国产精品视频播放更新_亚洲精品中文综合_凌晨三点3免费观看_无码A级免费毛片视频_综合久久网

　　去年 12 月中，知名的人工智能科學(xué)家吳恩達(dá)在博客上宣布了一家自己最新成立的公司 Landing.ai，對于成立這家公司，吳恩達(dá)的目標(biāo)是：“幫助企業(yè)在 AI 時(shí)代實(shí)現(xiàn)轉(zhuǎn)型，首先切入的就是制造業(yè)”。而在如此宏大的目標(biāo)下，吳恩達(dá)的 Landing.ai，宣布的第一家合作伙伴不是別人，正是鴻海。

　　如今的鴻海已然不再是當(dāng)年生產(chǎn)代工 iPhone 后迅速壯大的那個(gè)制造業(yè)巨人，從零組件到整機(jī)，從產(chǎn)品研發(fā)生產(chǎn)、品牌銷售、應(yīng)用服務(wù)，不論是供應(yīng)鏈或價(jià)值鏈，鴻海無所不在。而接下來，鴻海還將會(huì)在集團(tuán)中每一個(gè)產(chǎn)業(yè)環(huán)節(jié)植入深化的要素，目前看起來沒有別的，就是 AI。

圖丨郭臺(tái)銘和吳恩達(dá)

　　AI 的跨產(chǎn)業(yè)、跨領(lǐng)域通用性，將可以讓已然建立起 AI 能力的公司，有機(jī)會(huì)快速復(fù)制 AI 能力到其布局的其它領(lǐng)域中。以鴻海來看，雖然現(xiàn)在觸及云端、移動(dòng)設(shè)備、物聯(lián)網(wǎng)、大數(shù)據(jù)、智能生活、互聯(lián)網(wǎng)等領(lǐng)域，已經(jīng)幾乎是無所不包，但其中有一塊領(lǐng)域，是鴻海迄今還沒有拼上的拼圖，那就是半導(dǎo)體領(lǐng)域。

　　早在兩年前，就曾經(jīng)傳出鴻海有意仿效華為、海思模式，打造從半導(dǎo)體到終端成品的模式，而 2016 年底，也曾傳出鴻海與 ARM 將合作設(shè)立研發(fā)中心的消息，只不過到目前為止，相對于在其它領(lǐng)域的大軍壓境，之于半導(dǎo)體領(lǐng)域，鴻海一直都還沒有太大的成效。

　　但這并不代表郭臺(tái)銘對半導(dǎo)體沒有興趣，早在 2016 年底就曾有媒體報(bào)道，郭臺(tái)銘曾在內(nèi)部告訴主管，在半導(dǎo)體領(lǐng)域，除了晶圓代工，鴻海什么都可以做，而且要做的非常好，“要讓 Morris（臺(tái)積電董事長張忠謀）主動(dòng)來找我們！”

　　這句話透露的是郭臺(tái)銘對半導(dǎo)體產(chǎn)業(yè)的重視，也透露了他對鴻海半導(dǎo)體布局發(fā)展不是沒有想法，而只是在等待一個(gè)時(shí)間。事隔兩年，在 AI 發(fā)展如火如荼的現(xiàn)在，這或許就是郭臺(tái)銘等待的機(jī)會(huì)到來。

　　另外，從半導(dǎo)體到設(shè)備，中間必須有一層軟件作為核心，不論是操作接口，或者是提供多樣化的智能服務(wù)，軟件的存在可說有如大腦，就有如半導(dǎo)體之于心臟，利用心臟驅(qū)動(dòng)肉體，也就是智能設(shè)備，如果沒有大腦還是沒有辦法進(jìn)行有意義的活動(dòng)。

　　也因此，鴻海若進(jìn)軍半導(dǎo)體產(chǎn)業(yè)，對軟件的需求也會(huì)同步增加，鴻海之前曾插手過軟件產(chǎn)業(yè)，雖然成效有限，但對其在后端的基礎(chǔ)服務(wù)建構(gòu)方面的實(shí)力還是有很大的幫助，若鴻海想要走華為、海思模式，軟件這塊勢必要補(bǔ)齊，而且不只是后端服務(wù)，前端應(yīng)用也必須兼顧，并且相當(dāng)程度的 AI 化，如此就可和吳恩達(dá)的合作一脈相承，建構(gòu)出高度自動(dòng)化的產(chǎn)業(yè)鏈帝國。

　　對包括鴻海在內(nèi)的許多公司而言，如果說半導(dǎo)體會(huì)是將來新興技術(shù)應(yīng)用發(fā)展的基礎(chǔ)，那么 AI 的快速發(fā)展，已然提供了一個(gè)絕佳的切入機(jī)會(huì)。由 AI 自行設(shè)計(jì)軟件以及 IC 產(chǎn)品離我們已經(jīng)不遠(yuǎn)了，如果全面實(shí)現(xiàn)，對現(xiàn)有的軟件與 IC 產(chǎn)業(yè)將會(huì)帶來巨大的變革。

　　值得注意的是，目前已有多家技術(shù)研究單位如 Open AI、麻省理工學(xué)院、加州大學(xué)、 DeepMind 開始研究可設(shè)計(jì)機(jī)器學(xué)習(xí)人工智能，而由 Google Brain 人工智能設(shè)計(jì)出來的人工智能，表現(xiàn)甚至比由人類設(shè)計(jì)的更好。

　　另一方面，IC 設(shè)計(jì)的自動(dòng)化部分也越來越高，各種主流電子設(shè)計(jì)自動(dòng)化 (Electronic Design Automation，EDA) 軟件，包含Synopsys、Cadence、Mentor 都已經(jīng)做到部分 IC 設(shè)計(jì)布局自動(dòng)化的地步，只要點(diǎn)選幾個(gè)選項(xiàng)，基本邏輯布局和光罩設(shè)計(jì)就可自動(dòng)產(chǎn)生，這些包括了合成（Synthesis）、擺置（Placement）與繞線（Routing）、驗(yàn)證（Verification）等流程，人類需要參與的部分也越來越少。

　　然而現(xiàn)有的 EDA 雖然能夠建立基礎(chǔ)布局，但還不具備真正的機(jī)器學(xué)習(xí)能力，無法跟著 IC 設(shè)計(jì)公司的經(jīng)驗(yàn)積累改善設(shè)計(jì)方向。而隨著機(jī)器學(xué)習(xí)的進(jìn)展，新形態(tài)的 EDA 設(shè)計(jì)邏輯也因應(yīng)而生，Solido 是全球首家以機(jī)器學(xué)習(xí)算法為基礎(chǔ)的 EDA 軟件供應(yīng)商，當(dāng)然，不只是新創(chuàng) EDA 公司，傳統(tǒng)的 EDA 龍頭也都開始思考，或?qū)嶋H利用機(jī)器學(xué)習(xí)來改善 EDA 的設(shè)計(jì)效率。

　　從輔助自動(dòng)化到 AI 主導(dǎo)設(shè)計(jì)

　　前面所提到的所有工作，包含駕駛、說話、下棋，甚至設(shè)計(jì)軟件或 IC，其實(shí)都是可邏輯化的經(jīng)驗(yàn)累積，換言之，都是能夠通過大量的數(shù)據(jù)訓(xùn)練來形成特定的應(yīng)用模型，只要數(shù)據(jù)夠多，模型也就越完整，邏輯也就越不容易有破綻。

　　設(shè)計(jì)軟件或 IC 過去都極端倚賴人類專家才能進(jìn)行，但這些人類專家的訓(xùn)練曠日廢時(shí)，且最終形成的成果也未必都能展現(xiàn)出絕佳的效果，畢竟人類有個(gè)體資質(zhì)的差別，就好像你無法期待每個(gè)科學(xué)家都是愛因斯坦，也無法期待每個(gè)手機(jī)公司老板都是喬布斯，但通過機(jī)器學(xué)習(xí)，你可以讓每個(gè)經(jīng)過類似設(shè)計(jì)模型/流程的 AI 設(shè)計(jì)軟件/芯片，都能擁有相當(dāng)高的一致性。

　　通過訓(xùn)練，AI 可以尋找出達(dá)到設(shè)計(jì)目的的最好路徑，這在軟件或 IC 設(shè)計(jì)中，都可以擁有通用的邏輯，那么關(guān)鍵問題就是，借助學(xué)習(xí)找出的路徑是否能夠全面取代傳統(tǒng)人類工作模式里面的 Know-how，未來人類真的在軟件設(shè)計(jì)或 IC 設(shè)計(jì)領(lǐng)域都將轉(zhuǎn)由 AI 代勞？DT 君認(rèn)為，可能還要一段時(shí)間，但長久來看應(yīng)該是避免不了的趨勢。

　　那么 AI 要怎么做到自主設(shè)計(jì)？

　　以前陣子 Google 用來創(chuàng)造新 AI 模型的 AutoML 為例，該 AI 就是以遞歸神經(jīng)網(wǎng)絡(luò)（RNN）生成神經(jīng)網(wǎng)絡(luò)的描述，然后利用強(qiáng)化學(xué)習(xí)對該 RNN 進(jìn)行訓(xùn)練。其方法可以讓 AI 從零開始設(shè)計(jì)出一個(gè)全新的神經(jīng)網(wǎng)絡(luò)架構(gòu)。

圖丨谷歌AutoMl

　　AutoML 是一套用來產(chǎn)生新的 AI 算法的 AI 算法，其最初目的是為了解決因?yàn)?AI 設(shè)計(jì)人才匱乏的窘?jīng)r，而提出來的解決方案。

　　一般情況下，進(jìn)行機(jī)器學(xué)習(xí)首先需要大量的訓(xùn)練數(shù)據(jù)，再由機(jī)器學(xué)習(xí)工程師/數(shù)據(jù)科學(xué)家對數(shù)據(jù)進(jìn)行分析，設(shè)計(jì)算法形成訓(xùn)練模型；這需要大量的專業(yè)知識(shí)。但如果使用 AutoML，只需要將訓(xùn)練數(shù)據(jù)集傳入 AutoML，那么這個(gè)工具就會(huì)自動(dòng)幫我們生成參數(shù)和模型，形成訓(xùn)練模型，這樣即使不具備機(jī)器學(xué)習(xí)方面深入的專業(yè)知識(shí)也可以進(jìn)行機(jī)器學(xué)習(xí)方面的工作。

　　過去人類專家之所以重要，在于人類專家可以憑借經(jīng)驗(yàn)和知識(shí)來判斷什么情況下該用什么模型，但借助 AutoML，理論上能改變過去在預(yù)處理數(shù)據(jù)、算法模型、參數(shù)。以及評估模型質(zhì)量方面，都必須要由人類主導(dǎo)的作法，而是由 AI 自行選擇算法模型、算法參數(shù)，并且自動(dòng)評估模型的質(zhì)量，借以在人類最小干預(yù)的前提下，達(dá)到最優(yōu)化的模型建立結(jié)果。

　　不過目前 AutoML 還沒有辦法完全自主，比如說基礎(chǔ)算法選擇還是要由人類來判斷，但也已經(jīng)能夠大大減少傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型建立過程中，需要進(jìn)行的繁雜調(diào)試工作。Google 未來會(huì)借助更完整的預(yù)處理邏輯判斷來取代人類專家，提高 AutoML 的自動(dòng)程度，而最終目標(biāo)將會(huì)是是完全的自主化。#p#分頁標(biāo)題#e#

　　目前 AutoML 自行產(chǎn)生的模型已經(jīng)可以得到比由人類所設(shè)計(jì)模型達(dá)到更好的效果：在圖像識(shí)別任務(wù)中，實(shí)現(xiàn)了創(chuàng)紀(jì)錄的 82% 的準(zhǔn)確率。而在某些復(fù)雜的 AI 任務(wù)中，其自行建立的代碼也被證實(shí)比人類程序員優(yōu)越。它可以在圖像中標(biāo)記多個(gè)點(diǎn)，準(zhǔn)確率達(dá)到 42%；作為對比，人類打造的軟件只有 39%。

　　機(jī)器學(xué)習(xí)與深度學(xué)習(xí)讓 EDA 工具更聰明

　　軟件方面我們看到有 AutoML 這樣的工具出現(xiàn)，并且得出極為驚人的結(jié)果，在 IC 設(shè)計(jì)方面主流的 EDA 大廠也都在探索如何通過機(jī)器學(xué)習(xí)或深度學(xué)習(xí)來改善 IC 設(shè)計(jì)的流程，借以達(dá)到更高效率，或者是更大規(guī)模的 IC 布局。

　　其實(shí) IC 的設(shè)計(jì)邏輯和設(shè)計(jì)軟件有著異曲同工之妙，IC 和軟件都是設(shè)計(jì)來解決問題，而這些問題通常都是可以用數(shù)學(xué)來進(jìn)行描述的對象，只要通過合理的算法來找出解題的邏輯，那么問題也就能迎刃而解。

　　在半導(dǎo)體產(chǎn)業(yè)，利用機(jī)器學(xué)習(xí)來解決 IC 復(fù)雜設(shè)計(jì)與開發(fā)流程問題，借以提高設(shè)計(jì)和生產(chǎn)效率，以及 IC 的準(zhǔn)確性，就成為目前的主要發(fā)展方向。

　　舉例來說，機(jī)器學(xué)習(xí)實(shí)現(xiàn)先進(jìn)電子研究中心 (Center for Advanced Electronics through Machine Learning，CAEML) 就是一家通過創(chuàng)建機(jī)器學(xué)習(xí)算法來推導(dǎo)用于 EDA 的自動(dòng)化模型的國家級研究機(jī)構(gòu)，其用于電子設(shè)計(jì)的 AI 項(xiàng)目已經(jīng)獲得了美國國家科學(xué)基金會(huì) (NSF) 和 9 家公司的大力支持，這 9 家公司包括亞德諾 (ADI)、Cadence、思科 (Cisco)、惠普企業(yè) (HPE)、IBM、NVIDIA、高通 (Qualcomm)、三星 (Samsung) 和賽靈思 (Xilinx)。

　　IC 設(shè)計(jì)由于規(guī)模的不斷增加，目前在主要的布局、基礎(chǔ)電路設(shè)計(jì)方面，很多都已經(jīng)是由計(jì)算機(jī)代勞，人類主要負(fù)責(zé)的是核心邏輯的部分，以及最后成果的調(diào)試。前段時(shí)間，蘋果的 AX 處理 IC 曾被揭露很大程度使用人工布局，而非計(jì)算機(jī)自動(dòng)設(shè)計(jì)，雖借此讓 IC 計(jì)算效率得以遠(yuǎn)高于其它自動(dòng)化設(shè)計(jì)程度較高的 IC 競爭對手，但這只是特例，因?yàn)槿肆τ衅錁O限，多數(shù) IC 設(shè)計(jì)公司一年不會(huì)只設(shè)計(jì)一款 IC，通常手上會(huì)有幾個(gè)案子需要同時(shí)關(guān)注，因此無法將全部的人力都投入在某一款產(chǎn)品的研發(fā)中。

　　隨著機(jī)器學(xué)習(xí)在 EDA 領(lǐng)域的逐漸普及，計(jì)算機(jī)自動(dòng)處理的 IC 布局將更能滿足開發(fā)者的需求，不論是在效率的提升，或者是漏電的改善，甚至最重要的，節(jié)省驗(yàn)證時(shí)間以及驗(yàn)證過程所需要的人力，讓開發(fā)者可以投入更多人力在新產(chǎn)品的發(fā)展上。

　　AI 針對軟件和 IC 設(shè)計(jì)的不同處理邏輯

　　然而開發(fā)軟件可以通過對邏輯本身的不斷論證和驗(yàn)算，來求出更有效率的解，或者使用更龐大的數(shù)據(jù)庫來訓(xùn)練，增加模型可靠性。IC 設(shè)計(jì)過程會(huì)受限于 IC 的類型以及要解決的問題類型，不同應(yīng)用的 IC 可能布局就完全不同，甚至同一應(yīng)用，但以不同終端為設(shè)計(jì)目標(biāo)的 IC，也需要不一樣的設(shè)計(jì)流程。

　　所以機(jī)器學(xué)習(xí)在 IC 設(shè)計(jì)上需要更多的訓(xùn)練，而這些訓(xùn)練是集中在 IC 的設(shè)計(jì)方法上，要考慮到發(fā)熱均衡、電子信號(hào)流動(dòng)距離、工藝庫、金屬層、工具鏈等，由于要同時(shí)考慮半導(dǎo)體材料的物理問題，情況要更復(fù)雜。最核心部分的邏輯處理方面，就類似 AI 程序中的模型，必須依照求解問題的類型來決定使用何種邏輯，比如說面對繪圖處理或是大量的平行計(jì)算需求，我們會(huì)選擇 GPU，一般通用計(jì)算則是使用 CPU，若是神經(jīng)網(wǎng)絡(luò)模型的處理和加速，則是采用 NPU 結(jié)構(gòu)。

　　目前在 IC 設(shè)計(jì)的訓(xùn)練需求方面，由于牽扯到各家 IC 設(shè)計(jì)公司的機(jī)密技術(shù)，很難從公開管道獲得學(xué)習(xí)的方法，也就是說，未來 AI 化 IC 設(shè)計(jì)在機(jī)器學(xué)習(xí)所需要的數(shù)據(jù)來源，可能僅能限定于自家設(shè)計(jì)的方案，導(dǎo)致參考性有限，未來較難做到完全的自主。而雖然代工廠可以獲得大量的 IC 設(shè)計(jì)關(guān)鍵數(shù)據(jù)，但為了保護(hù)客戶設(shè)計(jì)，即便是 EDA 公司也很難從這些管道得到大數(shù)據(jù)。

　　市場競爭的激烈導(dǎo)致 IC 設(shè)計(jì)公司不愿透露數(shù)據(jù)給 EDA 公司作為建立模型使用，畢竟當(dāng) EDA 工具自動(dòng)化程度越高，能做到的項(xiàng)目越多，對 IC 設(shè)計(jì)業(yè)者而言，雖可能帶來更大的便利，但同時(shí)也可能會(huì)引進(jìn)更多的競爭者，而這就是目前 EDA 工具要 AI 化的兩難之處。

　　未來機(jī)器自主設(shè)計(jì)的軟硬件比重將明顯增加，人類地位岌岌可危？

　　除了 Google 以外，也有越來越多廠商正在發(fā)展類似 AutoML 之類的自動(dòng)化 AI 工具，比如說由英特爾實(shí)驗(yàn)室的 AI Programmer、微軟的 DeepCoder；EDA 工具廠商也都在想辦法解決大數(shù)據(jù)共享與取得問題。未來我們要建立自己的 AI 模型，可能根本不需要學(xué)習(xí)如何編程，而是只要選擇正確的工具，并輸入正確的數(shù)據(jù)集，工具就能自動(dòng)建立好模型。而 IC 設(shè)計(jì)業(yè)者花費(fèi)在 IC 布局與驗(yàn)證的時(shí)間也可望借助高度 AI 化的 EDA 工具而大幅減少，開發(fā)人員可以專注于核心的邏輯算法結(jié)構(gòu)部分。

　　而這代表 AI 會(huì)大幅取代目前的人工方式？答案已經(jīng)很明顯了。

　　就好像一般客服或者是重復(fù)性文書處理工作，未來肯定會(huì)被大幅取代，如果在軟件公司中負(fù)責(zé)的工作只是簡單的接口設(shè)計(jì)，或是一般程序設(shè)計(jì)或建模工作者，那可能不久之后也要擔(dān)心飯碗問題，不過核心算法或設(shè)計(jì)者短時(shí)間內(nèi)還是很難被 AI 取代，暫時(shí)還可以高枕無憂。

　　IC 設(shè)計(jì)方面也是類似的情況，基礎(chǔ)的調(diào)試工作，或者是 IC 內(nèi)部的基本布局設(shè)計(jì)工作可能會(huì)被 AI 大量取代，但是關(guān)鍵的主要架構(gòu)部分，比如說 NVIDIA GPU 中的 CUDA 單元，X86 CPU 之中的譯碼與分支預(yù)測結(jié)構(gòu)，這些短時(shí)間之后都不是 AI 能夠自主的設(shè)計(jì)。

　　當(dāng)然，這也代表，未來不論在軟件或者是 IC 設(shè)計(jì)中，實(shí)際需要的開發(fā)人員將可能大幅降低，并走精兵政策；晶圓代工廠中的機(jī)臺(tái)調(diào)試人員大概也都會(huì)被 AI 取代，畢竟調(diào)試工作沒有比 AI 更能刻苦耐勞和細(xì)心的了，晶圓代工廠中需要的人類員工，大概就剩下精通材料及工藝發(fā)展的少數(shù)高端核心人才。

　　從另一個(gè)角度來，AI 自主設(shè)計(jì)開發(fā) IC 與軟件的技術(shù)所帶來的變革，主是對既有半導(dǎo)體產(chǎn)業(yè)帶來新的變化，也可能進(jìn)一步改變傳統(tǒng)價(jià)值鏈的分工體系，不論是華為海思形態(tài)的發(fā)展模式，又或者如鴻海大范圍覆蓋多個(gè)領(lǐng)域的戰(zhàn)略布局，AI 將會(huì)許多企業(yè)開啟新的戰(zhàn)略思考方向，不論是垂直形態(tài)的橫跨上下游發(fā)展，又或者是水平形態(tài)的跨產(chǎn)業(yè)領(lǐng)域全面植入 AI 能力，由 AI 帶來的革命性變化效力之大，將不容小覷。