制约AI安防芯片规模化应用的核心技术问题是什么？

这是不少芯片企业面对安防场景时，不断向自己提出的疑问。在提高AI安防芯片性能，加强算力的同时，从业者们也逐渐发现，芯片中最为关键的其实并不是单纯提升算力，如果不进行存储优化，那么芯片实际提供的计算力会大大降低。

“要突破AI芯片的瓶颈，并不能只是简单的增加计算算力，而是一定要把数据存储管理做好。”探境科技创始人兼CEO鲁勇说道。而对于存储问题的解决，仍是一个探索中的新方向。

阻碍AI芯片的内存墙问题

AI芯片对于传统芯片带来的挑战，并不只是计算架构上的，更多是在存储架构间的。

传统的芯片采用的是冯·诺依曼架构，其核心架构中计算模块和存储单元是分离的。CPU和内存条并不集成在一起，只在CPU中设置了容量极小的高速缓存。

也就是说，CPU在执行命令时必须先从存储单元中读取数据。每一项任务，如果有十个步骤，那么CPU会依次进行十次读取，执行，再读取，再执行……这就造成了延时，以及大量功耗花费在数据读取上。

这一问题也被称为传统芯片的“内存墙”问题。

而在AI 应用中，冯·诺伊曼“瓶颈”问题显得愈发严重。AI依赖的算法是一个庞大和复杂的网络，有很多参数要存储，也需要完成大量的计算，这些计算中又会产生大量数据。在完成大量计算的过程中，一般芯片的设计思路是大量增加并行的运算单元，例如上千个卷积单元，需要调用的存储资源也在增大。

不夸张地说，AI初创芯片公司虽然采用不同的路径打造芯片，但事实上都在努力对这一问题予以解决。大部分针对 AI，尤其是加速神经网络处理而提出的硬件架构创新，都是在与这个问题做斗争。

而成立于2017年的AI芯片初创公司探境科技，也在这一路途上跋涉。不过不同的是，探境科技选择另辟蹊径，直接从存储子系统的优化入手，解决“内存墙”问题。

自研存储优先的SFA架构

而如何解决这一问题呢？

目前解决这一问题的方法有几种，较为常见的方法是加大存储带宽，采用高带宽的外部存储，以及从算法入手，设计低比特权重的神经网络。

除此之外，存算一体化也被看做是未来的发展方向，在实现上也分为不同的路径。

其一是SSD中植入计算芯片或者逻辑计算单元，可以被叫做存内处理或者近数据计算，这其实是深度学习的一种应用场景，并非是AI芯片架构的创新。

另一种就是存储和计算完全结合在一起，使用存储的器件单元直接完成计算，比较适合神经网络推理类应用。

而探境科技则另辟蹊径，提出了完全不同的解决方案。

鲁勇提到，并不认同目前存算一体的处理方式，主要原因是成本太高，并不符合市场需求。

“存算一体的处理方式，其实违反了芯片中的成本结构。芯片中，之所以设计和区分片上的缓存SRAM，及片外的DRAM，就是因为如果所有存储都放入芯片内部，成本就大幅上升，会上升几十倍到上百倍。”

因而，抛开将存储全部放入芯片内部的方式，探境科技自创了SFA（Storage First Architecture，简称SFA），即存储优先架构。

不同于常见的解决内存瓶颈的方法，SFA是“以存储调度为核心”的计算架构，数据在存储之间的搬移过程之中就完成了计算，计算对于数据来说只是一种演变。

“与通常计算的先有计算指令然后提供数据相反，SFA架构，存储是我们优先的出发点。考虑数据在搬移过程中做计算，也就是由数据带动计算而非由算子带动数据。”鲁勇进一步解释。

这一点与AI大神Lecun所宣称的所有的神经网络都是图计算问题不谋而合。

那么打破传统冯·诺依曼架构，自研存算一体架构的依据是什么？

这可以谈到人类大脑的存储和计算方式。从生物角度讲，大脑存储大量的知识，能够快速提取并访问，而大脑的内存和计算并不是分开的，更多的是存在一定的相容性。因而，未来的计算机可能不是基于计算的memory，而是基于memory的计算，更多做到融合。

不过，因为当前芯片领域对于AI算法的关注还较多，针对AI的结构改进尝试还偏少。未来，memory与computing结合的尝试，会更可期。

鲁勇也介绍道，目前专注于从存储子系统入手，着力解决AI芯片的存储计算架构问题的企业并不多，而其中很多公司从事的都是成本结构并不合理的存算一体架构，符合合理的成本结构并优化存储子系统的公司更是屈指可数。

安防还未有一款真正适用的AI芯片

安防作为计算机视觉较快落地的领域，也成为探境科技较为看好的场景之一。

探境科技的创始人兼CEO鲁勇，出身全球十大芯片厂商之一的Marvell半导体，是位在半导体业摸爬滚打了15年的老兵。

在成立探境科技之前，鲁勇曾是Marvell半导体的中国芯片研发总监。据鲁勇介绍，在Marvell这十年里，他从零开始，一手搭建了Marvell的中国芯片研发团队。

探境科技创始人&CEO 鲁勇

在创立探境科技之前，几位在海康威视、大华股份等安防巨头中任职的朋友都陆续来找到鲁勇，咨询英特尔Movidius VPU是否能够适用于终端AI处理的需求。

鲁勇认为，目前市场上还没有足够优秀的适合安防前端的通用芯片，也没有一款很适用安防的AI芯片出现。不过Movidius的火爆，恰好说明了市场对边缘端芯片的强大需求。

于是，2017年，鲁勇决定离开Marvell，与一群老朋友成立了探境科技。

在安防领域里面，有大量的算法需要前置。目前的算法基本都是基于深度学习。

而探境科技的芯片，如何更好适用于安防大量非结构化数据的处理需求呢？

鲁勇讲到，安防领域的数据特点，主要在于需要实时的处理大量连续的图像数据流。“安防领域的数据处理，在于两个维度。第一是每秒处理帧率要越来越高，第二是图像分辨率上要高。在这两个维度上，安防对边缘芯片提出了要求。”而探境科技的优势则在于，基于SFA架构，能更好优化存储和计算，从而更好解决这一问题。

安防领域，边缘端的芯片，已有不少厂家入场。其中大厂有之，明星初创公司亦有之。

目前来看，边缘终端市场有两种形态的芯片产品，一种是针对特定应用的SoC，一种是通用加速器做独立芯片。

如在安防领域，SoC面向专用市场，在芯片中深度学习加速计算事实上只是一部分，而其他大部分芯片面积则交给了主控处理器、视频解码等模块。

终端通用深度学习加速器芯片市场的应用则刚起步。许多公司的市场布局主要一是培养开发者生态，另一方面也探索研究哪一领域最有潜力，针对几个重要的场景推出相应的优化芯片。而探境科技的目标就是做支持所有神经网络的通用型AI处理器。不仅在安防领域，也瞄准了其他应用场景。

鲁勇认为，探境科技基于SFA架构的AI芯片，在优化了存储架构的同时，能够适用于智能家居、智能安防、智能穿戴、智能车载、智能外设等更多场景，低功耗低效能的解决更多问题。

目前，探境已量产了应用这一架构的语音识别芯片音旋风611，视觉芯片今年下半年也将发布。

AI芯片，登高需防跌重

但实际上，近两年，许多AI企业的芯片纷纷宣布流片，尤其针对安防领域的芯片并不少，但似乎还并未出现强势的对传统芯片的替代或继任者。而作为一个芯片界的老兵，如何看待AI芯片行业的发展呢？

鲁勇认为，AI芯片确实是被公认的一个国内企业弯道超车的机会。相较于国外更看重云端场景，国内有在边缘端有大量市场，这为国内AI企业在边缘芯片的发展提供了良好的机会。

但国内虽有很多公司关注对AI芯片的底层架构的研发，也有不少AI芯片公司“只追求有，不追求好”，用拼凑的方式来做芯片。很多公司为了顺应市场形势，将自己包装为一个AI芯片公司。这样就给市场造成了很大泡沫。并且，国内AI芯片企业，也普遍缺乏后端设计的人才。

后端设计相对于前端的逻辑设计，更多涉及到芯片的工艺，也相对更需要丰富的经验。国内在后端设计人才上更为紧缺。因而，很多厂商会通过外包的方式做后端服务，来完成生产。这对芯片厂商来说，其实是一个很大的竞争劣势。

AI芯片，“登高”似乎也面临着“跌重”的风险。

不过，大浪淘沙。在2017年就看到，并率领团队致力于解决AI芯片中的存储问题，鲁勇显然对自己和探境科技都更有信心。

“芯片，作为一个赢者通吃的行业，对技术和产品的能力要求都非常高。行业最终会看到，技术和产品会主导AI芯片的格局。具备两者实力的AI芯片公司，会最后存活下来。”鲁勇说道。雷锋网雷锋网雷锋网