大模型落地邊緣側(cè)的痛點和機(jī)遇

人工智能和大模型的概念并非新鮮事兒。

2012年，谷歌團(tuán)隊推出著名的八層卷積神經(jīng)網(wǎng)絡(luò)模型AlexNet，在人臉識別方面大幅提升了圖像識別準(zhǔn)確率，帶動了卷積的普及。

2017年，谷歌團(tuán)隊又推出基于自注意力機(jī)制的模型Transformer，在語義理解方面大幅提升了語音翻譯效果，帶動了GEMM的普及。

2018年，OpenAI團(tuán)隊推出一種預(yù)訓(xùn)練語言模型GPT(Generative Pre-trained Transformer)，也就是最初代的GPT-1（12層），并通過了圖靈測試。

也許在GPT-1時代，大眾還沒有什么感受，但GPT-3、GPT-4架構(gòu)下的ChatGPT，以及OpenAI 后面發(fā)布的Sora視頻生成模型，讓人工智能成功出圈，并產(chǎn)生了全球性的“大模型和AIGC熱”。

對這幾年“人工智能和大模型”的翻火，烏鎮(zhèn)智庫理事長張曉東表示：“人工智能火過很多次，圖靈1950年寫的論文《計算機(jī)與人工智能》中就講了一個‘模仿游戲’，現(xiàn)在又叫‘圖靈測試’，其中就定義了智能——一個屋子關(guān)一個人，另一個屋子關(guān)一個機(jī)器，不停地問他們問題，當(dāng)問的時間足夠長，仍然不能判別出來哪個房間是人、哪個房間是機(jī)器的時候，這個機(jī)器就是智能的。”

那什么是生成式人工智能呢？張曉東認(rèn)為其就是“圖靈機(jī)求逆”，即“我給你一堆輸出，然后讓你猜什么樣的圖靈機(jī)能夠生成這個輸出，如果用數(shù)學(xué)的話說，大模型就是圖靈機(jī)?！?/p>

今天，隨著AI技術(shù)的快速發(fā)展與應(yīng)用，大模型的部署已從云端訓(xùn)練，逐漸向邊緣端推理和微調(diào)延伸，這一轉(zhuǎn)變預(yù)示著邊緣計算領(lǐng)域?qū)⒂瓉砬八从械臋C(jī)遇與挑戰(zhàn)。

大模型落地邊緣側(cè)，芯片性能和功耗的平衡是關(guān)鍵

以語言為基礎(chǔ)的多模態(tài)大模型已經(jīng)達(dá)到深層智能水平，得到了爆發(fā)式的發(fā)展，在此基礎(chǔ)上，OpenAI上線了GPT Store，AI在商業(yè)上的應(yīng)用將促進(jìn)大模型更快地發(fā)展。

而為了更好地實現(xiàn)商業(yè)閉環(huán)，必須尋找到更多的商業(yè)落腳點，因此將大型人工智能模型引入邊緣設(shè)備、嵌入式系統(tǒng)勢在必行。

正如張曉東所言，“大模型的部署需要海量的高算力芯片，預(yù)計2027-2028年，超級智能會到來，屆時最大的幾個模型將需要1000萬張卡，消耗的能量相當(dāng)于一個中國中小型的省的耗電量，由此帶來的巨額成本，會成為行業(yè)發(fā)展的最大挑戰(zhàn)。”

今天我們看到大模型已經(jīng)在AI手機(jī)、AI PC、機(jī)器人導(dǎo)航、AR數(shù)字沙盤和汽車中得到初步應(yīng)用。而邊緣側(cè)或者嵌入式終端設(shè)備有限資源下的算力部署，以及對功耗和成本的要求只會更加嚴(yán)苛。

對此，芯原執(zhí)行副總裁、IP事業(yè)部總經(jīng)理戴偉進(jìn)表示：“當(dāng)大模型落地邊緣側(cè)或者終端，邊緣計算主要側(cè)重于推理、實施決策和部分?jǐn)?shù)據(jù)訓(xùn)練，而終端則更側(cè)重于原始數(shù)據(jù)采集，為大模型提供標(biāo)記化的數(shù)據(jù)輸入。當(dāng)云端需要大量GPU卡來滿足海量算力時，邊緣側(cè)和終端更需要能在性能和功耗間能找到平衡的AI芯片和解決方案?！?/p>

而芯原作為國內(nèi)排名第一、國際排名第七的IP大廠，可以為客戶提供廣泛的IP產(chǎn)品組合，在AI行業(yè)中，芯原AI-Computing IP系列產(chǎn)品可覆蓋數(shù)據(jù)中心、邊緣服務(wù)器、嵌入式設(shè)備三個場景，包括VIP9X00 NPU IP、CC8X00 GPGPU IP、GC9X00AI NPU+GPU IP、CCTC-MP Tensor Core GPU IP。

從公司營收結(jié)構(gòu)來看，2023年財年，在芯原IP授權(quán)業(yè)務(wù)收入中 (包括知識產(chǎn)權(quán)授權(quán)使用費、特許權(quán)使用費) ，圖形處理器GPU IP、神經(jīng)網(wǎng)絡(luò)處理器NPU IP和視頻處理器VPU IP收入合計占比約為72%。

邊緣和端側(cè)AI，NPU或是最佳選擇

當(dāng)邊緣與云協(xié)同計算，低功耗催生了產(chǎn)業(yè)對輕量大模型的需求，包括語音模型、視覺模型、電力模型等。

“云里面只能生成樹干，而端側(cè)的微調(diào)卡和推理卡是樹枝，可以更好的保護(hù)隱私和安全。” 芯原股份創(chuàng)始人、董事長兼總裁戴偉民如是說。

事實上，目前專門為AI算法設(shè)計的硬件加速器有TPU、NPU、LPU、IPU等，那種硬件加速器可以更好地在邊緣端提升AI模型的推理和微調(diào)效率呢？

芯原NPU IP研發(fā)副總裁查凱南認(rèn)為：“面向邊緣人工智能對模型和硬件的需求，NPU更適合端側(cè)人工智能?！?/p>

從實際應(yīng)用中，我們看到端側(cè)推理最受歡迎的確實是NPU。

關(guān)聯(lián)到芯原NPU的銷售情況，根據(jù)戴偉進(jìn)的介紹：“芯原自2016年開始人工智能NPU的開發(fā)，當(dāng)前芯原的NPU已經(jīng)在全球累計出貨超過1億顆，已被72家客戶用于其128款人工智能芯片中，廣泛應(yīng)用于AI視覺、AI語音、AI圖像、AIoT/智慧家居、AR/VR、自動駕駛、PC、智能手機(jī)、監(jiān)控、數(shù)據(jù)中心、可穿戴設(shè)備、智慧醫(yī)療和機(jī)器人等領(lǐng)域?！?/p>

那么，為何芯原的NPU會這么受歡迎呢？

根據(jù)查凱南的介紹，“如今Transformer大模型到處可見，而芯原對Transformer做了優(yōu)化，對推理和訓(xùn)練都做了很多工作。在端側(cè)，芯原擁有VIP9X00和GC9XX00AI AI-GPU IP的同時，還有專門為端側(cè)定制的NPU IP，它能高效地處理各類神經(jīng)網(wǎng)絡(luò)和計算任務(wù)，最小化數(shù)據(jù)傳輸?！?/p>

值得一提的是，最新一代的芯原VIP9000系列NPU IP具備可擴(kuò)展的高性能處理能力，不僅適用于Transformer和卷積神經(jīng)網(wǎng)絡(luò)（CNN），還融合了4位量化和壓縮技術(shù)，以解決帶寬限制問題，方便在嵌入式設(shè)備上部署生成式人工智能（AIGC）和大型語言模型（LLM）算法，如Stable Diffusion和Llama 2。

機(jī)器人部署AI大模型，NPU助力端側(cè)芯片迎接挑戰(zhàn)

“現(xiàn)在的機(jī)器人到底是智能機(jī)器人還是智障機(jī)器人呢？實際上的確過去的AI卷積計算已經(jīng)解決了部分特殊場景上的功能，但普適性還不夠，未來大模型跟3D空間計算會給具身智能帶來很多加速。”，神頂科技（南京）有限公司董事長、CEO袁帝文如是說。

什么是具身智能？其實說開了是我們經(jīng)常能聽到的一些熱門應(yīng)用，包括工業(yè)機(jī)器人、人形機(jī)器人、AGV/AMR、MR/AR、自動駕駛、低空飛行、智能家居等。

那么當(dāng)大模型落地這些機(jī)器人應(yīng)用中時，會給終端芯片帶來哪些設(shè)計上的要求呢？

袁帝文重點提到了對高實時性NPU的要求，他認(rèn)為：“端側(cè)的NPU不僅需要多核多線程，在高能效比的技術(shù)上，來提升實時處理能力、多任務(wù)處理效率、人工智能能力，支持復(fù)雜感知與融合；還需要對Transformer實現(xiàn)高效支持，來解決內(nèi)存訪問成本和內(nèi)存使用成本等問題；最后還需要具有模型參數(shù)量化和壓縮的能力，比如通過權(quán)重壓縮，即通過多種技術(shù)方法（如量化、剪枝、稀疏，Tiling等）來減少模型的存儲和計算需求?！?/p>

據(jù)悉，當(dāng)前神頂科技正在采用“3D空間計算芯片 + 芯原NPU”來實現(xiàn)大模型在機(jī)器人上的人工智能部署。

寫在最后

借用戴偉民博士的觀點作為本文結(jié)尾，“ChatGPT出來之前只會下棋，但出來后就變成了通用人工智能，但是否會帶來‘超智能’的問題？就中國而言，雖然在算力方面有些限制，計算機(jī)語言也不是中文，資金方面也比不上美國，但我們必須追上去，而不能成為“弱智能”國家?！?/p>