Google让AI设计AI芯片，芯片性能超过人类

研发AI芯片，是一项研发周期长且需要雄厚资金支持的工作。这些专用芯片设计主要是用于更快、更高效地执行AI算法。当前的问题是，设计芯片需要花费数年的时间，并且机器学习算法的发展比研发进程要快得多。你需要一种经过优化的可用于当今AI的芯片，而不是两到五年前的AI。 对于此，Google于近期推出了自己的解决方案：让AI设计AI芯片。

他们在一篇论文中写道：“我们相信，人工智能本身将提供缩短芯片设计周期，在硬件与AI之间建立共生关系的手段，而两者之间的相互推动又推动了这一进步。”

“我们已经看到，有些算法或神经网络架构……在现有的加速器中表现不佳，因为加速器的设计停留在两年前，而那时这些神经网络并不存在，” Google的高级研究科学家Azalia Mirhoseini说到。 “如果缩短设计周期，我们可以缩小这一块的差距。”

Mirhoseini和高级软件工程师Anna Goldie提出了一个神经网络，可以学习做一个特别耗时的设计部分，即放置。在对芯片设计进行了足够长时间的研究之后，它可以在不到24小时的时间内为Google TPU芯片完成设计，在功耗，性能和外形方面都超过了人类专家数周的设计工作。

放置是如此复杂且耗时，因为它涉及放置逻辑和内存块或这些块的群集（称为宏），从而使功率和性能得到最大化，并且芯片面积最小。而面临的挑战是，必须在遵守互连密度规则的同时进行所有这些工作。 Goldie和Mirhoseini的目标是芯片放置，因为即使使用当今的先进工具，人类专家也需要花费数周的迭代时间才能得出可接受的设计。

Goldie和Mirhoseini将芯片放置建模为强化学习问题。与典型的深度学习不同，强化学习系统不会训练大量的标签数据。相反，他们会边做边学，并在成功时根据奖励信号调整网络中的参数。在这种情况下，奖励是降低功率，改善性能和减少面积的组合的替代指标。结果，布局机器人执行的设计越多，其任务就会越好。

该团队希望像这样的AI系统能达到“在同一时间段内设计更多的芯片，以及运行速度更快，功耗更低，制造成本更低，外形体积更小的芯片”这一目标。

那么，Google Edge TPU芯片又是什么

Edge TPU是专为在边缘运行TensorFlow Lite ML模型而设计的ASIC芯片。Edge TPU 可用于越来越多的工业使用场景，如预测性维护、异常检测、机器视觉、机器人学、语音识别等等。 它可以应用于制造、本地部署、医疗保健、零售、智能空间、交通运输等各个领域。它体型小、能耗低，但性能出色，可以在边缘部署高精度 AI。Edge TPU 是对 CPU、GPU、FPGA 以及其他在边缘运行AI的 ASIC 解决方案的补充。

首个基于谷歌Edge TPU芯片的全球AI模型平台-——Model Play

如果把人工智能比作一辆战车，那么模型则扮演着"发动机"的角色。模型是人工智能技术在生产实践中真正落地、促进产业发展的重要保障，是人工智能生态中的重要一环。

Model Play 是一款面向全球用户的AI模型资源交流与交易平台，为机器学习与深度学习提供丰富多样化的功能模型，支持钛灵（TiOrb）AIX等多类主流智能终端硬件，帮助用户快速创建和部署模型，显著提高模型开发和应用效率，降低人工智能开发及应用门槛。

Model Play平台中的AI模型，兼容多类市场主流的边缘计算AI芯片，包括Google Coral Edge TPU，英特尔Movidius，英伟达Jetson Nano。尤其是Googl Coral Edge TPU，AI模型下载后更能搭载TiOrb AIX直接进行运行。