|
2019年杭州云栖大会上，阿里首款AI芯片含光800虽然只有短短几分钟的介绍，却成了外界最为关注的消息。互联网巨头进入自研芯片领域早已不是新闻，但每次他们自研芯片的正式推出和商用的宣布，依旧会吸引了无数的关注。 不少人应该也会疑问，这是不是芯片巨头们要被替代的开始？ 互联网巨头造芯的初衷 在互联网企业造芯的路上，谷歌跑在了最前面。早在2006年，谷歌就开始考虑在其数据中心部署 GPU或者 FPGA，或专用集成电路（ASIC），当时的结论是，能在专门的硬件上运行的应用并不多，使用谷歌大型数据中心的富余计算能力即可。 情况在2013年发生了转变，当时谷歌用户每天使用语音识别 DNN 语音搜索三分钟，使得谷歌数据中心的计算需求增加了一倍，而如果使用传统的 CPU 将非常昂贵。因此，谷歌启动了一项优先级别非常高的项目，快速生产一款定制芯片（ASIC）用于推理，并购买现成的 GPU用于训练。 谷歌的目标是将性价比提高 10 倍，为了完成这项任务，谷歌在其数据中心设计、验证、构建并部署了 TPU（张量处理器，Tensor Processing Unit），这一过程用了15个月。 2016年，谷歌I/O开发者大会上，谷歌正式发布了首代TPU。不过，TPU刚开始只仅限谷歌内部使用，直到2018年2月，谷歌才在其云平台博客上宣布TPU服务开放的消息，价格大约为每云 TPU 每小时 6.50 美元，而且数量有限。 也就是说，2018年，谷歌才开启了TPU的商业化。同年的I/O大会上，TPU 3.0宣布推出，计算性能相比TPU 2.0提升八倍，可达 100PFlops(每秒 1000 万亿次浮点计算)。 可以明确，谷歌TPU的推出，主要还是因为市场上没有满足其需求的芯片，使得他们进入了自研芯片领域，并且，TPU作为云端推理芯片并不对外出售，而是通过谷歌云对外提供算力。 阿里的自研芯片之路与谷歌类似。1999年以淘宝起家的阿里，如今的业务早已横跨电商、金融、物流、云计算、大数据、全球化等场景。不同的场景就有不同的计算需求，比如淘宝里的拍立淘商品库每天新增10亿商品图片，使用传统GPU算力识别需要1小时。除了需要花费1小时的时间，这个时间里GPU的耗电量也非常巨大。 雷锋网(公众号：雷锋网)此前报道，数据统计显示，2017年中国有40个中小型数据中心，这些中小数据中心2017年消耗电量比三峡大坝的发电量还多，等量的碳排放量两倍于民航的碳排放量。对于阿里和谷歌这样拥有大型数据中心的科技公司，电量消耗也带来了巨大的成本。 如果谷歌和阿里想要通过购买算力更强的最新款英伟达GPU来提升效率，GPU高昂的售价也是科技巨头们无法忽视的问题。 因此阿里也开启了自研芯片之路。2017年的云栖大会上，阿里宣布成立达摩院，由全球建设的自主研究中心、高校联合实验室，全球开放研究计划三大部分组成，涵盖量子计算、机器学习、基础算法、网络安全、视觉计算、自然语言处理、下一代人机交互、芯片技术、传感器技术、嵌入式系统等，涵盖机器智能、智联网、金融科技等多个产业领域。 2018年云栖大会，阿里又宣布成立独立芯片企业“平头哥半导体有限公司”，由中天微与达摩院芯片团队整合而成。 还是云栖大会宣布者还是张建锋，2019年阿里首款AI云端推理芯片含光800正式推出。在业界标准的ResNet-50测试中，含光800推理性能达到78563 IPS，比目前业界最好的AI芯片性能高4倍；能效比500 IPS/W，是第二名的3.3倍。 性能提升带来的效果显而易见，继续用上面的拍立淘举例，阿里表示，采用含光800后，每天新增10亿商品图片的识别时间可以从GPU识别的1小时，可缩减至5分钟。另外，根据云栖大会的现场演示，在城市大脑中实时处理杭州主城区交通视频，需要40颗传统GPU，延时为300ms，使用含光800仅需4颗，延时降至150ms。 由此做一个简单的换算，那就是1个含光800的算力等于10个GPU。 相比谷歌迟迟没有商用TPU，阿里在发布含光800之时表示这款产品已经已经实现了大规模应用，应用于阿里巴巴集团内多个场景，例如视频图像识别/分类/搜索、城市大脑等，并且宣布基于含光800的AI云服务也正式上线。 显然，阿里自研AI芯片最核心的目标同样是为了获得更低的经济成本。 科技巨头与芯片巨头不再只是合作 由此看来，目前阿里和谷歌商用的自研AI芯片都是云端推理芯片，对于传统芯片巨头英特尔和英伟达而言，这并不会带来巨大的改变，但双方的关系会从此前紧密合作变为竞合关系。 如何理解？虽然有了面向视觉场景的含光800推理芯片，但是这是一款ASIC芯片，其定位也是CNN类模型推理加速为主，通用可扩展到其它DNN模型。但对于更多的深度学习算法，含光800这款ASIC可以在一定支持，但无法体现出性能和能效最优化。 所以，无论是阿里还是谷歌，他们依旧需要英特尔的CPU提供通用的计算能力，也需要FPGA进行AI的加速。另外，阿里性能强大的神龙架构服务器，也需要英伟达GPU提供算力。 |
