|
雷锋网(公众号：雷锋网)按：2018全球人工智能与机器人峰会（CCF-GAIR）在深圳召开，峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，得到了宝安区政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会，旨在打造国内人工智能领域最具实力的跨界交流合作平台。 7月1日下午的AI芯片专场大咖云集，圆桌讨论环节，深圳鯤云信息科技有限公司创始人兼CEO牛昕宇、天数智芯创始人兼CEO李云鹏、NovuMind中国区总裁周斌、AVSdsp CEO沈联杰四位来自AI芯片领域的重磅嘉宾，在华登国际投资总监苏东的主持下，就“中国芯的新机会：AI芯片如何实现弯道超车”这一话题展开交流。 圆桌讨论结束后，雷锋网就相关问题对NovuMind中国区总裁周斌进行采访。 专访NovuMind周斌：AI芯片弯道超车，架构和算力没有任何取巧之道｜CCF-GAIR 2018 算力是一切算法的基础 在圆桌讨论中周斌曾提到，大概3~5年后，在有限场景、受限场景的自动驾驶会成为比较现实的事情。 然而据雷锋网观察，眼下有一些面向自动驾驶领域的AI芯片，其规格往往集中在功耗15~30瓦、算力30~40Tops这个区间内，号称可实现L4级自动驾驶能力。并且在雷锋网的观察中，某些AI芯片公司在介绍其芯片性能时，只说每秒能处理多少帧画面、每幅画面包括多少对象，而对底层算力指标避而不谈。 对于这种行为，周斌认为“就像某人只说自己能举重100次一样无聊，脱离杠铃重量怎么能看出实际能力？就算要宣传图片和对象的处理速度，也要讲清画面分辨率、视角大小、识别距离、对象尺寸等相关参数，要么就老老实实亮出实际的算力有多少。”他表示，40Tops只能胜任L2.X级辅助驾驶（ADAS）系统，想实现L3.X级自动驾驶都是不够的。 从雷锋网了解的信息来看，L4级自动驾驶要求平均每10万英里才需要一次人工干预，目前世界上还没有任何自动驾驶系统能达到这个指标，即便目前表现最好的谷歌Waymo也只做到了平均5000英里一次人工干预，而特斯拉Autopilot在官方定义中只是L2.X级。 周斌根据目前的情况推算，L3.X级自动驾驶大约需要80Tops的算力，而L4级自动驾驶的门槛至少有100~200Tops之高。在NVIDIA的路线图中，甚至使用了一套包含两颗GV100 GPU、算力320Tops、功耗高达500瓦的平台进行L4级自动驾驶的研发，高级别自动驾驶所需的算力指标之高可见一斑。 他表示，算力是支撑一切算法的硬指标，没有任何捷径可走。即便算法再怎么神奇，40Tops算力下所能做的事也是有上限的，“用十分之一功耗实现十倍性能”完全是天方夜谭。 如何与CUDA同台 NVIDIA自2006年推出G80架构以来，一直在不遗余力的推广其CUDA通用计算平台。时至今日CUDA已经非常成熟，形成了强大的生态系统，这也为NVIDIA扩展其它基于GPU的事业提供了先天便利。事实上，在AI大潮来临后，NVIDIA确实在AI算法训练上获得了很大优势。 NVIDIA的强大之处，身为中国唯一NVIDIA CUDA Fellow及NVIDIA DLI认证讲师的周斌再清楚不过了。但他却做起了反向思考：CUDA生态过去的强大，在面对AI运算的新任务时，是否能为其创造不可逾越的壁垒？ 周斌认为答案是未必。在前不久的CCF-GAIR峰会上他曾讲到，他亲历了深度学习的风口过程，在2008年利用CUDA做通用计算时就开始用一些不同的处理器架构来解决新的问题。那时他发现，新的深度学习架构对于新的数据模式、新的数据结构以及数据量，对GPU体系结构产生了非常大的挑战。 AI芯片是处理AI任务的，任务在不断的变化，其变化本质、数学模型是什么，哪些是变的、哪些是不变的，这是任何做AI芯片的公司必须首先认可领悟和理解的。芯片中哪些可以固定下来。卷积层是否存在？深度网络的主流是什么，是CNN还是RNN？下一代Sparking能否用起来？只需要关注深度学习最核心、最本质的地方，剩下的都可以不管。 周斌称，NovuMind并没有发明新的芯片模式，而是在GPU的基础上去掉了所有和深度学习无关的单元。这样的设计既可以让芯片高效进行深度学习计算，又避免了直接将算法固化成ASIC芯片应用范围狭窄的问题。 脱离架构研发的“超车”都是幻想 (责任编辑：鼎盛军事网) |
