英特尔收购Mobileye,算法+芯片深度整合成AI时代制胜关键路径


elavil

elavil inovina.com

amitriptyline alcohol

amitriptyline in eldery

hjertemagnyl pris

hjertemagnyl pris hjertemagnyl 300 mg hjertemagnyl recept

 芯片业老大Intel收购ADAS业界龙头Mobileye,一石激起千层浪!这一重塑行业竞争态势的收购大案背后,折射出怎样的行业趋势?

 

算法+芯片成为通往人工智能未来的关键路径

凭借十几年的积累,Mobileye在ADAS算法方面的成熟度,无人望其项背,所以即使Mobileye制订了苛刻的排他性商业条款,众客户也只能忍气吞声。

Intel在处理器制程、产能方面也有绝对的优势,相对于高通这样的Fabless公司,可以提供更好的产能和品质保障,对于汽车电子而言,其重要性毋庸置疑,AEC-Q100认证、超过十年的供货周期要求,高低温工作稳定性,这些汽车电子的要求使得Intel的IDM整合模式有天然的优势。

但面对自动驾驶的未来,无论Intel还是Mobileye,都不是无懈可击的。

虽然Intel依然是半导体业界老大,但如果单论人工智能的计算平台,NVIDIA更加耀眼。在过去一年里,NVIDIA的股票坐火箭般上升,因其GPU已经成为深度学习业界事实上的标准开发平台。到目前为止,基于CUDA平台,目前已经超过20万个下载,CUDA社区已经拥有30万开发者。

2016年,Mobileye和意法半导体高调宣布,将合作研发Mobileye第五代SoC芯片——EyeQ5,作为2020年实现全自动驾驶(FAD)的处理器平台,预计在2018年上半年可提供EyeQ5的工程样品。但在芯片业界看来,这无疑破坏了行规:按照通常做法,至少要等芯片样品出来之后才能宣布,而Mobileye提前近两年宣布,一度被圈内人笑称PPT造芯。

尴尬的背后,凸显的是Mobileye在高性能计算芯片设计方面的实力不足,毕竟和Intel、NXP、NVIDIA等一众资深玩家比起来,Mobileye在芯片设计方面还欠缺底蕴,而搭档ST也并非高性能计算构架设计的领导者,它更擅长后端开发。

目前的人工智能商业化应用,绝大部分还集中在云端,而不是嵌入式领域,其主要原因就在于目前基于GPU的系统售价高昂。但汽车其实是一个对成本极度敏感的行业,GPU不菲的售价已经成为量产的关键制约因素,此外,其较大的发热量也对长期工作稳定性带来挑战。如果不能以经济的成本实现人工智能,那么自动驾驶的普及就依然遥不可及。

FPGA被越来越多的公司使用,其计算构架可重构特性能满足深度学习对于专有计算构架的需求,这是Intel收购FPGA巨头Altera的重要原因:灵活、可快速部署。

但FPGA再往上走,计算资源的扩展会让成本上升到很难接受的地步,于是就会轮到ASIC出场了。半导体业界无数的历史都表明,FPGA往往是定制化ASIC的前哨站,一旦某个应用的量足够大,定制化ASIC就会变得更经济。

Intel已经制定了相关的路线图,对于Mobileye的收购,补齐了其战略拼图中缺失的一块:算法以及对应的专用算法处理器IP的设计经验。

将算法和芯片进行协同设计,可以轻易地获得超过10倍的性能提升、10倍的功耗下降和10倍的成本下降,并且缩短了客户导入时间,由此获得的商业竞争优势,想想就觉得恐怖。

同时掌握算法与芯片,已经成为通往人工智能未来的关键路径。

算法与芯片深度整合非一日之功

虽然NVIDIA是人工智能计算平台的领导者,但一个引人深思的事实是,一开始并非NVIDIA选择了人工智能,而是人工智能的研究者选择了GPU,进而成就了NVIDIA。

在2012年,Alex利用深度学习+GPU的方案,一举赢得ImageNet LSVRC-2010图像识别大赛,并奇迹般地将识别成功率从74%提升到85%。NVIDIA敏锐地觉察到了这一趋势,并大力优化基于GPU的深度学习生态系统,并加速迭代开发,三年时间将GPU性能提升了65倍,从而奠定了目前的王者之位。

在GPU设计之初,并非针对深度学习,而是图形加速,在NVIDIA推出CUDA架构之前,GPU并无太强对深度学习运算能力的支持。而如今,NVIDIA可以提供基于其GPU的从后端模型训练到前端推理应用的全套深度学习解决方案,一般的开发人员都可以非常容易地上手使用GPU进行深度学习开发,或者高性能运算。而CUDA架构的开发,耗费了NVIDIA巨大的人力物力。

可以说,是CUDA这个中间层(computing framework)的优化,才使得开发者真正爱上了GPU,NVIDIA胜在软件。而CUDA还不能称之为算法,它只是计算硬件与算法之间的桥梁。

算法的优化更是绝非易事,目前顶尖的人工智能算法人才都是厚积薄发的,板凳坐得十年冷,在人工智能的春天到来之前,他们凭借艰难努力和顽强的意志熬过漫漫寒冬。

更难的是,你很难找到既懂得算法,又懂得计算构架的开发人员,如果他们分别来自两家公司,那么沟通的时间成本是巨大的,沟通的效率也相当地低。

算法和芯片的协同设计,需要极深的整合和优化功力,Intel缺乏针对算法设计芯片的人才,而Mobileye也难以在短时间内提升车规级高性能处理器设计能力。毫无疑问,将两者整合到同一家公司进行开发,是最优路径。

在过去,Intel也在努力加强其在人工智能算法方面的积累,对Nervana和Movidius的收购反映了这一点,并且提供了面向深度学习优化的数学函数库(MKL)。

但远水解不了近渴,自动驾驶需要极高的系统可靠性,这意味着你需要时间。而当下的竞争态势已呈白热化态势,时不我待,在商业竞争中,快人一步就意味着赢者通吃,弥补短板往往不如发挥长处,在高通、NVIDIA、NXP等巨头虎视眈眈的情况下,Intel与Mobileye的整合,无疑是一个强强联手的绝佳组合。

从本质上讲,购买Mobileye,就是买时间优势。

布局自动驾驶全产业链,加速产业化进程

Intel去年成立自动驾驶事业部(ADG),宣布与宝马合作、收购高精地图供应商Here 15%的股份,到如今收购Mobileye, 可以直接获得其已经极为稳固的客户群,成为其杀入自动驾驶行业最稳固的基石。加上其在云计算平台方面的扎实基础,以及积极投入5G研发,Intel布局自动驾驶全产业链的宏大计划,正逐渐浮出水面,这个统治了PC行业数十年的巨头,在错失了移动互联网时代之后,重装出击,在自动驾驶的时代能否上演王者归来,值得期待。

小结

图灵奖获得者Alan Kay,曾经说过:如果你要严肃地思考你的软件,就必须做你自己的硬件。Intel对于Mobileye重磅收购案,再次为这一论断加上了浓墨重彩的一笔。

如果说过去是算法根据芯片进行优化设计的时代,那么Intel对于Mobileye收购,预示着一个新时代的到来:算法和芯片协同进化的时代。已经有一批先知先觉者在行动,Google自己已经开发了TPU,用于CNN加速,地平线也在开发BPU,结合高度优化的的深度学习算法构架,打造核心竞争力。

谁能同时掌握算法和芯片,谁就能在产业化方面获得巨大的竞争优势,最终赢得这个人工智能无处不在的时代。