拿着锤子找钉子，数字芯片者比特**进军人工智能
占领了虚拟货币芯片80%以上的市场后，比特**开始拿着高性能计算芯片设计的“锤子“探索新的”钉子“，而深度学习计算芯片无疑是其中最大的一颗。
随着大数据发展、深度学习算法和计算技术的突破，人工智能掀起了新的时代浪潮。同时，全球科技巨头如Google， Facebook， Microsoft，国内BAT都在抢占布局AI市场。而芯片和算法，被视为是人工智能产业的重要技术支撑。
近日，北京比特**科技有限公司（以下简称“比特**”／BITMAIN）推出了人工智能品牌SOPHON（算丰），并重磅发布了面向人工智能应用的专用定制芯片SOPHON BM1680，深度学习加速卡SC1和SC1+以及智能**分析服务器SS1。同时，笔者注意到，“算丰”的官网SOPHON.AI已正式上线，比特**的芯片、加速卡和处理器都已经进入量产阶段，11月8日在官网全球发售。
“人工智能驱动了又一个星球级的计算体量。”比特**联合创始人、CEO詹克团在发布会上表示。
比特**发布的三款产品标志着其正式进军AI芯片领域。作为今年人工智能领域的重要赛道之一，尽管“人工智能芯片”相比于语音识别等技术，在消费级市场并没有得到大众的特别关注，但是作为人工智能的基础硬件设施，其已经成为诸多公司抢夺人工智能市场、占据风口的一大战略制胜点。
国内，相关初创公司战况愈烈：上个月，主打“嵌入式”的地平线机器人获得来自英特尔的战投，预计年底前将完成A轮融资；同月晚些时候，深鉴科技宣布已完成约4000万美金的A+轮融资，将加大对安防和相关研发投入；今年8月，寒武纪完成一亿美元A轮融资，成为人工智能芯片领域的首个独角兽。而英特尔等国际大公司也在陆续进入这个炙手可热的领域：英特尔陆续收购Altera、Mobileye等多家公司，拿下相关技术；芯片大厂英伟达则凭借在GPU上的优势走在了人工智能芯片的前列，前几个月，黄仁勋在GTC技术大会上还发布了一款针对深度学习而打造的芯片Tesla V100；微软则把重心放在FPGA人工智能芯片上，目前已经被用在Bing搜索的支持上。
入场人工智能领域，是比特**的重要一步。而这家全球最大的数字货币芯片及硬件公司入局人工智能领域也无疑对这个赛道产生了不可置疑的巨大影响。
拿着锤子找钉子，现在是进军人工智能行业的**时机
在第三次的人工智能浪潮中，作为让人工智能技术更快、更好运行的基础硬件设施，人工智能芯片必然是未来智能化时代的重要底层技术。也因此，虽然人工智能芯片相比于其他人工智能技术和应用显得低调得多，但它的布局依旧是众多厂商眼中不能错过的“机遇”。
比特**显然也看好这一机会，而多年来在芯片应用领域多积累的专业经验，也让其在切入这一新领域的过程中深入且高效：汇聚了世界各地对AI怀抱无限**的工作者，比特**的研发团队中有全球芯片设计领域的一流专家，有深度学习算法领域的**高手，有计算机视觉领域的超级**，这个团队亟待在具有强大竞争对手的AI领域开辟出一片前所未有的天地。
数字货币芯片出身的比特**成立于2013年，詹克团称在比特币、莱特币这些主要的虚拟数字货币市场上，比特**的占有率已经超过80%，甚至可能超过90%。比特**用全定制的芯片设计方法去设计高速低功耗的芯片。在今年16纳米节点上，其芯片出货量已经超过10亿只，而其商业模式非常简单，最核心就是**特币等虚拟货币的挖矿机。除了研发和销售矿机，比特**还在建设和部署大型的数据中心。
“在比特币上小有成就之后，我们感觉自己手里好像拿着一把锤子，到处看哪里都是钉子”，就在找钉子的过程中，我们发现深度学习是非常适合用锤子对付的钉子，所以我们开始做这个深度学习计算芯片。
比特**很早就意识到，不断提升的计算量在计算机体系结构上面要做一定的创新，传统的CPU显然不合适。因此，从各种产业和**都可以看到，其实深度学习用在Cloud端高性能芯片的体系结构，都已经慢慢往Tensor架构靠拢。
从Cloud端看Deep Learning计算非常简单，一个是性价比和能耗比。对于Deep Learning来说，确实在这两个方面会表现的相当好，因此对于云端的Deep Learning计算，我认为谷歌提出“TPU”张量计算处理器，Tensor这个名字是很合适的。
“但Deep Learning计算还有另外一种芯片应用，就是终端，我个人认为这是更加困难的，做这种架构由于不得不受限于单芯片的功耗，不能太大，一般来说这种芯片很难超过10瓦，所以设计这种的体系结构是非常有挑战的一件事情。”詹克团称。
“在数字货币领域经过战争般的洗礼，进而奠定我们的优势，我们会跑的快一点。”
“我们从2013年就开始做，如果一定要说我们有什么优势，那就是我们可能会跑得比较快一点，毕竟我们的公司的市场管理、研发管理、财务，还有很多东西我们已经在虚拟货币市场上经过战争般的洗礼，虚拟货币这个市场又是发展非常快速的市场，所以相对来说比特**可能会动作会更快一点点。”在发布会上，詹克团如此描述入主人工智能芯片领域的优势。
据了解，比特**基于自研的数字货币芯片，研发和量产了高性能、高密度的服务器**矿机，且在全球多个地区建立数据中心，并基于此搭建云计算服务及大规模并行计算资源调度服务平台。
成立四年多来，比特**的产品已销往全球100多个国家，且在海外多个国家设置销售和客服团队，提供24小时支持服务，覆盖中文、英语、俄语、韩语等。
对标谷歌TPU，面向全球交付采用改进型“Systolic脉动陈列”技术的AI芯片
随着数据量级的迅速增大，深度学习在硬件执行上一直面临瓶颈。
大概3年前，CPU还是人们在应用机器学习算法时最常用的硬件芯片。CPU基于其构造，70%的晶体管都被用来构建Cache，还有一部分用来控制单元，计算单元少，适合运算复杂逻辑复杂的算法，对程序员来说非常友好。但是，随着数据量和运算量的迅速增加，CPU执行机器学习的缺点也逐渐暴露。CPU为了满足通用性，很大一部分的芯片面积用于复杂的控制流，牺牲了运算效率，并且，CPU也不支持张量计算。
这时候，GPU进入了机器学习研究者的视野。GPU晶体管大部分构建计算单元，运算复杂度低，适合大规模并行计算。以图像渲染为目的的GPU支持SIMD架构，这一点对机器学习算法非常有效。因此GPU的SIMT架构虽然能遮盖内存访问实现高吞吐量，但是能效比（即执行完单位运算需要的能量）并不好。但是，目前能效比正在成为越来越重要的指标。对于移动应用，能效比不好意味着电池很快就会被用完，影响人工智能的普及；对于云端数据中心应用，能效比不好则意味着数据中心需要在散热投入许多钱，而目前散热已经成为数据中心最大的开销之一。
在去年的谷歌 I/O 开发者大会上，谷歌宣布发布了一款新的定制化硬件——张量处理器（Tensor Processing Unit/TPU），这一新想法的提出令业内人士激动不已，但谷歌迟迟没有公布细节。直到今年4月份，Google发表**，详解了神经网络推断专用芯片TPU的架构，还展示了一些性能数据，比如说：在推断任务中，TPU平均比英伟达的Tesla K80 GPU或英特尔至强E5-2699 v3 CPU速度快15至30倍左右。
TPU作为一种人工智能技术专用处理器，在种类上归属于ASIC（Application Specific Integrated Circuit，为专门目的而设计的集成电路）。相比人工智能技术常见的另外几种处理器CPU（中央处理器）、GPU（图像处理器）、FPGA（阵列可编程逻辑门阵列），ASIC天生就是为了应用场景而生，不会有冗余，功耗低、计算性能高、计算效率高，所以在性能表现和工作效率上都更加突出。
以下是Google硬件工程师 Norm Jouppi 在Google云计算博客上透露的部分性能信息：
1、在神经网络层面的*作上，处理速度比当下GPU和CPU快15到30倍；
2、在能效比方面，比GPU和CPU高30到80倍；
3、在代码上也更加简单，100到1500行代码即可以驱动神经网络；
这要归功于ASIC本身的特点：处理器的计算部分专门为目标数据设计，不需要考虑兼容多种情况，控制配套结构非常简单，间接提升了能效比；可以在硬件层面对软件层面提前进行优化，优化到位的情况下可以极大减少API接口的工作量。
在谷歌的TPU处理器中，最大的创新点之一就是采用了Systolic（脉动式）数据流。在矩阵乘法和卷积运算中，许多数据是可以复用的，同一个数据需要和许多不同的权重相乘并累加以获得最后结果。因此，在不同的时刻，数据输入中往往只有一两个新数据需要从外面取，其他的数据只是上一个时刻数据的移位。在这种情况下，把内存的数据全部Flush再去去新的数据无疑是非常低效的。根据这个计算特性，TPU加入了脉动式数据流的支持，每个时钟周期数据移位，并取回一个新数据。这样做可以最大化数据复用，并减小内存访问次数，在降低内存带宽压力的同时也减小了内存访问的能量消耗。
Systolic事实上并不是一个太新的东西，在1982年，H. T. Kung首次在**中提出了这一设计，对于为什么要设计这样的架构，作者给出了三个理由：要真正理解脉动阵列，首先要问的就是发明者的初衷。这正好也是1982年H. T. Kung**的题目。对于为什么要设计这样的架构，作者给出了三个理由：
对于为什么要设计这样的架构，作者给出了三个理由：
1. Simple and regular design：简单和规则是脉动阵列的一个重要原则。
2. Concurrency and communication：并行性和通信的重要。
3. Balancing computation with I/O：平衡运算和I/O，这是脉动阵列最重要的设计目标。
总结来说，正如一位知乎大v唐杉所说：脉动架构是一种很特殊的设计，结构简单，实现成本低。
脉动架构有几个特征：
1. 由多个同构的PE构成，可以是一维或二维，串行、阵列或树的结构（现在我们看到的更多的是阵列形式）；
2. PE功能相对简单，**通过实现大量PE并行来提高运算的效率；
3. PE只能向相邻的PE发送数据（在一些二维结构中，也可能有对角线方向的数据通道）。数据采用流水线的方式向“下游”流动，直到流出最后的PE。
值得一提的是，和谷歌TPU的内核一样，SOPHON BM1680内部的加速器内核也采用了脉动阵列（Systolic）架构技术。Systolic在处理Deep Learning运算上有得天独厚的优势，用硬件实现**的数据搬运和计算任务的调度，就可以获得非常高的性能，适合用在云端做加速。
据了解，SOPHON BM1680可适用于CNN、RNN和DNN等多网络的预测和训练，这也是继谷歌发布TPU之后，又一款专门用于张量计算加速的专用芯片（ASIC）。
最后，比特**也给出了SOPHON的迭代时间线：第二代芯片BM1682下个月发布，也是采用16纳米工艺，功耗差不多还是30瓦，计算能力大概是3T。第三代芯片会在明年的9月份发布，采用12纳米工艺，功耗30瓦，计算能力到6T。
《三体》中的超级机器人SOPHON：服务器+软件全栈+应用API的全套解决方案
SOPHON的名字来自刘慈欣的小说《三体》。在《三体》中，SOPHON是被三体人制造出来锁死地球科技的强人工智能体。比特**对SOPHON的厚望也如此，除了作为芯片提供方，SOPHON致力于拥有软硬件全栈开发的能力，和各个层次的工具链能力。从硬件、驱动、指令集、线性代数加速核心数学库，RUNTIME库，BM Deploy的Inference部署工具，FFT加速库，针对SOPHON芯片优化的深度学习框架（Caffe，Darknet, Tensorflow，MXNet等），以真正实现软件、硬件的协同设计和一体化的优化，实现深度学习应用在硬件上的**优化性能。
从SOPHON官网的参数介绍中可以了解到，BM1680现已支持Caffe Model和Darknet Model的编译和优化，适用于Alexnet，GoogLeNet，VGG，ResNet，YOLO，YOLO2等网络。
BM1680芯片架构图（摘自BM1680 DATASHEET文档）
基于BM1680芯片，比特**还推出了两款新产品：深度学习加速卡SOPHON SC1和智能**分析服务器SOPHON SS1，并同步发布SOPHON.AI官网。会上，比特**通过该服务器成功演示了机非人结构化demo，人体/人脸检测Demo，这两者广泛应用于安防****、**、交通、金融等领域。
SC1和SC1+的架构类似，都是PCIE的总线连入**
据介绍，SOPHON SS1提供了一整套针对**和图像识别技术的深度学习解决方案。**核心组件是两张SOPHON SC1（或SC1+）深度学习加速卡，通过PCIE接口实现与应用**的连接。SS1的应用**基于X86 CPU打造，以供启动、存储管理及深度学习SDK协调之用。SS1的整个**被浓缩进一个4机架单位（4U）机箱中，集电源、**、网络、多**互联及文件**于一体，客户可以在此基础上实现快速的二次开发或**集成，最大程度上方便了用户对深度学习**的利用。
“比特**在深度学习、AI领域的使命，或者说目标，和我们在数字货币上面做的事情一样，通过一点一点的、一代又一代的芯片，一代又一代的产品不断迭代，把产品做到极致，做到**，服务好需要用到深度学习加速服务的用户和应用。”詹克团称。
比特**“千呼万唤始出来”的人工智能芯片终于面世于众，其在人工智能领域激起的新波澜已然不容置疑。然而，在此次发布的第一代产品基础上，未来的产品迭代和相关生态建设可能是更加值得市场关注的问题。
当前，以芯片为代表的信创产业逐步成为国家科技竞争力的重要标志。在国产CPU产业强势崛起的过程中，你首先想到的会是哪几企业？答案有很多，但“中科系”的提及率绝对很高。作为国家战略科技力量，“中科系”旗下
21世纪经济报道记者倪雨晴 圣何塞报道在硅谷源泉之一的圣何塞，英特尔CEO帕特·基辛格（Pat Gelsinger）正在带领英特尔加速奔跑。当地时间9月19日，2023英特尔on技术创新大会于美国加利
财联社9月19日讯（记者 唐植潇）近日有消息称，OPPO将会重启芯片业务，并且“有部分员工已经回流，加入到了车载业务之中”。记者就此事向OPPO方面进行核实，对方表示“不予置评”。特百惠（我国）数字与
600亿颗芯片！我国巨头正式宣布，美媒：**也没料到制裁这么快
我国芯片市场与美国依赖我国的集成电路市场一直以来都是一个巨大的市场，拥有庞大的需求和巨大的增长潜力。我国的电子消费市场一直在迅速增长，包括智能手机、电视、电脑和各种智能设备等，这些设备都需要高性能的芯
最新手机芯片天梯图：A17、华为麒麟9000S，排在什么位置？
近日，最火的两颗芯片分别是苹果的3nm芯片A17 Pro，虽然很多人吐槽它较上一代提升不明显，但论性能，可以碾压任何安卓芯片，甚至是领先2代的。另外一款芯片，则是华为麒麟9000S，当然，这颗芯片工艺
韩国芯片连续13个月暴跌，尹锡悦指责我国不采购，外媒：自食其果
据韩国媒体称，韩国的半导体出口额已经连续暴跌13个月了，比去年同比下降了28%左右。韩国政府急的焦头烂额。尹锡悦政府竟直接甩锅我国，话里话外都是指责，他认为韩国半导体卖不出竟是我国的原因，我国应该帮助
我国突破芯片瓶颈将影响全球秩序？美国很担心，指出我国关键弱点
我国在芯片半导体领域一直深受美国的**，通过贸易制裁的方式阻止高端芯片进入我国市场。这样的举措一度造成我国芯片领域发展断档，不过随着我国科技企业近几年的突破，目前我国已经在芯片制造方面取得了重大的成果
前几天，华为一声不响的上线了mate60系列，带着麒麟芯片9000s强势回归，吸引了全世界的目光。而华为麒麟芯片**背后，我们不该忘记这位老人—张汝京。我国半导体之父，为回**造芯片，被开除**户籍，
【有车以后 资讯】“未来汽车对传统汽车的颠覆性，使传统零部件体系的50%以上都面临重构。”12月16日，在全球智能汽车产业峰会(GIV2022)上，我国电动汽车百人会理事长陈清泰指出，智能汽车的价值链
投稿点这里汽车有多少个零件?其实这个问题并没有一个十分确切的标准答案...据估计，一般轿车约由1万多个不可拆解的**零部件组装而成。结构极其复杂的特制汽车，如F1赛车等，其**零部件的数量可达到2万个
全球最大的10家汽车零部件供应商 都是世界500强 无我国企业
【卡车之家 原创】美国《财富》**每年发布的世界500强排行榜，是以营业收入数据对全球企业作出排名的榜单。2017年“世界500强”榜单中，汽车制造商和零部件厂商共占据33席（除去大型工程车辆企业），
汽车零部件企业哪家强？除了博世**还有这些名字你一定耳熟能详
文：懂车帝原创 李德喆[懂车帝原创 行业]9月18日，由《我国汽车报》主办，罗兰贝格协办的2019汽车零部件“双百强”企业发布会在江苏南京举行。在两份榜单中，博世、**、电装位列2019全球汽车零部件
行业现状（Reference：产业运行 | 2021年汽车工业经济运行情况）中汽协预测：2022年我国汽车销量达到2700万辆，新能源销量超过550万辆（Reference：乘用车市场信息联席会）以乘
全球十大汽车零部件供应商，核心技术都被他们垄断，自主遗憾缺席
提到电影，我们会想到张艺谋、冯小刚，而很少会想到幕后的制作人；提起流行乐，我们会想到周杰伦、萧敬腾，而很少会想到背后的作词人。台前台后，一幕之别，知名度往往相差甚远。车界又何尝不是如此，知名车企我们都
来源：环球时报 【环球时报记者 倪浩 陶震 环球时报驻德国特约记者 青木】经过3年疫情后，全球最具影响力的通信展今年有望再现往日盛况。2月27日至3月2日，由全球移动通信**协会（GSMA）主办的20
近日华为、苹果争相推出手机卫星通信功能，成为一大亮点，不少手机厂商也将目光投到卫星通信。放眼未来，手机直连卫星的卫星通信服务将是大势所趋，也是6G时代的重要标志。华为以“北斗三号”为依托，率先把“卫星
国内企业在光通信产品的参数测试过程中，通常使用国外的先进测试设备。然而，这些测试仪器之间往往是孤立存在的，需要手动调试仪器并通过旋钮、按钮和人眼观察波形或数据。这不仅*作繁琐易出错，而且测试效率低下。
龙头20cm涨停，7天股价翻倍！一文看懂卫星通信前世今生及产业链
卫星通信概念股华力创通今日再度强势拉升，截至发稿，该股股价20cm涨停，7个交易日累计涨幅近113%，现报23.52元续刷阶段新高，总市值155.9亿元。消息上，有媒体从供应链获悉，Mate 60 P
工信部：目前我国尚不具备实现网络层面的移动通信号码归属地变更的条件
针对网友提出的“电话号码归属地更改”建议，工信部近日给出了官方回复。此前，有网友在人民网留言板向工信部留言称，“现在电话都是实名制，电话号绑定的***及一些主流的软件较多，更换号码后造成一系列问题
