發展AI晶片 台灣有大好機會

人工智慧(AI)能為人類做的事情愈來愈多,透過演算法,人工智慧不僅會跟人對話,能認出人臉,幫人看病,甚至還幫人開車。在AI加持下,各產業創新產品與服務全面興起。這些新興應用背後的運算能力,靠的是AI晶片的突破,有如汽車引擎一般,是加速AI發展的關鍵。

更快的運算速度與更低的功耗是現階段AI硬體的主要訴求,且須結合深度學習演算法,才有利於AI發展。 (圖/123RF圖庫)

AI概念提出至今已超過一甲子,但受限於晶片運算處理效能及記憶體等技術限制,致使人們冀望AI能夠達成的許多應用無法實現。時至今日,高效運算和演算法進展一日千里之際,AI發展可謂水到渠成。

AI基本要素有三:硬體、軟體和應用,三者缺一不可。AI興起的先決條件就在於運算速度快,受惠半導體技術精進與演算法優化,AI已能搭配硬體深入生活應用,像是物聯網、自駕車、智慧製造等,為生活與產業帶來各式新興應用。

近年AI引起各界關注的引爆點應是AlphaGo打敗中、韓棋王。AlphaGo背後有上千台電腦伺服器同時運算,再挑出最佳的棋步,AlphaGo的獲勝,儘管可以證明AI的能耐,但有一點不能忽視的是,支援AlphaGo的電腦,所耗用電力卻是人腦的1萬倍,務實來看,AI不可能在這麼大的功耗下發展,更遑論進入你我的生活。更快運算速度與更低的功耗,是現階段AI硬體的主要訴求,且須結合深度學習演算法,才有利於AI發展。如果說各國在AI領域的競爭是一場硬仗,那麼台灣競爭力的關鍵會是在晶片。

打敗中、韓國棋王的下棋機器人AlphaGo,背後有上千台電腦伺服器同時運算。(圖/123RF圖庫)

AI處理晶片主要分為中央處理器(CPU)、繪圖晶片(GPU)、可編程邏輯閘陣列晶片(FPGA)及特殊應用晶片(ASIC)等四種。依特性與使用目的,又可區分為雲端運算與邊緣運算兩類。雲端運算類晶片需要處理龐大的數據,運算時間長,晶片功耗較高,但整體效能佳,以CPU和GPU為發展主流,主要應用在資料中心與超級電腦;邊緣運算類晶片是在雲端與終端裝置間設置運算層,先行處理龐大資料,傳送即時性佳,功耗要求低、晶片體積小,以FPGA與ASIC為主。目前主要國際大廠的AI晶片現況中,GPU龍頭輝達(NVIDIA)布局AI腳步最快,GPU同步重覆運算能力適用於AI深度學習;CPU大廠英特爾(Intel)先後併購Nervan System、Mobileye、Movidius、Altera及eAsic等AI相關公司,布局AI晶片企圖心明顯;谷歌推出AI晶片TPU,屬客製化ASIC;微軟則推出基於FPGA的視覺AI晶片。

一般認為以演算法為基礎的AI,軟體成分較重,但從傳統晶片大廠積極競逐AI市場的動作來看,「AI時代硬體發展的重要性不亞於軟體,這正是台灣發展AI的希望所在」。AI運作可粗分為兩階段,分別是「學習」和「推論」,前者透過機器學習技術,利用大量樣本數據對演算法進行訓練;後者則執行演算法,在終端應用解讀現實數據。

觀諸國際大廠布局,雲端運算使用的CPU、GPU晶片已被國際大廠把持。因此台灣不一定要搶大廠擅長的高效能運算晶片設計市場,加上國際大廠未來也會借重台積電先進製程,突顯台積電在這場AI戰爭中的重要地位。此外,Google資料中心採用不少台灣廠商元件和產品,台灣亦具發展優勢。台灣要切入AI產業,潛在機會在於邊緣運算。隨著AI技術日趨演進,AI由雲端走向裝置端已成必然趨勢,裝置端AI的主要關鍵在於擁有高效能的AI晶片。台灣在晶片、終端設備與系統具有優勢,也擁有高度的靈活度和彈性,如能配合軟體產業,就有很大的發展空間。

台灣半導體產業2018年總產值居全球第三,其中晶圓代工及封裝測試皆為全球第一,IC設計業則僅次美國居全球第二。在半導體製造強項的基礎上,配合軟體平台,在軟硬體相得益彰下,台灣在AI的發展機會還是很好。

 

(本文經工研院電子與光電系統所所長吳志毅同意授權轉載)

 

如需轉載、引用本篇文章,請先與我們連絡呦!
每一個都是支持「工業技術研究院」持續創作的能量!感謝您!!
※文章內容為作者個人觀點,不代表本站立場

關閉