资讯 智慧安防
此为临时链接,仅用于文章预览,将在时失效

AI安防芯片IP这门生意该怎么做?

作者:张瑞
2019/09/22 17:15

行业普遍认为,安防芯片已经是一个红海市场。

随着AI在安防行业的落地,AI独角兽们也纷纷进入这一市场。如何实现差异化竞争,其中一个关键因素就是IP的选择。

提供安防芯片的IP授权,全球范围内ARM、Cadence、CEVA等厂商已占据了大量的份额。

通常,IP研发的资金投入大、技术难度高。而国内厂商,入局这一市场,又是否还有生存的机会?

芯片3.0时代:定制芯片的兴起

作为异构处理器IP 平台和芯片解决方案提供商,华夏芯拥有自主知识产权的 CPU、DSP、GPU 和 AI 处理器 IP,也是国产IP授权供应商中的一员。

将IP授权模式作为芯片的一种商业模式,还要从ARM等公司说起。

上世纪90年代前后,以台积电为代表的Foundry(芯片代工厂)模式和以MIPS、ARM为代表的IP(知识产权)授权模式的诞生,永久地改变了世界半导体产业的版图——大大降低了半导体产业的准入门槛。

此前,全球只有几十家芯片公司,都采用自己的指令集来设计芯片,这是芯片设计的1.0时代。

IP授权模式的兴起则催生了全世界范围内大量的芯片公司。迄今为止,全球有大大小小几千家基于第三方IP设计芯片的半导体公司。这也就开启了芯片设计的2.0时代。

今天,芯片成为了从谷歌、阿里这样的互联网企业到特斯拉、格力这样的终端产品公司的“护城河”和核心竞争力。与此同时,新的芯片设计模式也在孕育中。

在人工智能时代,伴随着摩尔定律的减缓甚至失效,在新工艺下设计、生产高端复杂芯片的投入巨大。市场上现有的通用芯片无法满足人工智能高速计算以及不同场景下的差异化需求,而专用芯片又无法满足算法每3到6个月就迭代升级一次的可编程需求。

因而,市场针对高端芯片的定制化需求就呼之而出。

华夏芯CEO李科奕认为,目前的芯片市场,正是一个新技术、新模式分流的时代。

年销售额在2000亿元以上的公司,包括谷歌、华为等已开始自研芯片;销售额在10亿元以下的公司,可能会继续使用市场上现有的通用芯片;而销售额在10亿到2000亿元之间的公司,很可能会选择第三种路径,即委托第三方来设计、定制所需要的芯片。芯片设计的3.0时代,就是自研芯片、通用芯片以及定制芯片三种模式并行的时代。

“对于高端复杂芯片而言,自研芯片需要跨界建立庞大的设计团队,不一定符合经济规律。而市面上的通用芯片由于需求不明确,容易面临设计不足或过度设计的问题。在一定规模的基础上,定制则能够实现客户针对性能、功耗、可编程性、内存、接口、成本、算法、生命周期等不同的要求。”李科奕说道。

IP是一门难做的生意,华夏芯要做“异构计算IP平台”的“开创者”

要做定制芯片的生意,就又回到了IP授权的问题上。

国内IP产业还处于初级阶段,IP公司整体规模都比较小,大部分都在价值链较低端的领域,且国内IC设计厂商也大多购买国外IP核授权。

即使在国内兴起的“造芯”热潮中,从事自主设计CPU、GPU或DSP的单位仍如“凤毛麟角”,而异构计算IP平台需要同时具备CPU、GPU、DSP、AI等不同计算单元的设计能力,就更是难上加难。

李科奕直言,如果初创公司用传统方法设计自主的异构处理器IP平台,几乎是“不可能完成的任务”。因为每个相关领域,都有芯片研发队伍在千人以上和庞大资金实力的传统处理器巨头。

可能成功的办法只有一个:规避PC、服务器、手机这些已经形成了生态垄断的市场,并且采用全新的设计理念和技术基因。

 “除英特尔等极个别公司外,全球99.99%的传统芯片厂商都是采用来自不同供应商的IP设计自己的芯片。比如CPU一般是ARM授权的,DSP可能是CEVA授权的,神经网络可能甚至是采用初创公司的授权。这样就必然导致设计芯片队伍很庞大,因为需要不同的开发团队分别学习不同的指令集,熟悉不同的IP,对各种IP进行适配,再在仿真环境中,看IP的运行是否有冲突、会不会‘打架’。”

“而且产品开发团队十分庞大,产品开发周期也很漫长。应用开发者需要学习ARM的CPU、CEVA的DSP以及第三方的神经网络是如何编程的。越是复杂的AI应用,越是需要不同计算单元之间高效的管理与调度。所以,如果没有一套融合不同计算IP的系统开发调试的工具,实现产品开发的周期会很漫长。”李科奕说道。

明白了设计异构芯片时的IP痛点在哪里,华夏芯采取的是与传统路径完全不同的理念来切入市场。

与其说华夏芯是在已经形成生态的IP阵营里抢下“一块蛋糕”,还不如说华夏芯是另辟蹊径,在增量IP市场上开辟一条全新的道路,成为“异构计算”领域的“一站式供应商”。

异构计算,打破传统芯片的IP藩篱

什么是”异构计算”?

在IT界,异构计算并不是一个新兴的词。

在80年代末,异构计算这一概念就已经诞生了。所谓异构,就是将CPU、DSP、GPU、加速器、FPGA等不同架构、不同指令集、不同功能的计算单元,组合起来形成一个融合的计算系统。

由于摩尔定律接近失效,芯片算力的增长已接近瓶颈,而AI的发展对计算力的超高要求,异构计算近几年来在产业中开始显露锋芒,并被普遍认可。

一般来说,通用计算单元难以满足算力的高要求,AI专用计算单元则在编程灵活性、算法升级上有所欠缺。因而目前业内普遍看好的一种方式,就是将通用和专用计算架构结合在一起,取长补短。但是,将不同类型指令集和体系架构的计算单元集成到一颗SoC芯片上,设计难度和复杂程度是非常大的。而且不同计算架构有不同的开发环境和编程语言,导致系统性的开发调试也非常复杂。

这就是目前“异构计算”所需要解决的两大难题:一个是降低芯片设计的复杂度;第二个是降低编程开发的复杂度。这也是现在安防芯片厂商们,尤其是在安防前端开发厂商面临的挑战。

李科奕解释道,新一代的“异构计算”可以定义为“单芯片上高效协同的统一编程模式”。

华夏芯所采用的技术手段就是新一代的“异构计算”,用一套指令集设计不同计算单元的IP,IP之间形成高度的统一性,只需要一个团队就可完成IP的学习、设计及使用。而且不会存在CPU和DSP、GPU之间“打架”的问题。

“华夏芯基于统一指令集的异构设计模式,将不同的计算单元整合在一起。比如说,我们正在设计的一款低功耗的SoC芯片,CPU与 DSP融合在一个计算单元里面,与传统的CPU核加DSP核相比,功耗更低,而且只需一套编程模型。”

李科奕说道,“定制一个芯片,我们希望它生命周期有三到四年,为了实现比较好的适应性和灵活性,就需要在芯片的通用性和专用性上达成一个折衷。其中,既有专用计算单元,又有通用计算单元。这样既能高效的处理数据,又能支持算法的更新和迭代。”

这是做IP创新的最好时代,安防等市场还没有主流的异构生态  

如果将视角集中到目前市场看好的AI加速器上,华夏芯的异构计算架构优势在哪里?

李科奕指出,现有市场上集成了AI加速器的芯片在应用上还存在问题。

第一是芯片价格太高。第二个芯片的可编程性不足。“来自安防领域的厂商普遍反映的不仅是芯片的性能不够,而且芯片中的AI加速器使用起来都很复杂,如果要实现CPU、DSP和AI协同计算则更加困难。”

在以安防、自动驾驶为代表的边缘计算市场,对芯片的综合性能要求非常高。芯片需要处理的数据量很大,同时对于性能、性价比、性能功耗比要求都很高。而作为新兴市场,边缘计算的需求量很大,目前布局的厂商并不多,还未形成巨头垄断。

对于云端语音和图像识别芯片的需求是只要性能足够好,芯片的价格可以做到较高,但需求量并不会很大。云端芯片要求处理速度极快,一秒钟需要做到处理几千张画面。但对功耗要求相对较低。

而在物联网市场,对AIoT芯片的需求量也很大。AI性能要求相对较低,如智能门禁、门锁等场景,可能只需要一秒钟分析几张画面。但要求功耗低、成本低。 

以上新兴市场还未有巨头形成垄断的生态,而且对性能、功耗、可编程性、成本等存在多元化、差异化的需求。通过芯片定制发挥异构计算相对于传统的通用芯片或专用芯片的优势就有了“用武之地”。

“定制芯片还是个新生事物,很多厂家想要尝试,目前还需要一个逐步推广的过程。”

“现在很多新兴的人工智能场景,从安防监控、辅助驾驶、服务机器人、物联网、到5G应用等,这些领域的芯片都还没有形成垄断的生态。尤其在安防领域,前端有很多新的技术出现,如三维立体识别、步态检测,以及通过5G实现变焦摄像头的联动等。因而,我们认为现在恰恰是做指令集的一个最好的时代。”李科奕说道。

而如何平衡定制需求和芯片成本的问题呢?众所周知,目前很多AI安防芯片厂商做芯片时面临的一个很大问题就是,如果芯片产量不够大,便很难以收回成本实现盈利。而定制芯片的需求量相对更难把握,如果不能实现规模化采购,成本问题就更加突出。

李科奕介绍道,这确实需要做一个平衡。“既然接受定制,一定要先把账算好了,再进行定制。华夏芯是提供一整套IP,设计投入相对较少,这意味着只要销量达到几十万到上百万颗就能实现盈亏平衡。” 

按照联发科的测算,中国有400亿美金的定制市场,这部分市场的客户都希望通过芯片定制支持产品创新,提升竞争实力。 

换道超车?做“集成创新”不如做“原始创新”

值得注意的是,异构计算目前生态上还不够成熟。目前,AMD、高通、ARM、华夏芯等成立了异构系统架构(HSA)联盟,而Intel在推动“超异构”。

国内目前也有一些企业开始涉足这一领域,如华为等企业都在研发异构计算的产品,而初创企业,如前百度科学家吴韧创立的异构智能,也在专攻异构计算。

不过,异构计算所需要的一些基础技术,诸如Cache的一致化、统一Memory及新的工具链等,对于国内的芯片企业来说仍然感到门槛很高。 

在李科奕看来,以云端市场为例,CPU仍然占据云端芯片71%的市场,随着人工智能浪潮而受益非凡的GPU仅占17%,AI专用加速芯片的市场占有率仅为7%。

虽然传统架构的芯片在市场上还占有大部分份额,但是异构计算的架构已经成为趋势,比方说,新一代的GPU和FPGA都引入了异构架构。

另一方面,对中国企业而言,异构计算是挑战也是机遇。

正因为异构计算从技术层面上,目前还处于百花齐放的阶段,从生态上来看,还没有出现垄断巨头。无论是中国的IP供应商还是芯片设计公司,一个深层次的价值贡献在于,即使单一的计算单元的水平还不是全球顶尖,但通过异构计算所形成的系统能力和生态建设方面就有机会达到世界先进水平。

在这方面,李科奕也有着更高的愿景。

早期以华为为代表的企业,是在做芯片上的“集成创新”,而随着国产芯片实力的增强,以及目前在AI加速、异构计算,以及类脑计算等芯片新范式上的尝试,我国更有机会去实现芯片设计的“原始创新”。

“指望中国芯片企业超越20年的差距,在PC领域赶超Intel是不太现实的。这并非只是技术原因,还包括x86强大的生态优势。但现在异构计算还没有形成一个主流的生态,所以中国就还有换道超车的机会。”李科奕说道。雷锋网雷锋网(公众号:雷锋网)雷锋网

文章点评
相关文章