處理器，若以階段性論，還處于相當于“ARM”的授權(quán)階段，未來一年內(nèi)，將推出芯片問世，并擬與臺積電先進工藝制程展開合作。

寒武紀之所以想要開發(fā)一款專用的深度學習處理器，因為有必要有專門的深度學習處理處，來提升效能與克服降低功耗。通用芯片與專用芯片相比，就像是一把萬能的瑞士軍刀與菜刀之比，想要切菜得好，必須有專用的菜刀堪用。而深度學習是處理智能應用迄今最好的方法。

羅韜表示，AI已經(jīng)在很多領(lǐng)域超越了人腦。但是傳統(tǒng)的CPU/GPU處理深度學習效率低下，他舉例，AlphaGo使用上千個CPU和數(shù)百個GPU，下一盤棋的電費就高達3000美元，相當耗能。

而寒武紀的目標，據(jù)稱，是要讓1瓦以內(nèi)功耗的攝像頭、手機、甚至手表都能和AlphaGo一樣“聰明”。

光靠NPU指令集就已賺錢

他也分享目前寒武紀的近況。就在2016年國際計算機體系結(jié)構(gòu)年會中，約有1/6的論文都引用寒武紀開展神經(jīng)網(wǎng)絡(luò)處理器研究。

目前寒武紀設(shè)立了三條產(chǎn)品線：首先是智能終端處理器IP授權(quán)，智能IP指令集可授權(quán)集成到手機、安防、可穿戴設(shè)備等終端芯片中，客戶包括國內(nèi)頂尖SoC廠商，目前已經(jīng)開始投入市場。而2016年全年就已拿到1個億元訂單。這也使得寒武紀研發(fā)了國際首個深度學習專用處理器芯片，于2016年第一年成立，就實現(xiàn)盈利。

其次，在智能云服務器芯片領(lǐng)域：作為PCIE加速卡插在云服務器上，客戶主要是國內(nèi)的知名服務器廠商。

另外，家用智能服務機器人芯片：從智能玩具、智能助手入手，使服務機器人獨立具備看聽說的能力。客戶是各類下游機器人廠商，產(chǎn)品的推出將比智能云服務器芯片更晚一些。

日前中科院還注資1000萬元，這1000萬元專項資金一方面用于人工智能芯片的基礎(chǔ)性研究，探索下一代人工智能芯片的架構(gòu)、算法以及在一些新型場景（如AR/VR）中的應用開發(fā)方法。

下一階段重點 流片商用問世

據(jù)指出，DianNao是寒武紀系列的第一個原型處理器結(jié)構(gòu)，平均性能超過主流CPU核的100倍，但面積和功耗僅為1/10，效能提升可達三個數(shù)量級。

寒武紀處理器能直接面對大規(guī)模神經(jīng)元和突觸處理，一條指令完成一組神經(jīng)元處理，相比傳統(tǒng)執(zhí)行x86指令集的芯片，有數(shù)量級的性能提升，未來在云服務器和智能終端上的圖像識別、語音識別、人臉識別等方面有著較廣應用前景。

而邁入下一個階段，寒武紀從IP指令集授權(quán)，到推出商用芯片問世，預料是目前緊鑼密鼓籌備的重點。

相關(guān)人士也指出，寒武紀目前鎖定與臺積電最先進的工藝制程合作，其中對其量產(chǎn)成熟的14納米工藝很有興趣。預期最快一年后流片。

行業(yè)人士還指出，國內(nèi)現(xiàn)在高端芯片設(shè)計領(lǐng)域的實力已經(jīng)提升，但是國內(nèi)晶圓代工廠的工藝制程還沒跟上節(jié)奏，包括展訊14納米找英特爾代工、兆芯14納米CPU也都選擇與臺積電合作。

相關(guān)人士表示，目前看國內(nèi)芯片廠的技術(shù)節(jié)點仍落于國外兩到三個世代，在28納米工藝制程還未站穩(wěn)腳跟的當下，在國內(nèi)選擇綜合考量上，高端芯片會多傾向以選擇臺積電、GLOBALFOUNDRIES為主，而臺積電則又較具兩岸優(yōu)勢。