大陆首家人工智能(AI)处理器“独角兽”寒武纪于6日宣布,未来将会推出通用型云端的智能芯片∕处理器机器学习处理器(MLU),并与台积电16纳米携手合作,未来下一步锁定7纳米甚至5纳米,将开创深度学习处理器一个全新的方向。
陈天石:打败苹果A11
“四两拨千斤”
大陆中科寒武纪6日于北京举行发布会,会中创办人陈天石首先回顾了寒武纪过去十年发展。寒武纪于2016年,面向产业界,支持发布了全球首款商用深度学习处理器IP产品寒武纪1A处理器,及全球首个AI专用指令集Cambricon ISA。
2017年,华为发布了全球首款AI手机芯片麒麟970,发布了首款智能手机Mate10。陈天石说寒武纪“就是背后那个原创的低调的技术赋能者”,为麒麟芯片和Mate手机插上了智能之翼,且“跟苹果(Apple)产品一较高下,结果很轻松打赢了这场战斗。”
陈天石形容,寒武纪与华为打赢这场战斗并不是靠着蛮力去堆运算器,在普通稠密的神经网路模型峰值只有区区500GFLOPS,但是寒武纪依靠最先进的稀疏化的技术,“四两拨千斤”打败了强大的苹果A11处理器。但他称“赢了这一场还有下一场,下一场要推陈出新”。
一口气宣布三款处理器问世 会上寒武纪也隆重推出1H16处理器产品,用于手机安防、摄影机、音响、机器人等等广泛和智能处理有关的领域。其主要特点为:性能更好、能耗更低、功能更完备。已于2017年第1季度上市。
另外一款寒武纪1H8处理器是一款专门面向电脑视觉领域专用的处理器IP。1H8IP和最早寒武纪1A处理器相比,具有更低的功耗、更低的成本,为电脑视觉领域,如拍照辅助、图片处理、安防监控领域有着广泛的应用。其功耗比达到寒武纪1A处理器2.3倍。并提供四种可选运算能力设置,1T/2T/4T/8T,这款IP产品主要面向视觉市场,已于2017年第3季度上市。
此外,寒武纪正在规划一款面向智能驾驶领域的处理器IP产品,称为“寒武纪1M”,它的性能将达到寒武纪1A的10倍以上,高度集成,具有更高的性能功耗比。未来目标则是让大陆的汽车全部都用上陆产智能处理器。 两款云端智能芯片采用台积电16纳米 陈天石自豪地指出,其实寒武纪技术远还不止于此,处理器云端智能芯片MLU,将会开创深度学习处理器一个全新的方向,就是要做通用的机器学习处理器。
他宣布在未来18个月当中,寒武纪将发布两款高性能的商用智能芯片:MLU100,采用台积电16纳米制程,同时支持推论和训练、偏重推论,可以应用于数据中心、中小型服务器。之后我们将继续发布更偏重于训练的智能芯片,称为MLU200,这款芯片面向企业级智能研发中心。这两款云端智能芯片都正在做大规模商用准备。
值得注意的是与会的EDA Cadence高层也透露,寒武纪这颗芯片在云端学习用台积电16纳米技术,相信下一颗将进入7纳米甚至是5纳米制程节点。同时也将与EDA、IP业者展开更深入的合作。
陈天石则为寒武纪未来三年立下两个“小目标”:第一,三年后,要力争占据大陆高性能智能芯片30%的市占率;第二,三年后,要力争全球有10亿台以上的智能终端机使用寒武纪的终端处理器技术。
关键字:寒武纪 AI芯片 麒麟970
引用地址:
寒武纪AI芯片 采用台积电16纳米
推荐阅读最新更新时间:2024-05-03 01:57
半导体代表企业牛年展望:高性能计算&AI芯片篇
动荡的2020正式过去,半导体产业以及终端市场在各位的努力下,在2020年底重现了蓬勃生机。但在过去的一年里,由于受到疫情和中美贸易摩擦的影响,无论是芯片市场、技术,还是终端都发生了翻天覆地的变化。 在疫情的推动下,市场加大了在线业务的投入;5G和AI的汹涌而至,推动我们拥抱数据中心;新能源汽车的兴起,也让芯片厂商推陈出新;而地缘政治的存在,更是让供应链充满了不确定性。 值此除旧迎新之际,作为半导体行业最有影响力的媒体,《半导体行业观察》特别邀请多位行业专家,分享对2021年的全球半导体产业发展趋势的宝贵见解,给中国半导体产业带来新的观点,共同探索未来的前进方向。 今天和大家分享观点的是国内外知名的高性能计算&AI芯片
[嵌入式]
深度揭秘麒麟970 人工智能处理器,它的强大超出你想象!
2017年9月2日, 华为 消费者业务CEO余承东在德国柏林IFA2017大会官方论坛发表“Mobile AI. The Ultimate Intelligent Experience”为主题的演讲,全面阐释了 华为 消费者业务的人工智能战略,并正式发布了麒麟970芯片。这款有55亿晶体管、全球首款内置神经网络处理单元(NPU)的人工智能处理器震撼了产业,震撼了全球!从公布的数据来看,NPU运算能力达到1.92T FP16 OPS!是同等CPU处理器能力的25倍!能效是其50倍!这款处理器让 华为 一举站在了全球移动人工智能(AI)领域的最前沿!下面就随网络通信小编一起来了解一下相关内容吧。 深度揭秘麒麟9
[网络通信]
舍弃冯诺依曼架构突破内存墙瓶颈的AI芯片,即将轰动市场?
近几年再次兴起的AI热潮,不仅引发了芯片巨头们的AI芯片战,更让科技巨头们纷纷开始了AI芯片的研发。在AI芯片的争夺中,算力首先成为了焦点。不过,算力提升之后,算力与内存的不匹配又成为了阻碍AI向前发展的关键。此时,一家成立于2017年的初创公司提出的存储优先架构(SFA)表示很好地解决了内存墙的问题,事实是否如此? 【 图片来源:supernovainvest 】 AI芯片的真正问题是内存墙 算力、算法、数据被认为是AI向前发展的三个关键因素,更高的算力自然必不可少,这也直接驱动了AI芯片公司们推出更高算力的AI芯片。不过,目前对于AI芯片的定义并没有一个严格和公认的标准,一个非常宽泛的看法是,面向人工智能应用的芯片都可以
[安防电子]
未来人类智商拼不过AI?能不能植入芯片快速学习
11月9日消息,权威人士一直担忧未来机器人会超越人类,取代我们的工作,还有可能带来更多后果,就像《黑客帝国》中的场景一样。从事大脑科学研究25年的Christof Koch教授提出了一种解决方法:想要不落后于机器,我们应当借助大脑植入设备提升我们的认知能力。下面就随网络通信小编一起来了解一下相关内容吧。 未来人类智商拼不过AI?能不能植入芯片快速学习 Koch是艾伦大脑科学研究所的负责人,该研究所的年度科研预算超过1亿美元。Koch在《华尔街日报》发表了题为“想要不被人工智能超越,我们就需要一个高科技的大脑”的文章,小标题则是“避免 AI 崛起带来的反乌托邦式未来,强化人类大脑的科技必不可少。” Koch探索
[网络通信]
AI芯片向中端转移,华为麒麟670将导入AI架构
集微网消息,继华为去年发布麒麟970高端芯片中导入AI架构后,日前传出华为海思将推出的麒麟670中端芯片也将导入AI架构。华为麒麟970芯片内置神经网络单元(NPU),运算能力达1.92TFP 16 OPS,配备全球首款配备4.5G基带芯片,强大的芯片性能带动了华为手机出货量持续拔高。 据全球知名市场研究公司IDC日前发布的2017年全球智能手机品牌市场数据报告,该报告显示,2017年全球智能手机品牌出货量达14.724亿台,环比2016年下降0.1%;其中,华为2017年手机增速为9.9%,手机出货量为1.531亿台,仅次于苹果。 而随着全球手机市场增速放缓,华为想要扩大手机市场的战果,将AI芯片从高端向中端下沉转移,势必可以带
[手机便携]
台媒:大陆人工智能芯片布局尚起步
近来全球人工智慧发展已有明显的进展,目前重点应用领域含括语音辨识、人脸辨识、无人机、机器人、无人驾驶等,且人工智慧技术所带来的颠覆性势必会超乎所有人的想像,甚至2020年全球人工智慧市场规模将可接近200亿美元,故包括Facebook、Google、Amazon、Microsoft等科技大厂均纷纷大举投入此领域来进行研发,特别是Google的AlphaGo战胜职业棋手成为科技界的要闻,此事件更加突显人工智慧俨然已成下一波科技突破的重心,事实上,大陆半导体业者也开始悄悄针对人工智慧晶片开始进行布局。
人工智慧需要高性能的计算能力,因而图形处理器(GPU)、现场可程式化闸阵列(FPGA)、专用积体电路(ASIC)等在人工智慧
[手机便携]
零跑汽车正研发AI自动驾驶芯片
近日,零跑汽车宣布,公司正携手安防巨头大华股份联合研发AI自动驾驶芯片,其自动驾驶实车测试也计划明年二季度举行。这样的“豪言”犹如一颗深水炸弹震惊业界。 自此,零跑汽车宣告称,公司已完整掌握自动驾驶核心硬件平台和算法技术,实现了对自动驾驶感知、决策、执行层关键技术的自主化全覆盖。 “在未来,汽车的用户体验主要差异性不在于传统的机械部件,而在于电气化、智能化的发展上,这正是零跑所擅长的。”零跑汽车董事长、联合创始人朱江明在当天举行的媒体见面会上表示。 朱江明告诉汽车头条APP,零跑汽车坚持自主研发“三电”系统、智能网联系统、自动驾驶系统等核心技术,致力于打造高品质、国际化、具有核心技术能力的全球主流智能电动车品牌。 据悉
[嵌入式]
AI芯片世代崛起 物联网等新应用带动ASIC需求大增
台湾IC设计服务产业经历多年来的洗牌,终于在2017年成功搭上人工智能(AI)商机列车,在物联网(IoT)、大数据(Big Data)、汽车电子、云端等全新应用相继问世,创新商业模型不断现身下,使得特殊应用芯片(ASIC)生意再度好起来,并挹注台系IC设计服务业者逐步迈向浴火重生的营运荣景。 随着北美、大陆、日本及欧洲各国不断倾注政策、资金及人力资源在AI研发创新,甚至资本市场也不断响起掌声,让高举AI大旗的新兴服务供应商筹资更加快速且容易,有效为全球AI应用商机打开大门。 由于新世代AI应用发展已成功在全球资本市场取得充沛的资金动能,包括终端服务供应商、品牌及系统厂等都考虑自行开发芯片,以满足特定应用服务需求,无论是大、
[半导体设计/制造]