嵌入式處理器與AI芯片的不同之處
2019/12/12 20:42:15 點擊：
隨著AlphaGo的誕生，“深度學(xué)習(xí)”日益普及，人工智能開始從智能化工具向智能機器進軍。原有的MCU已無法滿足深度學(xué)習(xí)的高速海量數(shù)據(jù)運算要求，AI芯片便應(yīng)運而生。如今嵌入式芯片領(lǐng)域正面臨AI芯片的新一輪機遇。
有的人認為不存在AI芯片，可能認為AI芯片只是原有嵌入式處理器的功能擴展而已。殊不知隨著嵌入式處理器的功能不斷外延，已從量變產(chǎn)生了質(zhì)變。自從人工智能進入機器的深度學(xué)習(xí)時代，原有MCU的硬件加速已無法滿足高速海量數(shù)值計算要求，以及大數(shù)據(jù)的云間交互要求。這樣一來，在嵌入式領(lǐng)域便出現(xiàn)了MCU與AI芯片兩個有本質(zhì)差異的芯片群。前者是滿足工具智能化的智能控制芯片（以控制見長）；后者是滿足智能機器深度學(xué)習(xí)的計算芯片（以計算見長）。
未來，在人工智領(lǐng)域會逐漸形成智能化工具與智能機器兩大領(lǐng)域。目前，智能化工具領(lǐng)域業(yè)已成熟，智能機器領(lǐng)域依托AI芯片、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、云際交互逐漸向強人工智能領(lǐng)域進發(fā)。當(dāng)前，AI芯片形式多樣，屬于初級發(fā)展階段，盡管有些概念尚可商榷，但原有的各種嵌入式處理器的概念已無法沿襲，“AI芯片”可能會約定俗成。
自從人工智能進入機器的深度學(xué)習(xí)時代，原有MCU的硬件加速已無法滿足高速海量數(shù)值計算要求，以及大數(shù)據(jù)的云間交互要求。隨著嵌入式處理器的功能不斷外延，已從量變產(chǎn)生了質(zhì)變。
在嵌入式領(lǐng)域便出現(xiàn)了MCU與AI芯片兩個有本質(zhì)差異的芯片群。前者是滿足工具智能化的智能控制芯片（以控制見長）；后者是滿足智能機器深度學(xué)習(xí)的計算芯片（以計算見長）。未來，在人工智領(lǐng)域會逐漸形成智能化工具與智能機器兩大領(lǐng)域。
業(yè)內(nèi)專家何立民教授認為“AI芯片”值得關(guān)注！針對此問題，何教授有自己的看法：“AI芯片”的確存在，其概念不僅被廣泛應(yīng)用，也無法用其它的概念，如MCU、MPU等概念所替代。
目前，智能化工具領(lǐng)域業(yè)已成熟，智能機器領(lǐng)域依托AI芯片、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、云際交互逐漸向強人工智能領(lǐng)域進發(fā)。而AI芯片形式多樣，屬初級發(fā)展階段，盡管有些概念尚可商榷，但原有的各種嵌入式處理器的概念已無法沿襲，“AI芯片”可能會約定式俗。
以人臉識別為例，用于門禁的實時人臉識別，也許可以用MCU+圖形加速器方案。但要從眾多人群中實時識別特定的人臉，就要引入深度學(xué)習(xí)，不斷提高其識別能力；為了與眾多人臉對比，還要與云端大數(shù)據(jù)交互，無論多么高明的MCU都無法承擔(dān)如此重任。也許“深度學(xué)習(xí)”、“云端交互”是AI芯片的兩大重要特征。
在IEEE協(xié)會首次在京舉辦研討會上，王飛躍教授直言，我不認為現(xiàn)在有所謂的人工智能芯片。德國馬格德堡大學(xué)教授安德烈·紐倫堡（Andreas Nuernberger）補充道：“我同意沒有人工智能芯片這一說法。現(xiàn)在芯片的發(fā)展加速了深度學(xué)習(xí)的過程，之前在圖像方面也有這種深度學(xué)習(xí)，你現(xiàn)在把它們稱作為人工智能的芯片，但這是出于某種特定的目的而生產(chǎn)的產(chǎn)品。我覺得現(xiàn)在物聯(lián)網(wǎng)可以讓過程變得更加可靠，可以確保這些網(wǎng)絡(luò)和硬件的反應(yīng)速度更快、更加可靠、更有活力。我覺得這些是智能硬件的現(xiàn)實世界，但是他們的代價很高，因為你需要更加復(fù)雜的基礎(chǔ)設(shè)施，更多的技術(shù)，這和之前是不同的。”
目前AI芯片領(lǐng)域競爭激烈，也許一時難以形式統(tǒng)一的結(jié)構(gòu)體系，但逐步完善后，作為嵌入式領(lǐng)域中的又一新兵，在人工智能領(lǐng)域與MCU相互補充、各盡其職。既不可相互替代，又有不同的技術(shù)發(fā)展方向。MCU與AI處理器用在不同領(lǐng)域，兩者都有巨大的發(fā)展?jié)摿Α?/span>
有的人認為不存在AI芯片，可能認為AI芯片只是原有嵌入式處理器的功能擴展而已。殊不知隨著嵌入式處理器的功能不斷外延，已從量變產(chǎn)生了質(zhì)變。自從人工智能進入機器的深度學(xué)習(xí)時代，原有MCU的硬件加速已無法滿足高速海量數(shù)值計算要求，以及大數(shù)據(jù)的云間交互要求。這樣一來，在嵌入式領(lǐng)域便出現(xiàn)了MCU與AI芯片兩個有本質(zhì)差異的芯片群。前者是滿足工具智能化的智能控制芯片（以控制見長）；后者是滿足智能機器深度學(xué)習(xí)的計算芯片（以計算見長）。
未來，在人工智領(lǐng)域會逐漸形成智能化工具與智能機器兩大領(lǐng)域。目前，智能化工具領(lǐng)域業(yè)已成熟，智能機器領(lǐng)域依托AI芯片、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、云際交互逐漸向強人工智能領(lǐng)域進發(fā)。當(dāng)前，AI芯片形式多樣，屬于初級發(fā)展階段，盡管有些概念尚可商榷，但原有的各種嵌入式處理器的概念已無法沿襲，“AI芯片”可能會約定俗成。
自從人工智能進入機器的深度學(xué)習(xí)時代，原有MCU的硬件加速已無法滿足高速海量數(shù)值計算要求，以及大數(shù)據(jù)的云間交互要求。隨著嵌入式處理器的功能不斷外延，已從量變產(chǎn)生了質(zhì)變。
在嵌入式領(lǐng)域便出現(xiàn)了MCU與AI芯片兩個有本質(zhì)差異的芯片群。前者是滿足工具智能化的智能控制芯片（以控制見長）；后者是滿足智能機器深度學(xué)習(xí)的計算芯片（以計算見長）。未來，在人工智領(lǐng)域會逐漸形成智能化工具與智能機器兩大領(lǐng)域。
業(yè)內(nèi)專家何立民教授認為“AI芯片”值得關(guān)注！針對此問題，何教授有自己的看法：“AI芯片”的確存在，其概念不僅被廣泛應(yīng)用，也無法用其它的概念，如MCU、MPU等概念所替代。
目前，智能化工具領(lǐng)域業(yè)已成熟，智能機器領(lǐng)域依托AI芯片、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、云際交互逐漸向強人工智能領(lǐng)域進發(fā)。而AI芯片形式多樣，屬初級發(fā)展階段，盡管有些概念尚可商榷，但原有的各種嵌入式處理器的概念已無法沿襲，“AI芯片”可能會約定式俗。
以人臉識別為例，用于門禁的實時人臉識別，也許可以用MCU+圖形加速器方案。但要從眾多人群中實時識別特定的人臉，就要引入深度學(xué)習(xí)，不斷提高其識別能力；為了與眾多人臉對比，還要與云端大數(shù)據(jù)交互，無論多么高明的MCU都無法承擔(dān)如此重任。也許“深度學(xué)習(xí)”、“云端交互”是AI芯片的兩大重要特征。
在IEEE協(xié)會首次在京舉辦研討會上，王飛躍教授直言，我不認為現(xiàn)在有所謂的人工智能芯片。德國馬格德堡大學(xué)教授安德烈·紐倫堡（Andreas Nuernberger）補充道：“我同意沒有人工智能芯片這一說法。現(xiàn)在芯片的發(fā)展加速了深度學(xué)習(xí)的過程，之前在圖像方面也有這種深度學(xué)習(xí)，你現(xiàn)在把它們稱作為人工智能的芯片，但這是出于某種特定的目的而生產(chǎn)的產(chǎn)品。我覺得現(xiàn)在物聯(lián)網(wǎng)可以讓過程變得更加可靠，可以確保這些網(wǎng)絡(luò)和硬件的反應(yīng)速度更快、更加可靠、更有活力。我覺得這些是智能硬件的現(xiàn)實世界，但是他們的代價很高，因為你需要更加復(fù)雜的基礎(chǔ)設(shè)施，更多的技術(shù)，這和之前是不同的。”
目前AI芯片領(lǐng)域競爭激烈，也許一時難以形式統(tǒng)一的結(jié)構(gòu)體系，但逐步完善后，作為嵌入式領(lǐng)域中的又一新兵，在人工智能領(lǐng)域與MCU相互補充、各盡其職。既不可相互替代，又有不同的技術(shù)發(fā)展方向。MCU與AI處理器用在不同領(lǐng)域，兩者都有巨大的發(fā)展?jié)摿Α?/span>
- 上一篇：市面上常用的音頻功放芯片IC 2019/12/12
- 下一篇：微處理器CPU的發(fā)展概況 2019/12/12
