AI晶片年度最大融資，地平線將融資10億美元！AI晶片學者地圖出爐

【導讀】地平線新一輪融資額或達10億美元，估值最高40億美元。清華大學AMiner日前出品2018年《人工智慧晶片研究報告 》，指出AI晶片學者主要集中在歐美，這一代AI晶片主要有memory wall、功耗高、效能和靈活度不平衡等問題。

年底AI晶片又有新動態。

據金融時報報導，AI晶片公司地平線正在進行新一輪融資，計劃籌資最多達10億美元，本輪融資估值在30億至40億美元之間，這次融資也成為中國新興AI晶片領域最大的融資活動之一。

在今年10月的2018安博會上，地平線創始人兼CEO餘凱接受媒體採訪時透露，公司將在2018年底完成新一輪融資，金額為5-10億美元，投資方包括一家和英特爾規模相當的晶片公司，以及一家知名汽車廠商。

去年10月，英特爾投資領投地平線的A+輪注資，該輪總額近億美元的融資。

目前，地平線官方沒有迴應相關報導。

英特爾級別的國際晶片公司參與B輪，地平線估值40億美元

金融時報稱，中國在半導體產業上長期依賴進口，花費的資金已經超過了石油，現在正逐步將資金投向國內的半導體產業。

儘管決心很大，但是現實依舊很殘酷。目前，中芯國際生產的晶片效能仍落後於臺積電和英特爾等海外廠商數代水平。

在這樣的背景下，新一代的中國AI企業迎來了歷史機遇，正致力於為自動駕駛、監控攝像頭和其他物聯網設計AI晶片和裝置。

地平線就是歷史程式中的一員。

2015年，餘凱等人創辦地平線，憑藉幾位創始人的技術和在百度自動駕駛專案負責的經歷，地平線很快開發出兩款AI晶片產品：“旭日”和“征程”。

“旭日”面向智慧攝像頭等裝置，“征程”面向自動駕駛。目前，地平線已經與奧迪公司合作，在中國無錫開發自動駕駛汽車。基於旭日2.0處理器架構的XForce邊緣AI計算平臺也在今年安博會上首次亮相。

  

基於“旭日”和“征程”的解決方案已經應用在安防、自動駕駛、零售等領域，地平線的估值也隨著場景落地水漲船高。

金融時報稱，B輪融資估值在30億至40億美元之間，這次融資也成為中國新興AI晶片領域最大的融資活動之一。地平線高階業務開發經理Stone Li表示，B輪融資的投資者包括一家國際晶片公司。

據瑞銀估計，到2021年，人工智慧從雲端計算到裝置的市場總量將達到150億美元。瑞銀分析師的觀點是，像地平線和眼擎科技（Eyemore）這樣的中國小型創業公司，“與全球領軍企業相比仍然很小，但他們能夠獲得豐富的風投資本和強有力的政府支援，這可能會成為未來的增長點。”

AI晶片學者地圖：美國是AI晶片發展的核心

最近，清華大學與中國工程院知識智慧聯合實驗室推出2018年《人工智慧晶片研究報告》，餘凱成為AI晶片領域的“代表性研究學者”。

餘凱

除了餘凱之外，報告中提到的AI晶片領域代表人物還有：

Jeff Dean

Jeff Dean，美國工程院院士，Jeff Dean 是谷歌大腦 (Google Brain)、谷歌機器學習開源框架 TensorFlow、谷歌廣告系統、谷歌搜尋系統 等技術的重要創始人之一。

黃仁勳

黃仁勳，美籍華人，1993 年創辦 NVIDIA（全球最大顯示卡晶片廠商之一）。

Vivienne Sze

Vivienne Sze，麻省理工學院電子工程和電腦科學系的副教授。研究興趣包括行動式多媒體應用的節能演算法和架構。

謝源

謝源，加州大學聖芭芭拉分校教授。發表了近 300篇研究論文，獲得多個國際會議的最佳論文獎，以及 NSF CAREER award，中國國家自然科學基金會海外及港澳 學者合作研究基金等。2014 年獲得 IEEE Fellow 的榮譽。

陳天石

陳天石，中國科學院計算技術研究所研究員。研究方向為計算機體系結構和計算智慧。寒武紀科技創始人兼 CEO。

施路平

施路平，清華大學教授，國家光儲存工程研究中心主 任。2012 年入選千人計劃（A類），2013 年 3 月入職清華，SPIE Fellow。

在AI晶片的人才分析上，清華大學AMiner團隊製成一張人工智慧晶片人才庫，我們得到了全球人工智慧晶片領域學者分佈圖，如下圖所示。

人工智慧晶片領域研究學者全球分佈

從圖中可以看到，人工智慧晶片領域的學者主要分佈在北美洲，其次是歐洲。中國對人工智慧晶片的研究緊跟其後，南美洲、非洲和大洋洲人才相對比較匱乏。

按國家進行統計來看，美國是人工智慧晶片領域科技發展的核心。英國的人數緊排在美國之後。其他的專家主要分佈在中國、德國、加拿大、義大利和日本，如下圖所示。

人工智慧晶片領域研究學者全球分佈

AMiner 對全球人工智慧晶片領域最具影響力的 1000 人的遷徙路徑進行了統計分析，得出各國人才逆順差對比圖。

各國人才逆順差

由圖中可以看出，各國人才的流失和引進是相對比較均衡的，其中美國為人才流動大國，人才輸入和輸出幅度都大幅度領先。英國、中國、德國和瑞士等國次於美國，但各國之間人才流動相差並不明顯。

（獲取完整報告請移步至公眾號“學術頭條”或點選連結：

https://www.aminer.cn/research_report/aichip?h=1201&download=true）

AI晶片這一年：需要解決memory wall、功耗高、效能和靈活度平衡三個問題

報告中還提到了AI晶片存在的問題和未來趨勢。

目前主流 AI 晶片的核心主要是利用 MAC（Multiplier and Accumulation， 乘加計算） 加速陣列來實現對 CNN（卷積神經網路）中最主要的卷積運算的加速。

這一代AI晶片主要有如下3個方面的問題。

（1）深度學習計算所需資料量巨大，造成記憶體頻寬成為整個系統的瓶頸，即所謂“memory wall” 問題。

（2）與第一個問題相關，記憶體大量訪問和 MAC陣列的大量運算，造成 AI晶片整體功耗的增加。

（3）深度學習對算力要求很高，要提升算力，最好的方法是做硬體加速，但是同時深度學習演算法的發展也是日新月異，新的演算法可能在已經固化的硬體加速器上無法得到很好的支援，即效能和靈活度之間的平衡問題。

因此可以預見下一代 AI晶片將有如下的五個發展趨勢。

（1）更高效的大卷積解構/複用

在標準 SIMD 的基礎上，CNN 由於其特殊的複用機制，可以進一步減少匯流排上的資料通訊。而複用這一概念，在超大型神經網路中就顯得格外重要。 如何合理地分解、 對映這些超大卷積到有效的硬體上成為了一個值得研究的方向。

分解卷積可降低消耗

（2）更低的 Inference 計算/儲存位寬

AI 晶片最大的演進方向之一可能就是神經網路引數/計算位寬的迅速減少——從 32 位浮點到 16 位浮點/定點、 8 位定點，甚至是 4 位定點。在理論計算領域， 2 位甚至 1 位引數位寬，都已經逐漸進入實踐領域。

逐層動態定點方法

（3）更多樣的儲存器定製設計

當計算部件不再成為神經網路加速器的設計瓶頸時，如何減少儲存器的訪問延時將會成為下一個研究方向。通常，離計算越近的儲存器速度越快，每位元組的成本也越高，同時容量也越受限，因此新型的儲存結構也將應運而生。

（4）更稀疏的大規模向量實現

神經網路雖然大，但是，實際上有很多以零為輸入的情況，此時稀疏計算可以高效的減少無用能效。來自哈佛大學的團隊就該問題提出了優化的五級流水線結，在最後一級輸出了觸發訊號。在 Activation層後對下一次計算的必要性進行預先判斷，如果發現這是一個稀疏節點，則觸發 SKIP 訊號，避免乘法運算的功耗，以達到減少無用功耗的目的。

五級流水線結構

（5）計算和儲存一體化

計算和儲存一體化（process-in-memory）技術，其要點是通過使用新型非易失性儲存（如 ReRAM）器件，在儲存陣列裡面加上神經網路計算功能，從而省去資料搬移操作，即實現了計算儲存一體化的神經網路處理，在功耗效能方面可以獲得顯著提升。

AI晶片群雄爭霸：手機、CV裝置等領域大戰

人工智慧晶片技術領域的國內代表性企業包括中科寒武紀、中星微、地平線、深鑑科技、靈汐科技、啟英泰倫、百度、華為等，國外包括英偉達、 AMD、Google、高通、Nervana Systems、Movidius、IBM、ARM、 CEVA、MIT/Eyeriss、蘋果、三星等。

隨著人工智慧晶片的持續發展，應用領域會隨時間推移而不斷向多維方向發展，報告只選目前發展比較集中的幾個行業做相關的介紹，如下圖所示。

AI晶片目前比較集中的應用領域

（1）智慧手機

2017 年 9 月，華為在德國柏林消費電子展釋出了麒麟 970 晶片，該晶片搭載了寒武紀的 NPU，成為“全球首款智慧手機移動端 AI 晶片” ； 2017 年 10 月中旬 Mate10 系列新品（該系列手機的處理器為麒麟 970）上市。搭載了 NPU 的華為 Mate10 系列智慧手機具備了較強的深度學習、本地端推斷能力，讓各類基於深度神經網路的攝影、影象處理應用能夠為使用者提供更加完美的體驗。

而蘋果釋出以 iPhone X 為代表的手機及它們內建的 A11 Bionic 晶片。A11 Bionic 中自主研發的雙核架構 Neural Engine（神經網路處理引擎），它每秒處理相應神經網路計算需求的次數可達 6000 億次。這個 Neural Engine 的出現，讓 A11 Bionic 成為一塊真正的 AI 晶片。 A11 Bionic 大大提升了 iPhone X 在拍照方面的使用體驗，並提供了一些富有創意的新用法。 

（2）ADAS（高階輔助駕駛系統）

ADAS 是最吸引大眾眼球的人工智慧應用之一，它需要處理海量的由鐳射雷達、毫米波雷達、攝像頭等感測器採集的實時資料。相對於傳統的車輛控制方法，智慧控制方法主要體現在對控制物件模型的運用和綜合資訊學習運用上，包括神經網路控制和深度學習方法等，得益於 AI 晶片的飛速發展， 這些演算法已逐步在車輛控制中得到應用。

（3）CV（計算機視覺（Computer Vision） 裝置

需要使用計算機視覺技術的裝置，如智慧攝像頭、無人機、 行車記錄儀、人臉識別迎賓機器人以及智慧手寫板等裝置， 往往都具有本地端推斷的需要，如果僅能在聯網下工作，無疑將帶來糟糕的體驗。而計算機視覺技術目前看來將會成為人工智慧應用的沃土之一，計算機視覺晶片將擁有廣闊的市場前景。

（4） VR 裝置

VR 裝置晶片的代表為 HPU 晶片，是微軟為自身 VR 裝置 Hololens 研發定製的。 這顆由臺積電代工的晶片能同時處理來自 5個攝像頭、1個深度感測器以及運動感測器的資料，並具備計算機視覺的矩陣運算和 CNN 運算的加速功能。這使得 VR 裝置可重建高質量的人像 3D 影像，並實時傳送到任何地方。

（5）語音互動裝置

語音互動裝置晶片方面，國內有啟英泰倫以及雲知聲兩家公司，其提供的晶片方案均內建了為語音識別而優化的深度神經網路加速方案，實現裝置的語音離線識別。穩定的識別能力為語音技術的落地提供了可能；與此同時，語音互動的核心環節也取得重大突破。語音識別環節突破了單點能力，從遠場識別，到語音分析和語義理解有了重大突破，呈現出一種整體的互動方案。

（6）機器人

無論是家居機器人還是商用服務機器人均需要專用軟體+晶片的人工智慧解決方案，這方面典型公司有由前百度深度學習實驗室負責人餘凱創辦的地平線機器人，當然地平線機器人除此之外，還提供 ADAS、智慧家居等其他嵌入式人工智慧解決方案。

AI晶片處在起步階段，國內外處在同一起跑線上

總體上看，目前，我國的人工智慧晶片行業發展尚處於起步階段。

長期以來，中國在 CPU、GPU、DSP處理器設計上一直處於追趕地位，絕大部分晶片設計企業依靠國外的IP核設計晶片，在自主創新上受到了極大的限制。然而，人工智慧的興起，無疑為中國在處理器領域實現彎道超車提供了絕佳的機遇。

人工智慧領域的應用目前還處於面向行業應用階段，生態上尚未形成壟斷，國產處理器廠商與國外競爭對手在人工智慧這一全新賽場上處在同一起跑線上，因此，基於新興技術和應用市場，中國在建立人工智慧生態圈方面將大有可為。

由於我國特殊的環境和市場，國內 AI 晶片的發展目前呈現出百花齊放、百家爭鳴的態 勢，AI晶片的應用領域也遍佈股票交易、金融、商品推薦、安防、早教機器人以及無人駕駛等眾多領域，催生了大量的人工智慧晶片創業公司，如地平線、深鑑科技、中科寒武紀等。

儘管如此，國內公司卻並未如國外大公司一樣形成市場規模，反而出現各自為政的散 裂發展現狀。除了新興創業公司，國內研究機構如北京大學、清華大學、中國科學院等在AI晶片領域都有深入研究；而其他公司如百度和位元大陸等，2017年也有一些成果釋出。

可以預見，未來誰先在人工智慧領域掌握了生態系統，誰就掌握住了這個產業的主動權。

One More Thing：中國5家晶片公司上榜Silicon 60

近日，EETimes評選出了2018年度在全球技術領域最值得關注的60家創業公司“Silicon 60”。入選企業涵蓋工程、材料、半導體、計算機與人工智慧等多領域。

從入選企業的全球分佈上看，美國佔據絕對優勢，在全部60家企業中佔據了33家，其中絕大部分位於加州。以色列以6家位居第二，中國有5家企業入選，分別為寒武紀科技、地平線、罕王微電子、卓勝微電子和長江儲存。其餘入選企業分佈在瑞士、法國、日本、加拿大等國。

1、寒武紀科技 （中國北京）

成立於2016年，從事AI晶片開發，提供用於深度學習的MLU100處理器和MLU100智慧處理卡，以及智慧財產權（IP）許可和晶片服務。公司產品可應用於智慧手機、安全和監控攝像頭、伺服器、機器人、無人機、可穿戴裝置和自動駕駛等。

2、罕王微電子 （中國瀋陽）

成立於2011年4月，是一傢俬營的微機電系統（MEMS）公司，也是罕王工業集團的子公司。專注於微機電系統產品及相關電子元件的開發、製造和營銷。公司提供設計和開發服務、製造處理、批量製造、代工服務，MEMS感測器、MEMS執行器、ASIC和應用諮詢。

  

3、地平線 （中國北京）

成立於2015年，業務面向自動駕駛、智慧生活和智慧監控，旨在為終端裝置提供智慧感知、互動、理解和決策。該公司已釋出Sunrise 1.0視覺處理器和Journey 1.0高階駕駛輔助系統（ADAS）處理器。公司投資方包括Morningside Venture Capital，Hill HouseCapital，Sequoia Capital和GSR Ventures

4、卓勝微電子 （中國上海）

成立於2012年，主要從事射頻元件和物聯網積體電路的製造。

5、長江儲存 （中國武漢）

部分由清華紫光集團資助成立，2016年收購武漢鑫鑫半導體制造股份有限公司（XMC），計劃斥資240億美元建立一家可與市場領導者三星、SK海力士，東芝、美光等公司競爭的記憶體晶片企業。

XMC是NOR快閃記憶體和影象感測器的批量生產商，在被長江儲存全額收購前，已經開始興建3D NAND快閃記憶體晶圓工廠，並推出了Xtacking 3D NAND製程。XMC前執行長Simon Yang（楊士寧）於2016年10月被任命為長江儲存執行長。

完整榜單：
https://www.eetimes.com/document.asp?doc_id=1333985

關於報告：

AMiner平臺由清華大學計算機系研發，系統2006年上線，吸引了全球220個國家/地區1000多萬獨立IP訪問，資料下載量230萬次，年度訪問量超過1100萬。AMiner更多報告請關注公眾號「學術頭條」。

參考連結：

https://www.ft.com/content/bea3090c-f15c-11e8-ae55-df4bf40f9d0d

（本文報告部分已獲授權，獲取完整報告請移步至公眾號“學術頭條”或點選連結：

https://www.aminer.cn/research_report/aichip?h=1201&download=true）

∑編輯 | Gemini

來源 | 新智元

更多精彩：

☞  哈爾莫斯：怎樣做數學研究

☞  祖克伯2017年哈佛大學畢業演講

☞  線性代數在組合數學中的應用

☞  你見過真的菲利普曲線嗎？

☞  支援向量機(SVM)的故事是這樣子的

☞  深度神經網路中的數學，對你來說會不會太難？

☞  程式設計需要知道多少數學知識？

☞  陳省身——什麼是幾何學

☞  模式識別研究的回顧與展望

☞  曲面論

☞  自然底數e的意義是什麼？

☞  如何向5歲小孩解釋什麼是支援向量機（SVM）？

☞  華裔天才數學家陶哲軒自述

☞  代數，分析，幾何與拓撲，現代數學的三大方法論

演算法數學之美微信公眾號歡迎賜稿

稿件涉及數學、物理、演算法、計算機、程式設計等相關領域，經採用我們將奉上稿酬。

投稿郵箱：math_alg@163.com