隨著人工智能市場的火爆，越來越多的芯片廠商開始推出AI芯片,，與此同時很多AI算法廠商也開始紛紛推出自己的AI芯片,。一時間AI芯片已成為當下最為市場最為關注的焦點。

早在去年11月,，礦機芯片廠商比特大陸就推出了自己的首款人工智能芯片BM1680,；今年年初，國內(nèi)的聲紋識別廠商Speakin也曝光了自己的即將推出的聲紋識別模組,；今年4月,，國內(nèi)的人臉識別廠商云天勵飛也確認將會在年內(nèi)推出自己的AI芯片；5月16日,，云知聲發(fā)布首款面向物聯(lián)網(wǎng)領域的AI系列芯片UniOne以及第一代芯片“雨燕”,；5月24日，出門問問發(fā)布旗下首款AI語音芯片模組問芯Mobvoi A1,；7月2日,，Rokid發(fā)布旗下AI語音專用SoC芯片KAMINO18；而在同一時間,，語音識別廠商思必馳CEO高始興也確認公司正在打造AI語音ASIC芯片,，預計今年下半年流片。

近日,，云天勵飛首款自主知識產(chǎn)權的AI芯片IPU已成功流片,。與此同時，比特大陸的第二代AI芯片BM1682正式曝光,。下面我們來看詳細介紹：

云天勵飛自主產(chǎn)權AI芯片IPU已于16日流片

今年4月25日,，在云天勵飛召開的芯片專題媒體溝通會上，云天勵飛聯(lián)合創(chuàng)始人,、CEO陳寧提到,，云天勵飛正在研發(fā)的一款面向嵌入式端的邊緣人工智能芯片IPU (inteligence processor unit)已取得階段性成果,，計劃今年年中流片，明年上半年正式商用,。時隔僅不到4個月之后,，8月16日，云天勵飛的IPU已成功流片,。

　　云天勵飛IPU聚焦嵌入式視覺智能終端

　　據(jù)介紹,，云天勵飛AI芯片的技術路線是通過設計一系列面向多層神經(jīng)網(wǎng)絡的可編程處理器，應對人工智能算法的快速迭代,?！拔覀兪讋?chuàng)的‘自適應云+端’AI系統(tǒng)架構，可通過云端邏輯控制終端芯片,，自動更新終端芯片的算法和功能,。”據(jù)云天勵飛聯(lián)合創(chuàng)始人,、CEO陳寧介紹,，云天勵飛自主研發(fā)的專用深度學習神經(jīng)網(wǎng)絡處理器芯片，采用ASIP設計思路,，提供ASIC級別高性能和低功耗,，也能提供處理器級別的指令集靈活性。同時,，采用異構計算多核SOC架構,，集成多處理器單元，并行分布式處理與集中控制系統(tǒng),。

　　與傳統(tǒng)芯片迭代速度相比,，AI芯片迭代更快?！澳壳皝碚f，算法每半個月迭代一次,，AI芯片則要同步迭代,，而傳統(tǒng)芯片的迭代是按年計算。現(xiàn)有的CPU或GPU無法滿足嵌入式端視覺AI應用,?！睋?jù)云天勵飛研發(fā)副總李愛軍表示，通用CPU在神經(jīng)網(wǎng)絡加速上速度慢,，性能上滿足不了對嵌入式端的需求,；GPU性能是夠的，但功耗高,、成本居高不下,?！八裕覀冇X得有必要去研究適應新型神經(jīng)網(wǎng)絡的深度學習處理器架構芯片,?！倍铺靹铒w研發(fā)的芯片是面向嵌入式端的邊緣計算人工智能芯片，專注智能視覺,，聚焦在安防,、智能商業(yè)等領域的場景應用。

　　擁有國內(nèi)頂尖ASIP矢量處理器芯片設計團隊

　　“云天勵飛做芯片不是臨時起意,，而是從公司創(chuàng)立之初就開始了芯片的布局,。”據(jù)陳寧介紹,，云天勵飛早在2014年就有了完整的“機器學習與視覺智能處理器”AI芯片解決方案,，并獲得2015年深圳孔雀團隊第一名。

　　在當時,，云天勵飛的芯片研發(fā)團隊是國內(nèi)AI芯片界唯一有芯片商用經(jīng)驗的團隊,，陳寧本人是中國第一款商用矢量處理器芯片的設計者，而芯片團隊主導者李愛軍是原中興通訊手機芯片的研發(fā)負責人,，主導研發(fā)了國內(nèi)第一顆28nm手機芯片商用(2010)和國內(nèi)首款LTE多模手機芯片商用,。

　　陳寧說，“我們的芯片研發(fā)團隊是國內(nèi)頂尖的ASIP矢量處理器芯片設計團隊,，主要的骨干團隊成員有豐富的矢量處理器,、復雜SoC芯片設計經(jīng)驗，且平均設計經(jīng)驗超過10年,?！?/p>

　　IPU具有高能低耗、可編程,、可云端升級等特點

　　據(jù)了解,，云天勵飛在2016年完成了第一代深度學習神經(jīng)網(wǎng)絡處理器NNP100的研制，并基于FPGA載體實現(xiàn)商用,。

　　李愛軍介紹說,，NNP100深度結合云天勵飛自研深度學習算法，與自研神經(jīng)網(wǎng)絡模型深度耦合,，具有強大的運算處理能力以及靈活的模型pooling能力,，設計上支持PE數(shù)量根據(jù)場景需求任意擴展和裁剪，非常靈活,，同時它又具有高性能,、低時延和低功耗技術優(yōu)勢。

　　“相比之前的應用效果,，采用NNP100后FPGA加速卡,，計算性能相比GPU提升2倍,，功耗減低5 倍，時延減低100倍,?！崩類圮娊榻B，目前NNP100應用在云天勵飛的DeepEye100智能盒子和DeepEye200服務器加速卡產(chǎn)品上,?；贜NP100的技術基礎，云天勵飛已經(jīng)在研發(fā)第二代深度學習神經(jīng)網(wǎng)絡處理器NNP200,，并取得階段性成果,。NNP200將集成于云天勵飛IPU (inteligence processor unit)芯片上，并用于智能終端產(chǎn)品,。

　　據(jù)介紹,，云天勵飛的視覺AI芯片具有2Tops/W的高能量效率。與Nvidia開源的nvDLA相比,，相同運算力下,，在很小的內(nèi)存帶寬下，算法模型效率可以提高18倍,。與麒麟970相比,，相同運算力下，比970的性能提高4.4倍,。

　　“云天的芯片除了高能低耗的優(yōu)勢之外,，還能實現(xiàn)可編程，遠程一鍵升級,。芯片可同時處理多路高清視頻,，此外，通過片間級聯(lián)還可進行擴展,?！崩類圮娬f，多芯片級聯(lián),，相當于搭積木一樣,，一顆一顆之間通過板級互聯(lián)進行擴展。通過級聯(lián)擴展最多可以同時處理64路視頻,。

　　“我們采用業(yè)界領先的22nm工藝,，工藝的性能,、功耗,、面積經(jīng)過仿真、分析,、比對,，對比業(yè)界主流的28nm工藝,，都具有一定優(yōu)勢，性能提升約10%,，功耗降低約15%,，面積減小15%-20%?！标悓庍€提到,，云天勵飛的IPU芯片計劃在今年年中實現(xiàn)流片，并在明年上半年推向商用,，最終通過模式創(chuàng)新,，打造一個開放賦能的芯片平臺。

　　云天IPU最大亮點——對場景理解更為深刻

　　相比傳統(tǒng)的芯片,，AI芯片更注重“從場景到算法,，從算法到芯片”。正因為不同于以往從硬件出發(fā)的思路,，AI芯片的行業(yè)形態(tài)和商業(yè)模式正在發(fā)生著變化,。目前，AI芯片的應用場景主要集中在安防,、智能家居和消費電子,、自動駕駛、云計算,、智慧城市等行業(yè),。

　　“由于目前還不存在適用于所有通用算法的嵌入式AI芯片，確定芯片的應用場景就顯得尤為重要,?！标悓幪岬剑^往三年,，云天勵飛深耕安防領域,，最先提出了針對安防行業(yè)“云+端”的解決方案，真正做到將AI技術落地于垂直場景,。

來源： 智能科技熱點

深度分析：比特大陸二代AI芯片性能躍升,，專注安防視頻

　　近日，坊間傳聞許久的比特大陸第二代人工智能芯片BM1682,，正式出現(xiàn)在其官網(wǎng)頁面,。根據(jù)比特大陸一貫神秘務實的風格，相信基于BM1682的板卡,、服務器也已經(jīng)備好了,。筆者在芯片行業(yè)浸淫十多年，嘗試根據(jù)比特大陸官網(wǎng)公布的產(chǎn)品白皮書,，來分析一下這兩代人工智能芯片之間的異同,，嘗試談一談比特大陸在人工智能領域的意圖和野心,。

　　2017年第4季度，比特大陸正式推出了其人工智能品牌算豐(SOPHON),，發(fā)布了全球首款公開發(fā)售的TPU(Tensor Processing Unit張量計算單元)芯片BM1680,，專門用于人工智能中的深度學習加速。時隔不足一年,，2018年3月,，比特大陸又推出其第二款TPU芯片BM1682，根據(jù)初步披露的資料顯示,，BM1682是一塊專門用于圖像/視頻處理方向的人工智能芯片,。

　　BM1682與BM1680使用了相同的深度學習算法的硬件加速模塊，但相比BM1680而言,，BM1682具有更強大的深度學習算法執(zhí)行能力,，此外BM1682還增加了視頻處理子模塊，以及適用于具體應用場景的諸多功能模塊,。

　　下面我們對其兩者進行一個具體的對比評測：

　　頂層架構——BM1682定位更細分

　　從頂層架構可以看出,，BM1680和BM1682均集成了深度學習算法所用到的核心模塊NPUs。NPU是比特大陸自行研發(fā)的深度學習算法硬件加速器,，用于加速深度學習算法的執(zhí)行速度,。

　　從頂層架構圖上可以看到，BM1680比BM1682額外集成了高度定制的BMDNN Chip Link Subsystem,。該子模塊可以在高速SerDes上提供穩(wěn)定,、靈活、低延遲的鏈路,。用戶可以通過該鏈路將多個BM1680芯片連接成一個統(tǒng)一的整體,，使其協(xié)同工作，大大提高系統(tǒng)的運算能力,。BM1682并沒有集成此模塊,，這大概是基于BM1682專一化的市場應用定位，以及處理速度足夠滿足用戶對圖像/視頻處理需求而考慮的,。

　　從頂層架構圖上可以看到與BM1680相比，BM1682芯片的整體架構發(fā)生了不小的變化,，其定位則更加細分明確。從右上角增加的Video Subsystem模塊可以明確看出，該款芯片定位于圖像/視頻處理方向,。

模塊細節(jié)——BM1682設計更豐富

　　BM1682的深度學習加速的核心功能模塊與BM1680是相同的,。兩款芯片均包含了深度學習的核心單元—硬件加速器NPU Subsystem。兩者的NPU Subsystem均各自集成了64個NPU單元,，統(tǒng)一由NPU Schedule Engine進行調度(BM1682架構圖中未體現(xiàn))，最大化的提高了NPUs的效率,，加快了深度學習算法inference (推演)與training (訓練)的速度。根據(jù)初步資料顯示,，兩者在MCU的配置上是有些許差異的，但由于資料不全面,，故無法評斷出兩者的MCU處理能力的差別。

　　除了深度學習算法硬件加速模塊(NPUs),、用于高速連接其余BM1680的Chip Link模塊之外，BM1680還提供了4個獨立的DDR4通道,，最高支持16GB的DDR3 或 DDR4 DRAM拓展,，用于高速數(shù)據(jù)緩存讀取,，以提高系統(tǒng)的執(zhí)行速度。BM1680還加入了Global DMA模塊,。DMA用于提供數(shù)據(jù)搬移功能,，這可以在大塊數(shù)據(jù)進行讀寫搬移時不占用MCU的資源，如在DDR4 的RAM中搬移數(shù)據(jù)時,。對于大數(shù)據(jù)量的深度學習系統(tǒng),，DMA可以極大的提高效率。BM1680的Peripheral Subsystem 提供了UART,、SPI,、IIC與GPIO等接口，用于外接傳感器,，或與外界進行通訊,、記錄、控制等操作。這些接口都屬于通用接口,，可見BM1680的定位就是通用深度學習芯片,，在外設上沒有給與太多支持。

　　從架構圖看,，BM1682明顯復雜了很多,。其額外增加了AP (Application Processor) Subsystem和Video Subsystem(視頻處理系統(tǒng))。Video Subsystem(視頻子系統(tǒng))則主要專注于視頻預處理的相關任務,。

　　BM1682的Video Subsystem提供了2個H.264視頻解碼器,，1個H.265解碼器。H.264 /H.265均為視頻編碼方式,，也是比較流行的視頻編碼的兩種方式,。相對而言，H.265視頻編碼比H.264具有更高的壓縮比,、更強的網(wǎng)絡糾錯適應能力,，但考慮到現(xiàn)階段在安防、智能家居和互聯(lián)網(wǎng)視頻領域中仍然還是以H.264編碼的視頻和視頻設備為主,，兩者2:1的譯碼器數(shù)量在視頻支持類型和解碼帶寬做了一個合適的權衡,。比較貼心的是，BM1682提供了Video Post-Processing功能,，該子模塊用于對采用H.264或H.265編碼的視頻進行渲染處理,，這些渲染處理主要包括顏色空間轉換、視頻剪裁,、縮放操作,、仿射變換、多幀拼接等常規(guī)操作,。經(jīng)過Video Post-Processing對外界進入的視頻數(shù)據(jù)進行硬件加速預處理后,，Video Subsystem會將處理后數(shù)據(jù)通過總線傳輸給NPUs、DRAM,、AP System或外接存儲設備,，然后進行后續(xù)的深度學習處理等操作。

　　BM1682提供了豐富的外界交互接口,，如高速接口PCIE,、以太網(wǎng)、SDIO3.0,、WIFI等,。BM1682將數(shù)據(jù)處理完畢后可以很方便的通過PCIE接口、以太網(wǎng)接口,、或者WIFI接口將數(shù)據(jù)傳輸?shù)娇偡掌?。若是條件限制沒有網(wǎng)絡接入點,，用戶可以選擇通過接入SDIO3.0的eMMC存儲器或是PCIE式存儲器將數(shù)據(jù)存儲到本地存儲裝置?？梢?，BM1682對其可能的應用場景做了充分的考慮并給予了硬件支持，用戶可以根據(jù)需求,，靈活方便的進行配置,。

　　Peripheral Subsystem方面，BM1682比BM1680要豐富的多,，這大大方便了用戶進行系統(tǒng)拓展，如添加額外傳感器等,。BM1682的外設包括2個SPI接口,、4個UART接口、4個IIC,、4路PWM生成器,、一塊內(nèi)嵌式SPI Flash、WDG,、Timer,、GPIO、PVT Sensor,、Top Reg,、Efuse、ROM,。由給出的外設可以看到,，BM1682的設計考慮了配置、存儲,、對外界系統(tǒng)實時控制、以及加密保護等功能,，極大提高了系統(tǒng)的靈活性,、安全性,，省卻了用戶額外添加相關功能的開發(fā)成本。

　　性能分析——BM1682極大提升

　　NPU深度學習硬件加速器是人工智能的核心,。兩者NPUs模塊集成了64個NPUs單元,，通過NPU Schedule Engine進行調度。BM1682中每個NPU含有32個EUs，BM1680未知,。根據(jù)BM1680,、BM1682數(shù)據(jù)手冊顯示，單片BM1680單精度運算速度為2TFLops;單片BM1682單精度運算速度為3TFLops,。BM1682的單片運算速度高出BM1680 50%,。

　　BM1680單片的運行速度低于BM1682，但BM1680支持級聯(lián)工作模式,，數(shù)個BM1680可以通過高速的Chip Link Subsystem組成一個集群式的系統(tǒng),，進行更高處理量的運算處理任務。BM1682不具備級聯(lián)功能,。下圖為BM1680芯片的級聯(lián)連接示意圖,。

　　級聯(lián)方式：每個Node代表一個BM1680

　　電學方面，根據(jù)兩者的數(shù)據(jù)手冊顯示：滿載工作時BM1680的TPD(Thermal Design Power熱設計功耗)為41W;：滿載工作時BM1682的TPD小于50W,。從功耗角度分析,，BM1680的2TFlops的NPUs速度應該是有所保留的。

　　開發(fā)生態(tài)——兩代芯片都很到位

　　BM1680,、BM1682均支持的主流的CNN/RNN/DNN深度學習架構,，通過這兩款TPU芯片進行硬件加速，可以極大的提高深度學習算法的執(zhí)行速度,。當然,，BM1680和BM1682也可以通過基礎的矩陣運算進行深度學習的模型、架構的搭建,。

　　在開發(fā)生態(tài)方面,，兩款芯片的支持也是很到位的。BM1680,、BM1682均對后端用戶提供SDK;如果用戶需要進行深度優(yōu)化以獲取算法最優(yōu)性能,，可以聯(lián)系廠家獲得相關教學支持。

　　應用領域——BM1682更專注圖像/視頻處理

　　由前述分析可知,，BM1680為通用性人工智能芯片,，其應用方向沒有偏向性，芯片內(nèi)部主要集成了深度學習算法所需要的基本模塊,，應用各種人工智能的深度學習算法,，通過添加相應的外圍電路模塊，BM1680可以搭建成適用于任一個領域的深度學習系統(tǒng)——像圖片識別,、自然語言處理,、文本處理、金融,、醫(yī)學等等大小領域均可選擇該芯片實現(xiàn),。BM1680更加具有靈活性,。而且，BM1680可以進行級聯(lián),，所以對于需要處理巨大數(shù)據(jù)量的人工智能深度學習系統(tǒng),，BM1680尤為合適。像企業(yè)級應用,、海量數(shù)據(jù)處理等方面,，通過簡單的級聯(lián)BM1680就可以獲取相匹配的計算能力，靈活而強大,。

　　而BM1682則是一個升級版的BM1680并配備了專門用于視頻處理的集成系統(tǒng),，整個BM1682芯片搭載了視頻處理所需要的全部核心模塊，以及對其具體應用場景適應性的輔助模塊,。BM1682對于需要進行圖像/視頻處理的市場應用可謂是十分便捷了,。BM1682的輔助功能配置模塊自帶有線與無線網(wǎng)絡功能，對于視頻監(jiān)控方向的市場應用十分方便,，無線功能更是省略了網(wǎng)線布線的繁瑣施工,，并且可用于實現(xiàn)遠程監(jiān)控,。對于一些沒有網(wǎng)絡的場合,，如科研領域的野外視頻收集處理、閉路視頻監(jiān)控等,，BM1682可以輕松的添加外置存儲裝置進行數(shù)據(jù)備份收集,。BM1682作為圖像/視頻方向深度學習的SoC片上系統(tǒng)，市場前景很是廣闊,，這款新品還是很值得期待的,。