中星微“星光智能一号”量产 AI芯片竞赛“各就位”

人工智能火热，而NPU作为人工智能核心芯片，无疑是业内焦点。但直至目前，国内外仍未有主流的NPU厂商产生。

在国内市场，中星微电子近日率先推出量产的“NPU”芯片。“对于企业而言，实现量产是定义‘首款’NPU芯片的标准。”6月23日，中星微电子CTO张韵东独家专访告诉记者，其预计，未来两个季度内“星光智能一号”出货量有望超过百万。

中星微领衔国内首款量产NPU，但市场同样显现了谨慎的一面。奇虎360人工智能研究院院长颜水成告诉记者，对于“星光智能一号”的技术成熟度仍在观察。多位业内人士告诉记者，目前来看此次中星微推出的NPU主要应用于安防领域，对于其他领域的应用前景仍待验证。

人工智能核心

一位业内人士告诉记者，目前已有的智能硬件事实上均“不够智能”，基本上依赖于CPU(中央处理器)支持，但长远来看，CPU跑大型算法模型较为吃力，因此，“在NPU这类芯片真正投入到嵌入式设备中，智能硬件才算是有了可堪大用的智能计算平台”。

这也就是为什么近年来“NPU”概念火热，未来的智能硬件中均不可或缺这么一块芯片。

NPU采用了“数据驱动并行计算”的架构，特别擅长处理视频、图像类的海量多媒体数据。上述业内人士向记者介绍，NPU对应的竞争标的物是CPU，它也具有类似GPU(图形处理器)的并行计算特点，相比CPU，NPU可以在线性代数运算上有更高的效率，但功耗上面可以比CPU低很多。

一位互联网巨头公司的资深算法工程师告诉记者，GPU主要是训练的时候非常需要，训练过程需要非常大量的线性代数运算，这是GPU的优点所在。但NPU定位主要是用于预测，也就是说NPU主是部署到产品上的，尤其是嵌入式产品，比如手机、平板电脑等等对体积和功耗有严格要求的使用环境。

与此同时GPU直接应用到智能硬件中同样存在缺陷。张韵东告诉记者，GPU是为图形处理设计的，用来深度学习算法造成浪费。

多家人工智能厂商告诉记者，目前NPU在市场上仍处在早期阶段，深度学习过程中主要采取使用GPU，其中的佼佼者则是英伟达旗下推出用于深度学习的GPU。

NPU在人工智能演进过程中扮演的关键角色毋容置疑，但目前国内外均还未有主流的NPU厂商出现。早在2013年，高通即对外宣称将大力投入发展NPU，并称将在2014年推出样品，随后却不了了之。

“高通开发NPU使用的是脉冲驱动型，而中星微电子基于CNN神经网络，这是NPU开发的两个主要路径。”张韵东告诉记者，前者的特点是功耗相对更低，而后者的优势在于芯片能够支持主流深度学习的软件框架，因此和深度学习配合较好。

近日，中国首款嵌入式神经网络处理器(NPU)“星光智能一号”诞生。张韵东告诉记者，研发“星光智能一号”耗时三年时间。“中星微集团聚集了北京、广东、天津、山西、江苏、青岛、硅谷的研发力量，采用了先进的过亿门级集成电路设计技术及超亚微米芯片制造工艺，在TSMC成功实现投片量产。”

NPU竞赛

张韵东告诉记者，目前“星光智能一号”出货量主要集中在安防摄像领域，其中包含授权给其他安防摄像厂商部分，但其并未透露这一部分的具体出货量。截至目前，“星光智能一号”出货量达十几万。

张韵东称，在接下来的一段时间中，“星光智能一号”芯片将进一步推广，未来将主要向车载摄像头、无人机航拍、机器人和工业摄像机方面进行推广和应用。

可以看到，尽管无人驾驶成为目前人工智能最火热的领域之一，但大量机器人公司将首先推的领域放在了例如扫地机器人，背后原因在于快速落地的产品均需要一定的市场验证。

对于“星光智能一号”率先应用的安防领域，张韵东告诉记者，目前准确性提高了10%左右，伴随着这一变化，同样有助于推动安防摄像头在市场上的进一步普及。

“前景是巨大的，但中星微此次推出的芯片可能更加接近简化版的GPU。”一位获得多家知名VC投资的国内机器人公司内部人士向记者评述。无法判断性能的原因是，此次中星微并未给出芯片的具体参数，一般NPU对于算法每秒处理多少次有一定要求。

对此，张韵东回应称，“更加准确来说GPU事实上是变相的NPU”。

另一家计算机视觉识别方向人工智能公司的内部员工告诉记者，其认为此次推出的“星光智能一号”主要面向的是安防领域应用，但是否适合机器学习使用仍待观察。“这类芯片刚面世基本都是专用型的，可以说这款芯片是中星微针对自家安防产品的加分项。”

尽管如此，“星光智能一号”已经吸引到了部分人工智能领域公司的注意力，甚至不乏互联网大公司。

“我们还需要了解细节，主要在于技术成熟度，以及和‘寒武纪’的差别。”奇虎360人工智能研究院院长颜水成告诉记者。“寒武纪”是指中国科学院计算技术研究所发布了全球首个能够“深度学习”的“神经网络”处理器芯片。

颜水成告诉记者，目前NPU市场已经是“山雨欲来风满楼”，但对于无论哪家推出的芯片，均需要一定的验证和测试周期。

“深度学习芯片的公司偏向算法应用能力，比如地平线机器人等;NPU芯片公司偏向于通用芯片的设计和推广，这类公司本身是做芯片的。”一位熟悉深度学习的人士告诉记者，深度学习芯片公司优势在于商业模式会更快建立起来，而通用型NPU芯片会有更加漫长的商业推广周期。

从长远来看，由于前者较早有现金流支撑，加之在一定程度同样能够推出通用型芯片，逐渐挤掉后者的生存空间，前者经过更多的市场磨练能设计出更加符合市场需求的产品和稳定性更好的产品。

“现在NPU所用的芯片工艺要求还没有到顶端，导致这个领域现在拼的还是市场适应程度，因此目前阶段竞争主要集中在服务，这就使得未来中国NPU厂商可以更好地服务本土智能硬件厂商。”上述业内人士告诉记者。