内容简介:既然挖矿生态市场会随着设备的更新而不断被改变,那么在其中起着核心关键作用的模块就当属挖矿芯片了。从以往的显卡挖矿,扩展到现今主流的ASIC芯片矿机挖矿,起主导作用的就是ASIC挖矿芯片的算力迅猛发展以及算法的延展性能。目前,比特大陆、嘉楠耘智均在人工智能算法芯片上进行发力,企图透过人工智能算法芯片为挖矿矿机插上腾飞的翅膀。以上两家企业开发的人工智能芯片均在CNN / RNN / DNN 等人工神经网络的预测和训练上进行发力,企图以更加一体化的整体解决服务方案来占据更多的市场份额。 他们除了在芯片研发和硬件
既然挖矿生态市场会随着设备的更新而不断被改变,那么在其中起着核心关键作用的模块就当属挖矿芯片了。从以往的显卡挖矿,扩展到现今主流的ASIC芯片矿机挖矿,起主导作用的就是ASIC挖矿芯片的算力迅猛发展以及算法的延展性能。
目前,比特大陆、嘉楠耘智均在人工智能算法芯片上进行发力,企图透过人工智能算法芯片为挖矿矿机插上腾飞的翅膀。以上两家企业开发的人工智能芯片均在CNN / RNN / DNN 等人工神经网络的预测和训练上进行发力,企图以更加一体化的整体解决服务方案来占据更多的市场份额。 他们除了在芯片研发和硬件制造方面进行了演进与突破,也将芯片作为一种策略结合配套的软件管理体系以及解决方案,为人工智能领域注入多元化的应用。为边缘计算提供另一种市场策略,与开发者一同开创出新的人工智能时代。在优化数据带宽、提升运算单元、提升视频解码能力、适配更丰富的接口等表现上都更加优于传统的芯片制造商。始于挖矿,而不止于挖矿。以下为市场上主要的矿机芯片生产商:
挖矿获利颇丰,积极拓展AI芯片业务
从两大巨头比特大陆和嘉楠耘智的业务线设置情况来看,各自也都打算在进一步强化矿机、矿机芯片业务的同时,积极拓展人工智能算法芯片的业务。
我们首先来对比一下两家巨头的业务线设置。
我们可以看到对比嘉楠耘智的业务线发展, 比特大陆的业务线发展相对完善,对于矿机及芯片主业务的辅助力量也相对更强,有利于公司整体业务布局的推进。
众所周知,在2018年的8月中嘉楠耘智首先推出了全球第一款搭载7nm芯片的ASIC挖矿矿机。此举是抢在了比特大陆蚂蚁矿机之前发布,先一步占领7nm芯片ASIC挖矿矿机的市场。作为全球最大的比特币矿机厂商,比特大陆从第一代的矿机蚂蚁S1开始,就专为比特币计算设计了专用的ASIC芯片。此前其各类ASIC芯片生产制程涵盖了28nm、16nm、12nm。由于矿机出货量巨大,比特大陆也很快成为了台积电的大客户。今年一季度,业内就传出比特大陆已成为了台积电前5大客户之一。此外,比特大陆不仅包下了台积电南京工厂的产能,还计划在今年下半年推出多款的专用芯片,并采用台积电的10nm、7nm工艺。目前台积电的7nm产能非常紧张,而且大部分被苹果的新一代A系列处理器所占据,所以要拿到台积电7nm产能非常的不容易,不是优先级很高的大客户很难办到。所以嘉楠耘智抢先发布7nm芯片ASIC矿机的举措可谓是意义非凡。
我们再来看看两大巨头在芯片更新上的对比:
从芯片的演变来看,矿机芯片从100nm以上进化到了目前流行的10nm以内,这是一个巨大的跨越。 虽然目前最为先进的7nm芯片工艺成本高昂,但7nm工艺对比10nm的性能提升了25%,功耗却降低了35%。 对于一般的手机芯片来说,一旦规划采用7nm工艺生产,制造商每年需要大约1.2亿至1.5亿的出货量才能够实现盈亏平衡,以此来弥补研发和制造成本。但是对于矿机厂商来说,这个出货量并不难完成。
比如比特大陆S9一台矿机中就搭载了189个16nm的BM1387芯片;嘉楠耘智的阿瓦隆A821矿机也搭载了104个16nm的ASIC芯片。 高成本的芯片制造门槛,对于头部矿机厂商来说更为有利。他们能够进一步拉大与其他竞争者的差距,如果在接下来其他矿机厂商不能够持续跟进现今的制造工艺,很容易被市场所淘汰。
AI芯片意在何方?
而矿机公司开发人工智能算法芯片与传统芯片公司抢夺市场的情况,是矿机厂商创新性的拓展方式,企图在主营业务以外,抢夺其他芯片公司的市场份额,以求获得更高的利润。而 人工智能要发展起来要完全具备四个条件:算法的成熟、大数据的积累、计算能力的进步和应用场景的需求,现在这些条件都已完全成熟,同时也对人工智能算法芯片有着极大的需求。 集成运算能力更高的人工智能算法芯片,无疑门槛已被降低,入场者越来越多。
比特大陆的人工智能算法芯片主要服务对象面向深度学习CNN / RNN / DNN 等人工神经网络的预测和训练,辅以视频和图像分析服务系统,为人工智能的落地应用场景提供更多的底层支撑。
嘉楠耘智的人工智能算法芯片主要面向以下几个场景:智能家居、自动驾驶、语音交互、图像识别。第一款量产的AI芯片KPU已经在2017年发布了,基于TSMC先进进程,采用16nm的工艺,提供高性能、低能耗、小型化的芯片。此款单一芯片中集成了人工神经网络和高性能处理器,将来的应用场景有望扩展至智能终端、移动设备、物联网设备等,并在机器学习的图像处理、视频处理、语音处理、运动控制等方面有所表现,这也是目前人工智能领域落地最为实际的应用场景。
而在区块链领域中,我们人工智能+区块链方向就有不少项目。区块链可以看做是分布式的数据、算力、算法的资源集合体,所以很多人认为区块链是解决传统AI难题的一剂灵丹妙药。 目前,人工智能行业有以下三大痛点:1、数据被大 型企业及组织垄断且质量差;2、在算力上硬件成本高;3、算法人才短缺。
区块链对人工智能的行业赋能完全能够解决前两大痛点。首先去中心化地进行数据收集与共享(数据置换)就能打破目前数据被垄断的市场情况,而其次,人工智能算法芯片在将来也一定会因区块链挖矿而带来一番革命性的变化。首先,矿工一直在进行的就是简单的哈希计算,而深度学习还是主要以GPU通用计算为主。深度学习CNN / RNN / DNN 等人工神经网络的预测和训练算法本身是在既定框架下,由算法工程师主观意愿而调整的,并不是锚定不变的算法。因此 目前来看挖矿硬件是难以支持深度学习训练的 。我们现在观察到的几大矿机生产商不断研发制造AI芯片, 极有可能是想要研发出满足AI+区块链各种需求的专用芯片,配合专门的协议,可以解决均等分配计算任务的难题,使得矿工在挖矿给区块链账本记账的同时,解决AI计算问题。 AI+挖矿的芯片将实现软硬结合的系统,类似于Google TPU Cloud的发展路线。Google已经发布了三代TPU产品,从AISC方向进军AI芯片市场,这对于AI+区块链各种需求的专用芯片来 说是一个很好的参考方向。以下为Google公司TPU发展框架:
其中,Google于2018年5月份Next云计算大会第二天,披露了自家抢攻loT终端运算的战略武器Edge TPU,除了自用,也将提供给其它厂商使用,或许会对物联网loT智能云计算市场带来巨大冲击。我们大胆地猜想,如果搭载此类AI芯片的智能云设备去做挖矿,是不是能够 实现以AI芯片为主导的“云挖矿” ?这或许也是比特大陆、嘉楠耘智等巨头所想要达到的新目标,毕竟这样的“云挖矿”如果实现,传统的矿场、矿机、矿工及生产商们,在整个生态当中的作用地位,就会被大大削弱。
经过以上分析以及推论,挖矿矿机芯片将会出现以下几大趋势:
1、算力继续上升;
2、能耗继续下调;
3、工艺不断改良,更会不断推出更为精细的芯片;
4、将有满足AI+区块链各种需求的专用芯片出现,实现AI+挖矿,更会有AI矿机面市;且AI+区块链专用芯片的面市,会将挖矿落地到各个场景,不在仅限于矿机挖矿;
5、AI+区块链相关项目将带动AI云挖矿服务的崛起,在前期还未成熟阶段,芯片厂商仍将主打AI芯片以抢夺传统AI云服务(如阿里云、亚马逊AWS等)的市场;
6、中小矿机芯片厂商将会被“AI+挖矿”所淘汰;
矿机芯片生产商积极拓展人工智能算法芯片,将会使得传统简单的哈希运算挖矿被革命,支持深度学习的挖矿芯片将随着人工智能的成熟而迅速抢占市场份额。这也能够使得挖矿不仅仅再是矿场、矿工和矿机们的事了,未来的每一个AI移动设备都是挖矿设备,AI物联网loT设备将会被大批量地激活
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- “安全大脑”透视“芯片门” 如何应对未来芯片黑产
- 倪光南:未来国产开源芯片将成为主流芯片
- 6小时完成芯片布局,谷歌用强化学习助力芯片设计
- 人工智能是芯片,如何将芯片行业去除商品化
- 【PPT下载】5大维度对比主流芯片架构,类脑芯片未来可期
- 阿里CTO张建锋:成立自主芯片公司,全球最领先神经网络芯片明年面世
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
算法(英文版•第4版)
[美] Robert Sedgewick、[美] Kevin Wayne / 人民邮电出版社 / 2016-3 / 129.00元
本书作为算法领域经典的参考书,全面介绍了关于算法和数据结构的必备知识,并特别针对排序、搜索、图处理和字符串处理进行了论述。第4 版具体给出了每位程序员应知应会的50 个算法,提供了实际代码,而且这些Java 代码实现采用了模块化的编程风格,读者可以方便地加以改造。本书配套网站提供了本书内容的摘要及更多的代码实现、测试数据、练习、教学课件等资源。一起来看看 《算法(英文版•第4版)》 这本书的介绍吧!