寒武纪1A处理器可跟苹果产品一较高下 保留“火种”是关键

人工智能就是一场生死搏杀，各大巨头入局千亿市场再一战胜负。寒武纪背靠中科院踏入了“独角兽”领域。芯片的成败，除了本身的效率之外，生态是非常关键的环节。陈天石认为，寒武纪1A处理器，可以跟苹果产品一较高下。

有一句话形容现在的人工智能特别合适：“我们往往高估了目前，而低估了未来”。如果要以其提出到现在60余年为一个周期来看，它真正席卷人类社会，才刚刚开始。

从这样的历史长河来看、从通用人工智能的未来回溯看，这个时代占据舞台中央的这些开拓者，都是手握着“深度学习”、“神经网络”等最原始的工具，在这块荒野上蹒跚前行。走在寻找人工智能基础工具这条路上，陈天石不比其他人多什么先决条件。

幸运的是，从他创造的石器中，人们逐渐发现并保留了火种。

寒武纪，这家背靠中科院计算所的创业公司刚亮相市场，就踏入了“独角兽”领域。

打磨“石器”

AI是一场革命。它和互联网一样，会席卷一切，会从无到有、再从有到无（无处不在）。普通人甚至不需要前行，它会主动过来拥抱你，甚至裹挟你。用罗振宇的话说：“你不必着急出发，因为你终将被抵达”。

在这场基础设施重新定义的革命中，陈天石无疑是一个提前出发者。16岁考入中国科学技术大学少年班;2014年论文在美国召开的国际顶级学术会议上获得最佳论文奖;创办的公司寒武纪科技，A轮估值超过10亿美元，成为全球首个人工智能芯片“独角兽”、全球最大的AI芯片初创公司。

基于深度学习这一底层算法，计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域取得了长足的进展。但传统的处理器例如CPU等，虽然是目前主流的AI计算平台，但是其基本框架结构毕竟不是为了AI所设计的，效率受到很多限制，包括GPU也有耗电量大等缺陷。

如果要用通用处理器搭建一个人脑规模突触的神经网络，可能需要建一个电站来给它供电。阿尔法狗刚亮相时，下一盘棋动用了1000个CPU和200个GPU，每分钟的电费就高达300美元，而网络规模只有人脑的千分之一。

陈天石认为，理想中的AI芯片应当是一种新型的处理器，能具有广阔的应用面（包括语音、语义、图像、视频、自然语言多模态处理能力），同时具备远超CPU和GPU的效率。要想达到这一目标，必须要有一套新的AI指令集，利用指令进行灵活处理，才有可能在AI芯片上把各种算法应用都能支持得又快又好。

打个简单的比方，把摩托车（PC、手机等）的发动机（CPU）装到了汽车（深度学习平台）上，汽车自然开不快;现在，需要为汽车专门设计一款发动机（深度学习专用处理器）。

“DianNao”这一深度学习处理器架构，平均仿真性能超过主流CPU核的100倍，但是面积和功耗仅为1/10，效能提升可达三个数量级。2014年，他和哥哥陈云霁以及法国信息技术研究院（Inria）的Olivier Temam教授合作的这篇论文，成为顶尖国际会议的最佳论文。

2014年-2016年间，他们俩和国际学术合作者一道几乎横扫了处理器架构学术圈，在顶级学术会议上教老外说中文的Diannao系列：Diannao（电脑）、DaDiannao（大电脑）、PuDiannao（普电脑）、ShiDiannao（视电脑）、Cambricon（寒武纪指令集）等一系列创新，针对不同的目的，将目前深度学习的效率提高数百倍。

有院士这样分析，“寒武纪”在深度学习处理器指令集上的开创性进展，为我国占据智能产业生态的领导性地位提供了技术支撑。自2014年中科院计算所和Inria联合团队提出首个深度学习处理器架构DianNao之后，深度学习处理器已经成为计算机体系结构国际会议ISCA最关注的研究方向之一。ISCA 2016上有近1/6的论文引用“寒武纪”的工作来进行深度学习处理器探索。

“目前，像阿尔法狗这样的软件算法是在GPU上执行的，将来如果使用了‘寒武纪’处理器，深度学习（神经网络）的运算速度会得到明显提升。”陈天石说。

他用“瑞士军刀和菜刀”来比喻通用处理器和深度学习处理器的关系：瑞士军刀虽然功能多，但是做菜的时候，还是菜刀更合适。在智能处理方面，“寒武纪”就是这把更合适的菜刀。

寒武纪指令集直接面对大规模神经元和突触的处理，一条指令即可完成一组神经元的处理，并对神经元和突触数据在芯片上的传输提供了一系列专门的支持。模拟实验表明，采用寒武纪指令集的深度学习处理器相对于x86指令集的中央处理器有两个数量级的性能提升。

如今，通过在计算机中模拟神经元和突触的计算，寒武纪的AI芯片对信息进行智能处理，借助专门设计的存储结构和指令集，每秒可以处理160亿个神经元和超过2万亿个突触，功耗却只有原来的十分之一，未来甚至有希望把类似阿尔法狗的系统装进手机。