推理加速引擎MagicMind是寒武纪软件栈Cambricon Neuware全新升级的重要组成部分
图源：企业官网
在巨大的市场需求推动下 ， 技术进步也愈加快速 ， 硬件上翻倍甚至更多倍的增长比比皆是 。 比如今年1月发布的思元290 ， 相比思元270就实现峰值算力提升4倍、内存带宽提高12倍、芯片间通信带宽提高19倍 。
但硬件强只是起步 ， AI芯片企业更需要软件强 。 比如英伟达在AI芯片领域的强大 ， 除了硬件性能之外 ， 也因为其CUDA生态已经成为众多人工智能开发者主流选择 ， 从而为自己造就了一条护城河 。 初创企业 ， 同样需要建立自己的生态护城河 。
云、边、端、车四位一体布局中的寒武纪优势AI芯片龙头的优势 ， 毋庸讳言 。 而寒武纪在最新的布局中 ， 也显现出一家创业企业的独特优势 。
在今年7月举办的2021世界人工智能大会上 ， 寒武纪首次披露了控股子公司行歌科技的进展 ， 并披露研发中的车载智能芯片关键数据——基于7纳米制程的车规级芯片 ， 算力大于200TOPS ， 具备独立安全岛及成熟软件工具链 。
据中国汽车工业协会数据 ， 2020年中国汽车销量为2531.1万辆 。 假如未来10年汽车销量的规模继续维持在2500万辆左右 ， 智能汽车渗透率能够达到50% ， 车载智能芯片单车价值达到5000元 ， 那就是高达625亿元的市场规模 。 只是现在这一市场可能还不够大 ， 但未来整个智能驾驶系统的市场规模一定会堪比手机SOC、云端AI芯片 。
一方面 ， 智能驾驶不仅是车载智能芯片的事情 ， 未来的智能驾驶一定会涉及车路协同 ， 通过路测的边缘端智能芯片实现实时收集、低延时传输道路与车辆、车辆之间的交互信息 ， 将汽车本身获取不到的盲区、路侧、他车、超远距离、全路网实时信息告知汽车端 ， 帮助单个汽车或者智能车队规划路线；边缘端传感器采集的许多数据还会回传至云端 ， 利用云端智能芯片处理边缘端芯片难以处理的复杂训练、推理任务 。
IDC半导体研究总监Michael J. Palma曾说：“在边缘系统中 ， 神经网络做出的即时决策可以创造独特的价值 ， 不受延迟和连接问题的约束——而这些问题对云解决方案来说是个挑战 。 ”未来遍布路网的边缘端智能芯片 ， 将成为智能驾驶完整系统不可或缺的组成部分 。 整个智能驾驶的实现 ， 更需要“云边端车”四位一体的深度联动 。
另一方面 ， 寒武纪本身在云边端的AI处理器上已经有着有代表性的量产产品 。 2016年成立初期就以IP授权的形式打入高端智能手机终端市场 ， 在终端智能处理器IP授权业务上一战成名之后 ， 又迅速拓展云端业务 ， 通过新业务提高了公司的核心竞争力和抗风险能力 ， 成功规避了单一客户带来的波动影响 。 2019年底 ， 寒武纪又发布了边缘AI系列芯片及加速卡产品 ， 通过统一的软件开发平台 ， 实现云边端无缝协同 。
从“云边端一体化”走向“云边端车”四位一体 ， 对智能驾驶行业来说是一种未来的必然趋势 ， 对寒武纪自身来说则是一个自然的发展过程 。
寒武纪的“云边端车”处理器都是用统一的处理器架构和基础软件平台 ， 这意味着开发者只要在某一端应用寒武纪的产品 ， 其他端很容易就能实现互相兼容 ， 大大减少不同平台的开发和应用迁移成本 。
寒武纪“云边端车”的协同优势 ， 在目前国内车载智能芯片厂家中是较为独特的 。
首先就是设计经验直接复用 。 国内智能驾驶芯片企业一般采用12纳米、14纳米、16纳米制程居多 ， 行歌科技却起步就要做7纳米制程、200 TOPS以上算力 。 这种大算力、先进制程芯片 ， 没有过7纳米制程经验的AI芯片企业是很难操作的 ， 行歌科技的优势就在于可以直接复用母公司寒武纪的7纳米芯片设计经验 。
其次 ， 寒武纪的云端AI芯片属于通用型AI芯片（非通用处理器） ， 具有通用的AI软件栈 ， 客户可以根据需要方便移植或开发自己的算法 。 从云端芯片到车载芯片 ， 芯片上要移植新的智能驾驶算法 ， 这种通用型就能够避免行歌科技重新花大量的时间和精力去做适配工作 。
【寒武纪|寒武纪：等待下一个爆发期】第三 ， 在车载AI芯片的车规级要求上 ， 虽然寒武纪此前没有做过车规级产品 ， 但从工业级到车规级 ， 更多区别在于车规级的温度、振动、侵蚀、电磁兼容、可靠性、一致性、产品生命周期等要求更严格 ， 对芯片设计本身而言结构变化并不大 ， 拓展车载芯片的难度并不会高于此前从终端拓展到云端、边缘端 。

稿源：(亿欧)

【傻大方】网址：http://www.shadafang.com/c/111295I032021.html

标题：寒武纪|寒武纪：等待下一个爆发期( 二 )