AI因深度學習演算法的突破,掀起各產業產品與服務的全面革新。如智慧音箱的語音辨識、醫療領域的影像診斷、交通運輸的自動駕駛、零售通路的無人商店等,這些精采應用背後的運算力量,皆源自於AI晶片的突破,就如同汽車引擎一般,是加速AI發展的核心關鍵!

AI晶片:推動智慧化的核心引擎

根據Allied Market Research研究,2017年全球AI晶片市場24億美元,預計 2025 年將達到378億美元。由於在未來AI產業將帶來的商機中,最不可或缺的就是AI運算核心,因此眾家科技與互聯網大廠,為了更貼近自家需求,以及減少對GPU龍頭依賴,紛紛跨足AI晶片研發,一場AI晶片市場大戰儼然成形,AI晶片所帶來的龐大商機由此可見一斑。

科技巨擘撈過界,自行研發AI晶片

AI晶片商機的爆發,讓晶片大廠如Intel、AMD也透過挖角、併購加入戰局,目前市場上除了NVIDIA所研發的GPU為AI晶片龍頭之外,其中最值得觀察是專為演算法設計的ASIC(特殊應用積體電路)與具備高通用性、低功耗等優點的FPGA(現場可程式化邏輯閘陣列)兩類晶片發展前景。

以Apple為例,其於2017年推出A11處理器整合CPU、GPU與Apple Neural Engine晶片,改善了臉部解鎖、AR、語音辨識等功能;近期成功轉型的微軟,自家雲計算服務也採用重新編程FPGA晶片。電動車大廠Tesla為了繼續挑戰自動駕駛Level 4、Level 5級別,亦挖角前AMD首席架構師,投入打造自家ASIC的AI晶片,追求更具效率的車用AI晶片。

不僅如此,Google自行研發的ASIC晶片TPU,號稱機器學習訓練時間效率大幅提升,去年更再推出Edge TPU邊緣運算晶片,企圖搶攻如交通、零售、醫療、空間等工業物聯網市場。電商巨擘Amazon自然不會缺席,同樣開發專用AI晶片,加快Echo智慧喇叭與Alexa虛擬助理的處理速度;甚至連Facebook也成立AI晶片小組,對外招募ASIC與FPGA工程師。

GPU運算力突破,掀起AI革命

不過NVIDIA所開發的GPU,在AI與HPC(高性能運算)領域仍獨佔鰲頭,高開發環境、演算法易於切換優點,目前在各大資料中心或雲端伺服器,都能看見GPU身影。

GPU最初由NVIDIA 在1999年所研發,原先用於大量視覺運算領域如遊戲、高畫質影像等產業。由於深度學習技術突破,加上GPU擅長平行處理、一次處理大量相同運算特點,讓演算法的機器訓練效能突飛猛進,近年一躍成為AI開發者新寵兒。

NVIDIA亞太區技術行銷總監嚴永信表示,GPU不只用於圖形視覺運算,也能用於高速運算。為了讓GPU能從視覺範疇擴大為AI通用型晶片,NVIDIA 斥資重金推出CUDA平台,提供平行編程模型和架構,讓開發人員能夠使用熟悉程式語言來控制處理器,讓每台電腦都能搖身變成高性能計算機。

AI晶片:推動智慧化的核心引擎

台灣AI利基:邊緣運算

談到AI未來下一波商機,絕不能忽視邊緣運算(Edge computing)!不只是最新火熱名詞,甚至還出現超越雲端商機的說法。邊緣運算原理,是在雲端與終端裝置中間多設置一個運算層,先行處理龐大資料,帶來即時性、高資料安全性、降低雲端儲存成本的優勢。

以往AI服務是透過雲端連網完成,但是當終端產品如手機、冰箱、汽車、房屋…本身也嵌入AI晶片後,就能自行運算提供智慧服務,龐大市場與無限想像也因運而生。嚴永信分析,基於資料安全性或滿足無網路區域,讓資料不上傳雲端,改由裝置內晶片做AI運算,是未來一大趨勢。

現行AI在雲端使用CPU、GPU晶片,已被國際晶片大廠把持。台灣若要切入這AI產業,潛在機會就在於邊緣運算!Market Research Future研究機構也預估,全球邊緣運算從2017到2023年成長率約27%,市值將超過92億美金,邊緣預算所需FPGA、ASIC等類型晶片,再結合5G及IoT推波助瀾,市場不容小覷。

嚴永信則分析:「邊緣運算成功關鍵,在於能夠結合專門領域知識,才有機會做出差異化。」目前台灣在製造、醫療、智慧型影片分析、華文語言訓練等都具備在地優勢,能夠避開科技巨擘競爭,走出屬於自己未來的AI康莊大道。

AI晶片:推動智慧化的核心引擎