百度昆仑百度昆仑
如今，互联网科技企业打造核心已经不是什么新鲜事了。尤其是AI领域已经成为世界科技巨头的制高点。IBM、微软、谷歌和亚马逊正在微调他们的人工智能平台，使客户更容易、更快地集成各种人工智能技术。
可以说，造芯热几乎与人工智能的爆发处于同一阶段。这一轮人工智能的爆发是深度学习算法的兴起，而深度学习的基础是需要更多的数据训练和更高的计算能力支持。当传统芯片逐渐无法满足互联网爆炸式增长的计算能力需求时，拥有先进算法和强大计算能力的互联网公司成为芯片自研的推动者，国内外企业几乎同步开启了这一篇章。
中国进入其市场的行动将在该行业的创新中发挥关键作用。根据一项研究，中国现在占全球半导体消费的60%。《国际经营战略》显示，2019年中国半导体行业销售额为2122亿美元，北美为595亿美元，世界其他地区为488亿美元，欧洲为418亿美元，日本为387亿美元。
图:2019年按地区划分的全球半导体消费图:2019年全球各地区半导体消费量
目前国内AI芯片处于一个窗口，具有以下特点:1。市场广阔，容纳众多巨头；2.疫情初期，大规模应用尚未到来；3.应用场景分散复杂，需要定制；4.没有足够的独立芯片，需要配套的解决方案。
在这样的背景下，对于“AI第一股”百度来说，造芯能抓住哪些机会，竞争力有多大？
出来2年多了，昆仑几何？
衡量一个芯片好不好最直观的方法就是看出货量。百度昆仑于2018年宣布，百度和三星于2019年12月宣布，百度首款基于云的产品昆仑第一代用于计算和边缘计算的AI芯片已经完成。
截至目前，已经实现量产的百度昆仑1在百度搜索引擎和云计算用户中部署了2万件。相比国内其他互联网核心玩家的产品，百度昆仑1的出货量可以说是不错的。
从技术与场景结合的经验来看，新一批AI芯片应该针对不同类型和场景的人工智能应用。对芯片的要求不仅适合深度学习，还需要兼顾计算能力、能耗和灵活性。
云计算巨头纷纷布局云计算+FPGA芯片。首先，FPGA作为可编程芯片，非常适合部署在提供虚拟化服务的云计算平台中。FPGA的灵活性可以赋予云服务提供商根据市场需求调整FPGA加速服务供给的能力。
计算速度、功耗等性能是衡量一个芯片的核心指标。昆仑芯片定位为通用AI芯片，旨在提供高性能、低成本、高灵活性的AI芯片。特别是昆仑芯片，既能做训练，又能做推理。它可以满足AI的高处理要求，用于云案例和边缘案例，包括数据中心、公共云和自动驾驶汽车。据了解，昆仑2将采用7nm技术打造，2021年量产，性能将为第一代提升3倍。
一份券商报告显示:“这种大规模、高计算能力的云基AI芯片，技术门槛很高。只有百度、华为、寒武纪可以生产这些产品。”
在昆仑芯片诞生之前，2017年百度内部数据中心和自动驾驶系统部署了超过1万个FPGA加速器，为跨行业、跨场景测试昆仑芯片奠定了初步基础。随后，在部署上线的工业智能质检设备上，百度AI Cloud将搭载百度昆仑芯片的百度云质检一体机以集成方式交付给威易智。
光靠硬件是远远不够的，一个完整的解决方案对于商业化也是非常重要的。百度提出了AI-Native云计算架构，从基础设施的AI计算集群和AI芯片，到工程平台的飞桨和云原生，以及应用开发平台的视频云和区块链等。，通过整合云与智能和端到端来支持行业的智能应用。
当然，无形财产的积累对于科技型企业来说也是至关重要的一环，手机芯片玩家高通仅通过专利费用就吸纳了全球。在AI专利申请和许可方面，百度连续三年排名国内第一，百度AI开放平台累计征集开发者265万人。
百度在其他地区的市场份额很小，很难与成熟的竞争对手竞争。但在当前环境下，昆仑芯片量产交付的进展凸显了AI在中国的整体发展势头，也代表了中国企业在这一新兴领域建立全球领导者的决心。
事实上，在AI领域，中国从未落后。斯坦福大学发布的一份222页的AI指数报告显示，2020年，中国在世界人工智能期刊中的被引频次首次超过美国。从发表数量来看，早在2004年，中国人工智能期刊发表总量就短暂超过美国，之后在2017年重新夺回领先地位。
中国在世界人工智能期刊上的引用频次首次超过美国中国在世界人工智能期刊中的被引频次首次超过美国
定制，魔改，二次开发
早在2011年，百度就推出了FPGA AI加速器项目。2015年FPGA部署超过5000片。2017年成为行业部署最多的，超过1.2万件；2018年，百度发布了自己的AI芯片——百度昆仑；2019年电影制作成功，2020年昆仑一代开始量产和大规模部署。
关于昆仑芯片我们就不多赘述了，但值得一提的是，GPU往往是构建AI芯片的重要手段之一，但我们也可以看到，百度从一开始就是基于FPGA构建的，而FPGA的特点是可编程，让使用昆仑芯片的用户可以根据自己的应用场景进行定制、魔改和二次开发。
由于AI应用场景的高度分散性和复杂性，定制化显得尤为重要。FPGA作为一种可编程芯片，非常适合部署在提供虚拟化服务的云计算平台中。凭借FPGA的灵活性，昆仑芯片允许用户根据自己的需求和应用场景进行特殊定制、魔改和二次开发，从而实现更快的市场普及，完成自己产品的后续迭代。
在性能方面，百度昆仑的性能比英伟达T4强多达三倍。放大到全球的AI芯片，根据麻省理工林肯实验室超级计算中心的一项统计研究《机器学习加速器的调查与标杆》，我们也可以看到，在全球公开公布的人工智能加速器和处理器的性能和功率分散图中，昆仑芯片的性能也处于较高水平。下图展示了一些最近发布的AI处理器能力，并列出了芯片的峰值性能和功耗。
图源：MIT《机器学习加速器的调查和基准测试》研究来源:麻省理工学院关于机器学习加速器调查和基准测试的研究
注:X轴代表峰值功率，Y轴代表每秒千兆运算的峰值。加工能力的计算精度由所采用的几何形状来描述。计算精度范围从单比特int1到单字节int8，从4字节浮点32到8字节浮点64。形状因子是用颜色来描述的，这对于显示一个芯片、一个PCI卡和整个系统消耗了多少能量、可以加载多少计算是非常重要的。蓝色只是单个芯片的性能和功耗。橙色表示芯片的性能和功率。绿色表示整个系统的性能和功能-在本例中，是单节点桌面和服务器系统。
众所周知，“AI应用场景碎片化，难以落地”已经成为行业共识。在AI芯片大军中，泡沫过后，很多企业都消失了，只剩下几十家。百度能靠什么？
核心制造者不仅需要知道硬件，还需要知道AI算法软件。据了解，百度昆仑作为百度人工智能平台的核心组件，可以原生支持开源深度学习框架、百度机器学习平台和各种AI能力引擎。此外，昆仑不仅支持全球主流CPU、操作系统、Pytorch和TensorFlow等深度学习框架，还与国内厂商紧密合作，支持腾飞、神威、广海等国产CPU，以及麒麟、神威、同信等国产操作系统。
此外，生态能力在芯片行业尤为关键，穿上自己的产品就能展现出性价比优势。
其实我们可以从华为的麒麟芯片中得到启发，因为有了手机终端的不断试错和支持，麒麟芯片才能在迭代中不断创新，两者相辅相成，最终成就手机史上的一个故事。百度也是如此，相比其他单打独斗的AI芯片公司，百度拥有大公司的生态优势。百度完全不用担心一般的AI芯片厂商:“我应该做什么样的芯片？芯片能满足市场需求吗？会用在什么场景？”百度的应用场景太多了，比如智能音箱、智能驾驶Apollo、智能云等。，这对百度整体业务形成大循环。
特斯拉也是一样。在特斯拉研发自己的FSD芯片之前，需要使用NVIDIA芯片，这不仅在性能上无法满足特斯拉的需求，而且成本高昂，完全没有话语权。此后，特斯拉自己的芯片取得了和NVIDIA一样甚至更好的成绩，成本也控制在自己手里。
在核心打造策略上，百度就像现在的亚马逊、谷歌、微软等互联网巨头一样。，主要生产自用，但同时也注重为芯片打造生态，芯片反哺生态。未来，随着智能汽车的逐渐爆发以及云计算和物联网市场的巨大需求，百度将被推到历史的前沿。
更多关于芯片制造的知识，请搜索“众壹云”。
