專訪清微智能尹首一：理想的計算應該是架構隨著軟件變
2019-04-22 10:24:01 雷鋒網雖然目前已有不少AI芯片出現，但都是在某些具體任務上具備超強的能力，仍處于對特定算法的加速階段，在通用性和適應性上仍有較大差距。
2018年第三季度，清華系AI芯片初創公司清微智能完成近億元天使輪融資，成為知名科研團隊產品走向商業化的代表之一，其AI芯片產品采用了可重構架構來提升AI芯片的能效比和可編程性。
清微智能的核心技術源于清華大學微電子所魏少軍教授領導的可重構計算團隊，其在新型計算架構領域耕耘多年，Thinker系列AI芯片在國內外具有廣泛影響。核心團隊成員來自清華大學和NVIDIA、SONY、高通等公司，在半導體行業具備多年經驗。
面對競爭激烈的AI市場，清微智能的產品怎樣才能快速獲得市場認可？科學家們又是如何看待商業化過程中的種種問題？就此，雷鋒網與清微智能創始人尹首一博士展開了一次對話。
目前市面上的AI加速芯片，如GPU、FPGA和ASIC，都是在某些具體任務上具備超強的能力，難以在靈活性和計算效率上達到綜合優勢。
尹首一博士指出，從應用以及用戶體驗的角度出發，要實現滿足AIoT需求的AI芯片必須滿足三個條件：
第一，可編程性，只有具備可編程性才能滿足不同IoT場景下的不同AI算法的需求；第二，對計算密集型和訪存密集型算法都非常友好，因為今天的AI算法就具備這樣的特點；第三，超高能效，某些場景下我們希望芯片能耗是毫瓦量級，有些場景甚至需要微瓦量級才能滿足長時間的IoT計算需求。他表示，一個真正理想的計算應該是軟件和硬件的架構一模一樣，軟件是什么樣的拓撲結構，硬件就應該是怎樣的拓撲結構；軟件需要什么樣的運算，硬件需要存在這樣的運算資源，硬件功能和架構能夠動態地按照軟件實時進行改變。
據悉，從2015年年開始，清華大學Thinker芯片團隊開始采用可重構架構的技術路線實現超高能效的神經網絡計算，在基本的乘法累加部件里實現不同位寬的自適應，很好地支持超低位寬的神經網絡；在基本處理單元層面實現電路級重構，支持神經網絡中的不同算子；在處理單元陣列實現架構級重構，支持不同類型的神經網絡。
在商業模式上，清微智能將為邊緣設備和物聯網提供包括芯片、軟件、算法和系統的全棧式低功耗智能計算解決方案。
“以往那種只做一個部件，或者做比較局部的產品，可以拿來展示技術，但在商業化的市場上很難長期生存。”尹首一博士表示，“清微智能的芯片會以SoC或者SIP的形式提供系統級完整方案。針對客戶需求提供算法、軟件、芯片等整套解決方案，讓客戶可以用最小的成本做出自己的產品。”
今年上半年，公司業務將圍繞語音領域開展，完成語音芯片“TX 210”的量產計劃，推出完整的芯
片算法解決方案。下半年，公司將發布“TX510”等產品，進一步將會在智能家居、智能零售、智能安防、機器人等領域進行應用。
輿論是鞭策行業發展的動力
雷鋒網觀察到，目前外界對國產芯片商業化的態度普遍較為苛刻，包容度不如商業航天等領域。
對此，尹首一博士認為，核心問題確實還是在于大家要真正踏實的把產品做好，這一點永遠都是第一位的。
“其實在國內的AI芯片領域，乃至更廣泛一點的整個芯片行業，實際上最主要的問題還是供給能力不足。”他指出，“AI芯片從2016年開始就已經有許多公司在做，然而今天在智能音箱上用的這些算法，大多數其實還是跑在CPU上，安防監控中的人工智能算法也大多跑在GPU。”
AI芯片的發展經過了近三年時間，大概有四五十家公司參與其中，但是AI芯片和其他各類芯片一樣，技術和產品落地都需要經過時間的檢驗。“我覺得這個情況不會長期存在，前面幾年實際上是技術推動產業發展，后面會逐漸過渡到需求推動發展，很快會有很多新場景出現。”尹首一博士表示，當AI技術更加多樣化的落地到大家的生活中之后，對芯片的需求和帶動會更加明顯，會有更多不同類型的芯片能夠應用起來。現在的芯片行業，大家對國產化的希冀遠比三年前要更強烈，這個基礎共識是明確的。企業的第一位任務是把產品做好，只要有實用的產品出現在市場，讓用戶能用了、用好了，就會實現正反饋，AI芯片這個產業將會真正發展起來。
莫要輕言超越大廠
自2006年推出G80架構以來，一直在不遺余力的推廣其CUDA通用計算平臺。時至今日CUDA已經非常成熟，形成了強大的生態系統，這也為NVIDIA擴展其它基于GPU的事業提供了先天便利。
在AI大潮來臨后，CUDA生態過去的強大，能否繼續為其創造不可逾越的壁壘？在面對AI運算的新任務時，效率高算力強的自研AI芯片能否贏得與老牌強者掰手腕的機會？
對此，尹首一博士明確表示，CUDA本身就是NVIDIA核心優勢的組成部分。不可否認的是，GPU占據了天時，現在基于CUDA的訓練工具和優化水平，已經形成了一個事實上的標準。NVIDIA的GPU可以靈活的cost down，輕松覆蓋幾百瓦到幾十瓦的區間。雖然眼下GPU的能耗比并不是最優，但如果你的產品相比GPU并沒有顛覆性的進步，怎么會有用戶甘心情愿的在你這個不成熟的平臺上部署項目呢？
“只有有分量的、成規模的用戶遷移過來，產品才有可能真正商用，才能說基本上具備了和NVIDIA過過手的基礎。”
尹首一博士解釋道，早期大家基于CUDA環境進行開發的過程幫助NVIDIA發現并解決了各種問題，已經逐漸把這套方案打磨到非常好用的水平。“若說技術好壞，當然是各有各的高招。”尹首一博士強調，“然而沒有人配合你打磨方案的話，即便芯片技術再好，不經過實際檢驗，很多問題都發現不了，也就沒有辦法讓它真正成熟乃至商用。”
對于這些生態已經完善、在國際國內的工業產業界已經形成共識的領域，有可能的路徑就是在現有生態里尋找技術創新的機會，如果能做得足夠好，經過漫長的跟跑后，或許才能爭取到從參與者變成主導者的機會。
看開點，往前跑
很多人都聽過“站在風口，連豬也能飛上天”這句洗腦名言。在AI大潮到來時，也的確有一些公司或團體，僅憑一句AI、一個口號就能拿到大筆融資。而從2018年下半年開始，我們明顯感到AI芯片開始越過Hype Cycle（技術成熟度曲線）第一個峰值的頂點，未來兩三年勢必面臨大考。作為旁觀者，我們不免擔心，在即將到來的關鍵期，AI芯片公司該如何保護并發展自己？
對此，尹首一博士表示，即便是在硅谷這種相對更成熟的環境下，其實也會有這種問題。“宏觀上來講，在一個行業剛開始起步的時候，市場上有一點泡沫其實是正常的，甚至可能是必然的。”他認為，只要大家能持續關注這個產業，總會有一些真正在做事的公司能夠把事情做好，那它自然就會吸引到新的資源，這個行業還是能發展。
不過他也坦言，微觀來講，若要具體到一家公司，商業化成功還需要一點點運氣。
“所謂天時地利人和，這是個非常感性的問題。歷史上我們也看到很多公司技術很好但運氣稍差，做企業本就是九死一生的事。”
他表示，現在大家面臨的一個很大的問題是產品定義。之前的兩三年時間里，大家對AI芯片這個產品形態有了初步的認識，對終端的AI算力需求形成了共識。未來幾年的歷史使命，就是真正做好產品，為AI的殺手級應用量身定制芯片。
在采訪的最后，尹首一博士總結道，尋求發展唯一的辦法就是找到合適的路徑，自己快點往前跑，讓技術和產品能夠盡早落地，解決了實際的問題才有機會和資格去談后面的事。“只有當AI芯片越來越普遍，大部分產品都帶有AI能力的時候，AI芯片市場才能算是走到了一個標志性的階段，智能化社會才會真正到來。”
