老王其人
大家好，我是老王，住在隔壁。老王是一位科技从业者，人到中年，本应朝着油腻的方向一骑绝尘，不曾想这一大波儿AI来得过于胸猛妖娆，老王不由自主地强迫自己变得清爽宜人去靠近她。老王一直以来有两个梦想：第一是出一款震惊行业的AI方案，另一个嘛你懂得（PS：再次强调老王住隔壁）。老王并非浪得虚名，老王曾出过响当当有行业影响力的AI产品，也曾位居某大型企业研究院掌门之位，在智能硬件领域带过节奏领过风骚。英雄不谈往事，还是说老王这些年在冥思苦想如何搞AI(她)。
首先，老王很想谈几点这些年来的思考，以飨各位。
人工智能发展几经沉浮，最近一次回到大众视野源自2012年ImageNet大赛，在这届大赛上，一个新玩意儿登场了，它就是卷积神经网络CNN，此后便一发不可收拾，火得一塌糊涂。甚至，卷积神经网络有一统视觉和语音之势。可见，卷积神经网络是这波儿AI大潮最重要的代表性技术。说到这，答案自然有了，AI产业需要处理卷积运算的协处理芯片！有人会问：为什么不是SoC？老王反问你，AI行业高度碎片化，不同场景对卷积运算性能要求不一样，0.1TOPS，1TOPS，10TOPS…如何定义SoC？再说，市场上各种功能模块高度成熟，应有尽有，唯独缺少高效的卷积运算方案，现阶段应先解决好这个问题，而不是上来就定一个SoC的小目标。你不信老王可以，但你总不能质疑谷歌吧。谷歌最近发布的端侧开发板，Edge TPU正是一颗协处理器，搭配NXP(前Freescale）的主控，看见没？以谷歌之力，打造SoC并非难事哦，道理不言自明。“专用主控+协处理器”的小型异构计算系统是现阶段最合理的端侧解决方案，谷歌或明或暗的告诉大家了。
卷积运算是高密度运算，一般的通用型芯片看上去灵活好用但运算起来力不从心，选择更高性能的通用型芯片，但发现功耗也会同比升高，此类方案部署在端侧是不实际的。因此有一个指标被特别看重，那就是“能耗效率”。一时间，整个产业都在思考“通用性与效率“二者能否得兼？其实，这并不是一个新话题，早在高性能计算(HPC)领域，这个问题就一直存在，只不过AI让这个问题被更广泛思考。老王要跟大家说的是，鱼和熊掌你只能选一个！你不信老王可以，但你总不能质疑计算机领域的宗师，2017年图灵奖获得者John Hennessy和David Patterson吧，说到这，DSA了解一下。DSA正是顶级大师给AI芯片领域指出的发展方向，即专用芯片。
在此还是要再提一下谷歌TPU，不知你注意没，TPU其实只有11条指令，常用的有5条，其中两条还是内存读写指令，汗！没错儿，这就是侧重效率的专用芯片，可能不是你想象那种高度可编程的架构哦。
问题三：传统计算架构行不行？
答案是不行！摩尔定律对传统架构芯片性能提升的帮助已经非常有限，硬生生堆砌计算单元，性能在理论上虽然可以提升，但是问题便随之出现：内存带宽跟得上吗？功耗hold得住吗？计算单元利用率有保障吗？你不信老王可以，但你总不能质疑芯片学术领域的“奥林匹克”--- ISSCC上那些顶级学者的论文吧，实在抱歉，论文太多，老王就不一一列举了，总之一句话：架构不创新是不行了。
刚刚我们谈到了“通用性与效率”的问题，那么新问题来了，遍地的算法公司都自己关门搞一套模型架构，搞自定义操作的玩意儿，好像这年头谁要是用开源的CNN模型就无法跟别人打招呼，那好吧，通用型芯片几乎是他们的唯一选择，问题又来了，端侧通用型芯片能落地吗？能跑起算法的那些高性能的多核ARM芯片动辄四瓦以上的功耗瞬间变身”小火炉”，用户受得鸟吗？找个功耗低一点的ARM芯片，性能不足导致实时性没有了，用户体验不佳，用户受得鸟吗？好吧，芯片不落地，算法也就无法变现，算法公司怎么活？算法公司本不是老王操心的重点，重点是老王从video行业一路走来，目睹了从视频格式大爆发到最后只剩三种：H.264，H.265，VP9。老王想跟诸位说，市场上几百种上千种CNN模型，最终能剩下的可能不超过五个，因为模型本身也在竞争，背后的阵营也在竞争。识时务者为俊杰，老王给算法公司建言：让算法主动去适配芯片，搭上专用芯片出货的顺风车，早点变现才是生存之道！
说到这不知诸位有没有思考过这些问题，在下篇中老王将解开神器面纱，推出老王力作，别走开，老王好久没去隔壁了，去打声招呼马上回来噢！
