大田农业网

首页 > 正文

最大碳纳米管芯片、最大 AI芯片相继发布,芯片行业要变天了

www.pednoy.com2019-10-04

猎豹全球智囊团3天前我想分享

与AI的访谈是机器人高级学院发起的对话程序。在每一期中,我们都会针对科技界的热点问题采访AI行业从业者。讨论屏幕刷屏事件背后的技术创新,行业趋势和业务变化。

我们的第一次采访是与Orion Star首席战略官 Bruce Wang进行的。他是爱荷华州立大学的电子工程博士学位。他在半导体技术,多媒体技术,大数据和人工智能方面拥有20多年的研发和管理经验。标题为:行业在最大的AI芯片背后发生的变化。本文总结了访谈的内容。

最近,芯片行业激动人心的里程碑正在上升。今天,麻省理工学院的研究人员在《自然》杂志上发表了一篇论文,称他们建立了一个完全由碳纳米晶体管组成的16位微处理器(碳纳米晶体管被认为是原始芯片材料硅的首选替代品)。微处理器包含多达14,000个晶体管。研究人员预计它将在不到五年的时间内实现商业化。这项新技术的应用将扭转这种情况,即硅晶体管越来越难以收缩,芯片行业的收入正在下降。

一周前,在年度芯片峰会 HOTCHIPS上,硅谷AI初创公司Cerebras Systems发布了有史以来最大的AI芯片。该芯片面积为平方毫米,晶体管数量为1200亿个。它是当前最大的Nvidia GPU的56.7倍,专门用于处理AI应用程序。

然后,英特尔发布了四年内制造的第一块AI芯片。华为还宣布其AI处理器Ascend 910已商业化并发布了全场景AI计算框架MindSpore。

(图片显示了芯片行业的最新情况)

无论是研究机构,芯片初创公司,还是包括英特尔,百度,华为和其他技术巨头在内的集成电路供应商,许多力量都在拥抱芯片的创新研发。这将对芯片的高输入,高风险,低回报行业产生深刻的化学反应。我们使用三个问题来分析它们将带来的三重变化。

巨型芯片离商业化还有多远?

我们知道,芯片尺寸越大,处理信息的速度就越快。尝试超大芯片一直是业界努力的方向。以前,由于面临许多困难,从业者的尝试无一例外都失败了。

随着AI时代的到来,对大型芯片的市场需求再次出现。深度学习后,人们需要具有强大的计算能力来训练复杂的神经网络模型。单个GPU很难满足需求。

在大芯片出现之前,业界采用了芯片外传输方案,即连接芯片。 (如果NVIDIA花费数十亿美元,开发并推出了一种总线及其通信协议 NVLink),那么这种互连的系统并不是那么划算。它的成本是超线性的,收益是次线性的。 100个GPU的连接可能无法实现100个GPU的性能,但是成本远远大于100个GPU的总和。同时,高速互连的片外传输具有明显的上限。一旦芯片被封装,就存在引脚,并且引脚的数量通常为数千。引脚数是有限的。

大型芯片的出现使片上数据传输成为可能,这不仅具有成本效益,而且可以解决以前互连的效率问题。

但是,该芯片正面临商业挑战,并面临几个主要挑战:

1.散热问题:

这种超大芯片的尺寸是当前NVIDIA GPU的近60倍。尽管没有有关其功耗的新闻,但可以预期其功耗不会很低。如果没有配套的冷却系统,芯片将烧坏。

2.合格率:

超大芯片具有1.2万亿个晶体管,尽管使用了错误冗余,但仍难以确保核心电路中没有杂质。

3.包装困难:

芯片封装是一项具有挑战性的技术,封装不良的芯片很难在恶劣的环境中使用。目前,业界没有针对该芯片的封装解决方案。

4.时钟同步:

当工作频率高到一定程度时,信号传播的延迟也是一个问题。

如果这些问题可以解决,将对整个AI行业产生破坏性影响。

芯片世界的摩尔定律会失败吗?

芯片行业一直遵循摩尔定律以保持快速增长,也就是说,每18个月,可容纳在集成电路中的晶体管数量将增加一倍。如何以最经济的方式将数十亿个晶体管放入单个芯片是当前芯片行业面临的最大挑战。如今,晶体管正在缩减为7nm工艺,预计到2030年将达到1nm。原子极限为0.1nm。这是否意味着摩尔定律即将放缓?

答案是不。目前,摩尔定律仍然有效。

但是为了追求最先进的技术,晶体管的雕刻越来越精细,半导体工厂需要在半导体上制作十层以上的光掩模,光刻技术(面膜,以后称为光掩模),而且过程它更昂贵。芯片领域已经成为金钱,资源和时间的竞争。

因此,即使芯片的价格不变,芯片处理成本,即NRE成本(一次性工程成本)也会越来越高。在1990年代,芯片流一次仅需要100万美元,而对于下一代芯片,它可能需要1亿美元。

此时,谁拥有更多的资源,谁就能获得规模效应,卖出更多的芯片,谁就会拥有更低的芯片价格并在市场上具有竞争力。相反,如果没有金钱和资源用于最新的工艺生产,并且没有大量的客户为芯片付费,那么芯片公司很容易在市场上变得被动。

巨人制造筹码,小玩家仍然有生存的方法吗?

与Cerebras Systems发布的超级芯片相比,华为的AI处理器Ascend 910和8月23日发布的全场景AI计算框架MindSpore更为实用,因为后者已经开始批量生产。

华为是一家手机公司,但它已成为芯片市场的王者。 2018年,市场研究咨询公司Compass Intelligence在全球超过100家AI芯片公司中排名,华为HiSilito成为中国大陆最强大的芯片制造商。

(图片显示了全球AI芯片的布局,图片来自网络)

在全球AI芯片布局上,除了包括NVIDIA,英特尔,高通,芯片初创公司在内的传统集成电路供应商之外,华为,谷歌,亚马逊,微软,苹果和其他技术巨头也跃居首位。

对于华为,谷歌和苹果等巨头来说,他们面对客户,拥有足够的收入,他们生产的芯片可以在自己的产品上使用。这将是芯片行业的一种趋势:有钱和客户的巨人将从芯片行业的客户转向参与者。

在该行业的马修效应显而易见的情况下,如果一家初创企业仅与原始通用芯片上的巨头竞争,就很难生存。

目前,创业公司有两个主要机会。

一种是为垂直方案提供一站式解决方案,包括芯片,系统和算法。第二种是使用专业技术制造专业芯片,例如RF芯片,功率半导体和专用传感器。

两者只是躲在巨头们的竞争区域之外,但是他们是否能够找到合适的垂直市场并取得巨大的规模效应仍然面临着巨大的挑战。

如果您对人工智能,机器人技术,5G等新技术感兴趣并希望进行交流,请联系以下人员(备注:公司+职务+名称)

收款报告投诉

[面试AI]是由机器人高级学习协会发起的对话程序。在每个问题中,我们都会与AI技术界的热门事件一起采访AI行业的从业者。探索洗屏活动背后的技术创新,行业趋势和业务变化。

我们的第一个采访对象是Orion首席战略官 Bruce Wang。他是一名博士学位。爱荷华州立大学电气工程专业的博士学位,在半导体技术,多媒体技术,大数据和人工智能方面拥有超过20年的研发和管理经验。此问题与最大的AI芯片背后的行业变化有关。本文整理了访谈的内容。

最近,芯片行业的激动人心的里程碑仍在继续。今天,麻省理工学院的研究人员在《自然》杂志上发表了一篇论文,声称他们已经创建了一个完全由碳纳米晶体管组成的16位微处理器(碳纳米晶体管被认为是原始芯片材料硅的首选替代品)。微处理器包含多达14,000个晶体管。研究人员预计它将在不到五年的时间内实现商业化。这项新技术的应用将扭转目前硅晶体管尺寸缩小和芯片行业收益递减的局面。

一周前,在年度芯片峰会 HOTCHIPS上,硅谷人工智能初创公司Cerebras Systems发布了历史上最大的AI芯片。该芯片具有42,225平方毫米的管芯面积和1.2万亿个晶体管,是最大的NVIDIA GPU的56.7倍,专门用于处理AI应用程序。

然后,英特尔发布了四年内制造的第一块AI芯片。华为还宣布其AI处理器Ascend 910已商业化并发布了全场景AI计算框架MindSpore。

(图片显示了芯片行业的最新情况)

无论是研究机构,芯片初创公司,还是包括英特尔,百度,华为和其他技术巨头在内的集成电路供应商,许多力量都在拥抱芯片的创新研发。这将对芯片的高输入,高风险,低回报行业产生深刻的化学反应。我们使用三个问题来分析它们将带来的三重变化。

巨型芯片离商业化还有多远?

我们知道,芯片尺寸越大,处理信息的速度就越快。尝试超大芯片一直是业界努力的方向。以前,由于面临许多困难,从业者的尝试无一例外都失败了。

随着AI时代的到来,对大型芯片的市场需求再次出现。深度学习后,人们需要具有强大的计算能力来训练复杂的神经网络模型。单个GPU很难满足需求。

在大芯片出现之前,业界采用了芯片外传输方案,即连接芯片。 (如果NVIDIA花费数十亿美元,开发并推出了一种总线及其通信协议 NVLink),那么这种互连的系统并不是那么划算。它的成本是超线性的,收益是次线性的。 100个GPU的连接可能无法实现100个GPU的性能,但是成本远远大于100个GPU的总和。同时,高速互连的片外传输具有明显的上限。一旦芯片被封装,就存在引脚,并且引脚的数量通常为数千。引脚数是有限的。

大型芯片的出现使片上数据传输成为可能,这不仅具有成本效益,而且可以解决以前互连的效率问题。

但是,该芯片正面临商业挑战,并面临几个主要挑战:

1.散热问题:

这种超大芯片的尺寸是当前NVIDIA GPU的近60倍。尽管没有有关其功耗的新闻,但可以预期其功耗不会很低。如果没有配套的冷却系统,芯片将烧坏。

2.合格率:

超大芯片具有1.2万亿个晶体管,尽管使用了错误冗余,但仍难以确保核心电路中没有杂质。

3.包装困难:

芯片封装是一项具有挑战性的技术,封装不良的芯片很难在恶劣的环境中使用。目前,业界没有针对该芯片的封装解决方案。

4.时钟同步:

当工作频率高到一定程度时,信号传播的延迟也是一个问题。

如果这些问题可以解决,将对整个AI行业产生破坏性影响。

芯片世界的摩尔定律会失败吗?

芯片行业一直遵循摩尔定律以保持快速增长,也就是说,每18个月,可容纳在集成电路中的晶体管数量将增加一倍。如何以最经济的方式将数十亿个晶体管放入单个芯片是当前芯片行业面临的最大挑战。如今,晶体管正在缩减为7nm工艺,预计到2030年将达到1nm。原子极限为0.1nm。这是否意味着摩尔定律即将放缓?

答案是不。目前,摩尔定律仍然有效。

但是为了追求最先进的技术,晶体管的雕刻越来越精细,半导体工厂需要在半导体上制作十层以上的光掩模,光刻技术(面膜,以后称为光掩模),而且过程它更昂贵。芯片领域已经成为金钱,资源和时间的竞争。

因此,即使芯片的价格不变,芯片处理成本,即NRE成本(一次性工程成本)也会越来越高。在1990年代,芯片流一次仅需要100万美元,而对于下一代芯片,它可能需要1亿美元。

此时,谁拥有更多的资源,谁就能获得规模效应,卖出更多的芯片,谁就会拥有更低的芯片价格并在市场上具有竞争力。相反,如果没有金钱和资源用于最新的工艺生产,并且没有大量的客户为芯片付费,那么芯片公司很容易在市场上变得被动。

巨人制造筹码,小玩家仍然有生存的方法吗?

与Cerebras Systems发布的超级芯片相比,华为的AI处理器Ascend 910和8月23日发布的全场景AI计算框架MindSpore更为实用,因为后者已经开始批量生产。

华为是一家手机公司,但它已成为芯片市场的王者。 2018年,市场研究咨询公司Compass Intelligence在全球超过100家AI芯片公司中排名,华为HiSilito成为中国大陆最强大的芯片制造商。

(图片显示了全球AI芯片的布局,图片来自网络)

在全球AI芯片布局上,除了包括NVIDIA,英特尔,高通,芯片初创公司在内的传统集成电路供应商之外,华为,谷歌,亚马逊,微软,苹果和其他技术巨头也跃居首位。

对于华为,谷歌和苹果等巨头来说,他们面对客户,拥有足够的收入,他们生产的芯片可以在自己的产品上使用。这将是芯片行业的一种趋势:有钱和客户的巨人将从芯片行业的客户转向参与者。

在该行业的马修效应显而易见的情况下,如果一家初创企业仅与原始通用芯片上的巨头竞争,就很难生存。

目前,创业公司有两个主要机会。

一种是为垂直方案提供一站式解决方案,包括芯片,系统和算法。第二种是使用专业技术制造专业芯片,例如RF芯片,功率半导体和专用传感器。

两者只是躲在巨头们的竞争区域之外,但是他们是否能够找到合适的垂直市场并取得巨大的规模效应仍然面临着巨大的挑战。

如果您对人工智能、机器人、5G等新技术感兴趣,并想进行交流,请联系以下公司(备注:公司+职务+姓名)

热门浏览
热门排行榜
热门标签
日期归档