作為幾乎所有智能移動終端及多數智能聯(lián)網設備的計算核心設計者，全球最為著名芯片架構設計公司arm 在這兩年 AI 生態(tài)蓬勃發(fā)展的走勢中一反常態(tài)，沒有站在主導地位，甚至也沒什么音量。

可以說，雖然 arm的地位如今仍然重要，但卻已經不再是眾人眼光的焦點，當蘋果、華為、高通等客戶不斷在 AI 技術與應用上進行創(chuàng)新時，arm基礎架構似乎還是維持自己的步調，沒有太多波瀾起伏。

3 月 6 日，arm 在北京舉辦了人工智能新品發(fā)布會。面對市場的質疑，arm 通過這次發(fā)布會正式向市場宣布進軍 AI 方案，實際上解答了這兩年來為何 arm 在 AI 領域沒有太多作為的具體原因。在這次為期兩天的發(fā)布會中宣布了兩款針對中低端市場的GPU架構及多媒體方案，但本次發(fā)布會的重點還是在第二天關于人工智能方案布局的座談，arm 資深市場營銷總監(jiān) Ian Smythe 針對未來 arm 在 AI 應用領域的布局進行深入的探討。

事實上，該行業(yè)巨頭早在 2016 年就已經把觸手伸進多個 AI 應用領域同時發(fā)展，包含號稱針對機器學習優(yōu)化的 Bifrost GPU 架構，以及針對高端服務器芯片的 SVE 延伸指令集。隨著相關方案陸續(xù)成熟，采用者也逐漸增加，arm終于在今年 2 月底推出 Project Trillium，結合開發(fā)環(huán)境、算法與各大主流機器學習框架，要布局從終端到云端所有 AI 應用開發(fā)生態(tài)。

為什么 arm 要在這個時間點推出他們自己的AI方案?

首先，各家使用的AI 方案架構方面都有不小落差，且應用的兼容性可能也存在些問題，雖然都支持類似的框架，但畢竟沒有一個標準的 AI 計算接口存在，在此情況下，應用開發(fā)商若要開發(fā)各類行應用，就必須針對不同廠商的設備個別支持，如此曠日廢時，且可能會受限于不同架構的性能落差而使得應用的表現不如預期。

其次，開發(fā)獨家的AI 加速架構代價并不低，且除了要考慮到所采用的 IP 來源的可擴展性、框架支持廣度、是否提供標準接口，相關算法也不是朝夕之間就可研發(fā)出來，如果能夠提供一個可利用既有架構便可達到接近完全硬件處理 AI 算力，不需支出額外的授權成本，也不需要改變既有的芯片設計布局，那么對市場而言，其吸引力自然是不言可喻。

arm 資深市場行銷總監(jiān) Ian Smythe 對此表示，他們正在做的就是提供業(yè)界更多的選擇，其他使用自有 AI 計算架構的客戶也同樣能夠得到好處。

但 DT 君認為這是個排他性很強的選擇，以包含軟硬件等大生態(tài)逼迫客戶放棄未來開發(fā)自有 AI 芯片的打算，確保能持續(xù)主導整體計算架構發(fā)展走勢，未來甚至要挑戰(zhàn)服務器等其他專業(yè) AI 計算架構——arm這步棋將為整個 AI 計算生態(tài)，尤其是相關芯片產業(yè)帶來另一波榮景，還是一次大滅絕?恐怕是整個業(yè)界目前最關切的。

挑戰(zhàn)高端 AI 計算，直取 NVIDIA 主場，甚至構筑排他性生態(tài)

arm 要用針對嵌入式市場的小 GPU 來挑戰(zhàn) NVIDIA?乍看之下不大可能，但 Ian 對 DT 君展示了其 AI 計算方案的能效表現，以類似規(guī)模的架構來比較，其實 arm 的方案在能效方面都還是有一定的優(yōu)勢存在，加上 arm 架構原生就支持高效率的推理工作，配合已經相當成熟的開發(fā)套件，可以支持大多數主流機器學習框架，相信對開發(fā)者可具相當的吸引力。

當然，要以絕對性能對抗 NVIDIA，DT 君認為短期間之內還不大現實，但若以能耗、配合 arm在邊緣計算以及終端上的 AI 算布局構成完整的生態(tài)鏈，那么要在數據中心市場吃下一定的占比，也不是不可能的事情。

在終端市場方面，前兩年AI熱潮中，各家新創(chuàng)產業(yè)紛紛推出自有的AI芯片，尤其是主流CV方案，市場上可說群雄并起，連過去止做低價主控的公司也都陸續(xù)搶進，打造自己的AI方案。

不過，在關鍵的算法方面，多數公司其實都還是倚賴第三方，真正創(chuàng)造自有算法的比例其實很少，就連AI計算架構也可能都是直接取用現成的第三方方案，這些方案的支持完整性不一，且因為技術來源分散，很難構成，或分享來自一套共通的生態(tài)環(huán)境的優(yōu)點，基本上就是處于單打獨斗的窘境。

然而，arm 這次的作法則是建立了一套從端到云的完整體系，不論客戶在市場中的定位如何，都能從 arm 拿到相對應的方案，且不只是硬件，就連開發(fā)工具包以及算法都能提供。DT 君認為這將造成相當深遠的影響，個別的 AI 芯片架構 IP 或者是算法 IP 供貨商會先受到一定的沖擊，甚或可能會被逐步逼出市場。

諸如寒武紀、深鑒等想要打進主流消費AI方案的供貨商恐怕將成為首波受害者，arm自家方案擁有強大的生態(tài)優(yōu)勢，即便絕對性能可能還稍微落后寒武紀或深鑒的方案，但憑借極低的導入門坎，及對主流算法模型的完整支持，且額外增加的成本極低，客戶會如何選擇，其實已經不言可喻。

arm 方面也在說明會上表示，其架構將可承載不同的算法來進行各種 AI 應用，算法來源不限定。然而，arm 自己也在發(fā)展相關算法，表面上的說法是要提供客戶更多樣化的選擇，但真正的盤算，恐怕是要對整個 AI 市場進行一次大清洗，并替換成自己的生態(tài)，借此擴大 arm 的市場格局，走向真正的架構霸主之路。

畢竟從 arm 生態(tài)的歷史發(fā)展中，以嵌入式 GPU 為例，當初 arm 和 Imagination 兩家英國 IP 公司關系緊密，相互提攜，但后來 arm 決定要發(fā)展自有的 GPU 架構后，沒錯，市場有了更多的選擇，但事實上，arm 依靠包裝行銷與生態(tài)的優(yōu)勢，將 Imagination 打到落花流水。除少數如高通的 Andreno 自有 GPU 架構較不受影響外，目前嵌入式 GPU 的 IP 授權產業(yè)幾乎也都被arm 通吃，不復見以往競爭激烈的局面。

后續(xù) arm 也進入多媒體與顯示相關方案的 IP 市場，同樣對相關產業(yè)的技術供應商造成相當大的影響，雖然擴大產品布局是 arm 避免在特定領域掉隊，繼而維持其市場霸業(yè)的最有效方式，而被其策略布局影響到的對手或客戶可能就不是那么樂意了。

當然，arm 的客戶永遠都有得選擇，但依附在 arm生態(tài)之下的第三方 IP 供應商就未必了。

早期從固定功能軟件著手，后續(xù)補齊硬件與整體開發(fā)生態(tài)

實際上，如果從當年 arm進入 GPU 市場對市場所帶來的影響觀察，上面所描述結果或許就不那么讓人驚訝了。“循序漸進”是arm近年來布局 AI 生態(tài)時很重要的遵循方向，Ian 向 DT 君說道。

其實，arm早在 NPU 等 AI 加速芯片概念出現之前，就已經搶先在手機以及其他聯(lián)網終端產品中引入 AI 計算概念，而且值得一提的是，雖然 arm是提供計算架構硬件基礎核心的公司，算法與軟件生態(tài)環(huán)境通常都是跟著新架構發(fā)展，但是在 AI 生態(tài)方面，卻反其道而行，算法和軟件先行，后續(xù)才逐漸補上硬件設計與開發(fā)環(huán)境。

以華為公司的手機為例，其實雖然消費大眾被其在 Kirin 970 中采用的 NPU 設計抓住了眼光，認為此類硬件 AI 計算架構算是開創(chuàng)了手機產品的另一個新時代，但事實上，早在 Kirin 960 時，ARM 就已經提供華為不少關于物件偵測、語音加速以及照相處理等算法與 AI 軟件功能，妥善利用了當時 arm芯片基于 GPU 與 CPU 合作而來的 AI 計算能力，雖然沒有真正的硬體加速方案，但在效率上已經相當受肯定。

圖丨Kirin 970

Ian 對 DT 君表示，早期移動終端對 AI 概念還不明顯，因此 arm 先提供功能有限的軟件方案讓市場嘗鮮，等到市場看出更多應用潛力，不滿于現有的軟硬件搭配時，arm再推出更完整的硬件設計與開發(fā)環(huán)境，承接這些想要創(chuàng)造更多可性的客戶的需求。

市場的需求總是會一直前進，且應用也會越趨復雜，Mate 10 的 AI 場景攝影功能由于進行了更多、更復雜的計算，華為因此選擇在芯片中集成了專屬的 AI 計算芯片，也就是 NPU，期望在增加 AI 計算復雜度的同時也要能改善性能表現，蘋果過去的 AI 方案主要也是基于 GPU 計算，但同樣在其 A11 芯片中引入架構類似的神經網絡芯片。

由于 AI 技術的革新速度超乎預期，眾多芯片客戶心中也開始有了疑惑：arm的 AI 方案呢?Ian 對 DT 君表示，其實 arm早在 2016 年發(fā)表基于 Bifrsost 架構的 Mali G-71 時，就已經希望借由該架構來推動 AI 在終端以及邊緣計算的應用場景，但當初可和主流 AI、機器學習框架緊密結合的整套軟件開發(fā)環(huán)境還不夠成熟，且 arm也不希望揠苗助長，推出半生不熟的環(huán)境搞壞自己名聲，因此在 Project Trillium 發(fā)布前，基本上也都沒有太多動作。

這次雖然推出通用的 AI 開發(fā)平臺，但首波針對的還是基于計算機視覺 (CV) 為主的 OD(object detection) 處理設計平臺，以及機器學習等市場相對較成熟，且應用較廣的方。Ian 進一步表示，基于 Project Trillium 開發(fā)平臺的 AI 應用將可針對幾乎所有類型的 AI 應用，小到 IoT 設備，大至數據中心，只要是機器學習相關的應用開發(fā)需求，都可基于同一套可變規(guī)模的架構發(fā)展出來。

以GPU 算力為核心，結合 CPU 生態(tài)優(yōu)勢，首波布局邊緣計算

GPU 計算可說是 arm 未來要發(fā)展 AI 計算生態(tài)的主要角色，從第一代 BiFrost 架構開始，就已經針對 AI 計算所需要的各種場景，包含機器學習中的訓練，以及推理加速等進行優(yōu)化。

我們都知道，過去數據中心以及超算架構中所使用的 GPU 架構，其實只能應對訓練，但是訓練完，要利用模型推理的工作處理上，效率非常差，這主要是因為傳統(tǒng) GPGPU 擅長計算 32bit 甚至 64bit 的高精度整數或浮點計算，但是在深度學習所需要的數據處理而言，其實不需要這么高的精度，大部分場景下甚至只需要低精度的整數計算即可。目前，包含 TPU、NPU 等各種專用計算硬件都把 8bit 精度計算當作標準的數據處理寬度，也因此其每秒操作性能都可達數個 TeraFlops。

arm早在數年前投入研發(fā)機器學習架構時，就已經把 8bit 寬度數據處理能力列為標準，不只在 GPU，CPU 中的 NEON DSP 單元也同樣支持 8bit 寬度數據計算，因此基于 arm機器學習平臺，不僅可充分應對機器學習的訓練需求，推理能力也能充分獲得滿足。

圖丨arm推出面向機器學習和神經網絡的Project Trillium

雖因這樣的設計，過去 arm的 Mali GPU 在芯片面積及功耗表現稍弱，但隨著芯片工藝的改進，以及各種 AI 計算需求的帶動，其設計的價值也逐漸被顯現出來。

arm的 AI 計算平臺規(guī)劃同時也包括了數據中心等應用。Ian 對此表示，由于數據中心等大型機器學習平臺數據流通量極大，如果只是單純把目前針對移動平臺開發(fā)的 arm架構規(guī)模等比例放大，核心算力雖足夠與一線平臺相提并論，但數據傳輸能力就會成為短板，即便核心算力再強大，數據來不及存取，那么芯片也只能空轉，平白浪費能源。

因此，arm 初期還是會以數據需求量較小的終端和邊緣計算應用為主，著重在小規(guī)模的計算應用，2018 年稍晚就會推出新版架構，補足總線與帶寬方面的缺點，正式向目前主流的數據中心應用挑戰(zhàn)。