■文/余 凱

人工智能的計算從云端往前端遷移以及跟數(shù)據(jù)中心的結(jié)合，正是一場發(fā)生在邊緣的計算革命。

在計算領(lǐng)域，什么是中心？中心是數(shù)據(jù)中心，是云計算。那么，什么是邊緣？邊緣就是邊緣計算，在設(shè)備端的計算。在革命年代，我們有一個制勝的法寶叫“農(nóng)村包圍城市”，類似的，在人工智能領(lǐng)域正在進行一場發(fā)生在邊緣的革命，也就是嵌入式人工智能處理器。而這正是地平線公司所看到的機會，所以在成立之初，地平線公司就提出要做“嵌入式人工智能領(lǐng)導(dǎo)者”。

摩爾定律驅(qū)動產(chǎn)業(yè)不斷發(fā)展

提到計算變革，不得不提摩爾定律。在過去四五十年的時間里，摩爾定律一直在驅(qū)動整個信息產(chǎn)業(yè)不斷往前發(fā)展。今天，在移動互聯(lián)網(wǎng)時代，我們之所以能夠用這么輕、這么巧的智能手機做這么多不可思議的事情，生活變得如此便捷，主要是因為摩爾定律。摩爾定律使設(shè)備的體積越來越小，同時計算力卻越來越強大。

現(xiàn)在，摩爾定律進入了一個新的階段，可以稱之為新的摩爾定律階段。在這個階段，人工智能快速發(fā)展，而人工智能的應(yīng)用也在驅(qū)動整個摩爾定律的變革。因為在人工智能快速發(fā)展的今天，我們所面臨的大量計算問題和過去CPU的計算模式是非常不一樣的。例如，人類的大腦處理圖像數(shù)據(jù)的時候，實際上對順序是不敏感的。因為我們的大腦是并行計算，對圖像數(shù)據(jù)的處理沒有前后順序，而是同時處理。這種同時處理使我們對圖像的計算能夠達到非?？斓乃俣?。例如，我們在打乒乓球時，可以迅捷判斷球的落點，做出非常的移擊這是腦對是對重要處理擬人要一應(yīng)地方面意識開始有所行動。在過去差不多5年時間里，在整個半導(dǎo)體處理器的設(shè)計方面，有一個巨大的范式遷移。谷歌公司的人工智能計算最初是用中央處理器CPU來處理大量計算的。到了2012年，百度等一些企業(yè)大規(guī)模地用圖形加速器GPU進行人工智能計算?，F(xiàn)在，谷歌公司的AlphaGo用其人工智能處理器TPU，地平線公司在設(shè)計嵌入式低功耗的人工智能處理器BPU。

終端計算更適應(yīng)實時性要求

在PC時代，整個計算都是在本地進行。但是，到了互聯(lián)網(wǎng)時代，通過瀏覽器，大量的計算遷移到了云端。天下大勢，分久必合，合久必分。從移動互聯(lián)網(wǎng)時代，特別是人工智能時代開始，大量計算重新從云端往終端遷移，比如手機端計算能力現(xiàn)在越來越強。從互聯(lián)網(wǎng)到移動互聯(lián)網(wǎng)再到萬物互聯(lián)的趨勢中，人們對人工智能的需求越來越強烈。

在這個趨勢中，計算的發(fā)生最開始是在云端，慢慢會遷移到各種終端設(shè)備。因為在終端的計算有很多優(yōu)點，如它能夠?qū)崟r、低延遲，也能讓用戶的體驗更好。計算的端口有時候還關(guān)乎安全，例如自動駕駛，如果前面有個小孩突然橫穿馬路，通常是把信號傳到云端，計算完了以后，再來處理做決策。但是，如果網(wǎng)絡(luò)信號不好呢？如果網(wǎng)絡(luò)不通呢？這些都關(guān)乎生命安全，所以汽車在本地進行感知和決策的計算才是最為理想的方式。

在人工智能時代，大量的計算需求實際上來自終端。就拿語音識別來說，目前在線的語言識別已經(jīng)做得很好，但離線的語音識別能力卻仍然無法滿足需求。如果能夠提高本地的計算能力，在本地進行語音的實時處理，用戶體驗將會更好。例如，車載設(shè)備里的語音識別，在過隧道時，網(wǎng)絡(luò)信號不好，這時如果能夠在本地進行語音識別，那么體驗顯然會更加流暢。

還有另外一個典型的場景，那就是城市里大量的監(jiān)控攝像頭。無處不在的攝像頭每分每秒都在產(chǎn)生大量的視頻數(shù)據(jù)，這些數(shù)據(jù)擁有巨大的價值。如果把所有視頻都傳到云端去計算，這對帶寬和響應(yīng)速度都是非常大的挑戰(zhàn)。那么，為什么不在本地進行計算呢？于是，我們會看到整個產(chǎn)業(yè)界的趨勢，是把大量的需要實時計算的人工智能推向前端，而不是在數(shù)據(jù)中心進行計算。

還是以自動駕駛為例，未來自動駕駛的車輛中會有很多個攝像頭。例如特斯拉汽車，目前就已經(jīng)裝了12個攝像頭，每個傳感器的解析度、信號力度會越來越豐富，數(shù)據(jù)量會越來越大，同時對實時性的要求也會越來越高。這就需要在終端的計算能力更快、更強。

人工智能領(lǐng)域發(fā)生邊緣革命

在歷次大規(guī)模的顛覆式的產(chǎn)業(yè)革命中，我們都看到了一個固定的模式：一開始最大的機會都是所謂賦能者的技術(shù)創(chuàng)新，第二波的機會就是在賦能者的技術(shù)創(chuàng)新之下，在各個生產(chǎn)、生活的應(yīng)用領(lǐng)域落地。因此，我們通常能看到在整個創(chuàng)新的周期里有這樣兩個階段。例如，在互聯(lián)網(wǎng)的時代，一開始最快成長起來的公司是美國的思科。2000年，互聯(lián)網(wǎng)盈利模式其實還沒有找到，但在盈利模式找到之前一定要把信息高速公路建立起來，于是思科公司橫空出世，最高成長到3 000億美元的市值。后來，雅虎、谷歌等公司在互聯(lián)網(wǎng)上找到了各自的商業(yè)模式。再看移動互聯(lián)網(wǎng)，一開始的機會是被高通公司抓住的。在移動互聯(lián)網(wǎng)大規(guī)模發(fā)展之前，首先要把這些應(yīng)用連接到網(wǎng)上，所以高通公司的CDMA應(yīng)運而生。隨后，蘋果、滴滴等公司才找到了各自在移動互聯(lián)網(wǎng)上的商機。

人工智能的發(fā)展，其實也是遵循類似的模式。在過去的兩年里，全球在高科技市場中增長最快的一只股票就是英偉達。在兩年的時間里，它從市值為100億美元的公司成長為1 100億美元的公司。究其原因，就是因為人工智能在各行各業(yè)落地，首先要解決計算問題。

在人工智能的“軍備競賽”里，首要問題是有人提供槍炮、彈藥，讓你在各個行業(yè)去深入、去打仗、去把商業(yè)模式開發(fā)出來。因此，我們可以看到，在中國，今天人工智能有一個很大的機會，就是通過研發(fā)嵌入式的人工智能的處理器和算法，使我們大量的智能終端如自動駕駛的汽車、智能城市里面用到的傳感器和攝像頭，都能夠具有智慧的能力。這個實際上是地平線公司在圍繞著智慧城市、智能出行打造的嵌入式的人工智能處理器。

地平線公司從成立之初就頗具前瞻性地提出要做“嵌入式人工智能領(lǐng)導(dǎo)者”，打造高性能、低功耗、低成本的嵌入式人工智能處理器。經(jīng)過兩年的研發(fā)，地平線公司自主設(shè)計研發(fā)的首款人工智能處理器“盤古”已成功流片，即將對外正式發(fā)布。該處理器將擁有超低功耗，性能也將比現(xiàn)在的嵌入式人工智能處理器高2～3倍，但成本只是其1/20。

人工智能的計算從云端往前端遷移以及跟數(shù)據(jù)中心的結(jié)合，正是一場發(fā)生在邊緣的計算革命，這里面關(guān)鍵性、革命性的力量就是嵌入式人工智能處理器的研發(fā)。