AI芯片：Google/英特尔/NVIDIA有什么不同？

Google、英特尔(Intel)、NVIDIA针对人工智能应用推出的最新芯片，都号称能提供极高的运算速度及准确度。除此之外，有鉴于一般客户很难快速掌握市面上各种不同的软硬件选项，ARM、超微(AMD)、亚马逊(Amazon)、Facebook的新产品于是以此为诉求，希望能使模组与各个芯片的结合达到最佳化。

根据The Register报导，Google Pixel 2搭载的协同处理器Pixel Visual Core，是Google第一款智能手机芯片，并且是专为执行Pixel 2的影像处理机器学习软件所设计。Pixel Visual Core拥有8个影像处理撷取引擎(IPU)，每个IPU核心都有512个简单算术逻辑运算单元(ALU)，每秒钟能处理3兆个作业。

Google表示，要发挥IPU效率需有软硬件密切配合。虽然将大部分细节交由软件处理能提升硬件效率，但要用传统程式语言编写IPU也因此变得更加困难。 除了Halide、TensorFlow外，Google还打造了客制化的编译器进行软件优化。Pixel Visual Core是由英特尔负责代工，并会在未来透过Pixel 2软件更新正式启动。

英特尔专为深度学习模组的训练与部署推出了Nervana神经处理器。这款ASIC芯片在过去被称为“Lake Crest”，据说能应付神经网络中大量的阵列相乘(matrix multiplication)、折积(convolution)运算作业。Nervana芯片使用了精准度较低的Flexpoint格式，因此运算密度较低，但存储器频宽也相对较高。

Nervana芯片将于2017年底前出货，而Facebook将是第一个采用的厂商。 曾任欧巴马政府技术政策顾问的Terah Lyons率领亚马逊、Google、Facebook、微软(Microsoft)、DeepMind、苹果(Apple)等重要机器学习业者，组成了Partnership of AI。该组织的目的在透过人工智能发展提升社会大众福祉。

新创公司Comma AI为改车爱好者推出的EON，结合了行车记录器与即时显示装置，能够将行车影像上传至云端，再透过chffr这款深度学习App进行分析。经过分析的影像可即时回传到驾驶的智能手机，并借由图示标记提供类似车用抬头显示器(HUD)的功能。

NVIDIA的Pegasus芯片每秒可执行320兆次运算，号称是全球第一个能推动5级自驾车技术的运算平台。较早推出的Drive PX系列平台采用的是SoC，已能达到1至3级的自驾车标准。

每个开发团队都有偏好的软件，为使不同人工智能架构写成的模型能够顺利转移，ARM、超微、华为、IBM、高通(Qualcomm)、英特尔都已宣布支援由Facebook、微软所主导的开放神经网络交换格式(ONXX)。如此一来，神经网络在完成训练后，也能转移到别的框架执行推论工作。

ONXX对于没有客制化芯片和缺乏软件能力的厂商而言无疑是一大福音。 亚马逊利用Apache MXNet框架开发的Gluon介面，同样也能透过预定义层、优化器、初始设定软件让深度学习模型的原型设计、建立、训练变得更加容易。