做AI芯片需要要掌握的技能.doc

《做AI芯片需要要掌握的技能.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、做AI芯片需要要掌握的技能做AI芯片需要要掌握的技能　　有哪些公司在做AI芯片？　　正在做AI芯片的公司可以分为几类：初创公司，传统芯片公司，应用设备公司以及软件算法公司。　　AI芯片初创公司是第一批冒险家，发现了新大陆上的金矿。例如地平线、寒武纪、启英泰伦等，就是直接以AI芯片为目标的。最初以FPGA为产品形态的深鉴，今年也开始向芯片进军了。这部分，也有正在国内开分部的国外初创公司，例如Kneron。　　传统芯片公司是殖民者，听说AI芯片这片土地不但比较肥沃而且富含金矿，于是带着自家的人和枪就冲过来了。国内典型的有华为、杭州国芯、比特大陆等。这类公司也包括一些传统的IP提

2、供方。　　应用设备公司和软件算法公司本来是殖民者的合作方，在金矿的诱惑下，也开始招兵买马，开着水陆两栖登陆舰就来抢滩了。典型的如，海康、云知声、云飞励天、依图科技、科大讯飞等等，以及传说中的百度。这些公司中，有的虽然没公开宣布做芯片，但是已经悄悄在招聘了；有的虽然宣布要走芯片路线，但是还不见招聘信息。如果去这些公司有所不便，你可以根据你想去的城市，找找有没有号称要做AI的公司，或者公司分部，然后再去主页看看招聘页面，找找你适合的职位。　　　　AI芯片是怎样的？有什么特别？　　如果你有进入AI行业做芯片的想法，那至少要简单思考一下这个问题了。目前所谓AI芯片的产品状态，可能和

3、你想象中高大上的东西有很大差别（可以参考我以前写的并在知乎上不断更新的一篇《地平线谭洪贺：零基础看懂全球AI芯片--详解“xPU”》，做一个大致了解）。　　广义上讲，能运行AI算法的，似乎都可以叫AI芯片。这种AI芯片和其他soc芯片也没什么区别。其实，目前任何有编程能力的cpu芯片都可以执行AI算法，只是效率不同的问题。即使一颗386，也可以跑个CNN算法，做个语音识别任务，只是可能几个月以后才有结果。这样的芯片我们一般不好意思称之为AI芯片。　　但也有面子大的，有的公司号称推出的智能芯片，其实只是把收集的语音数据通过网络传到了云端，然后从云端拿回结果而已。与之形成对比的

4、是，有些公司并没有将自己的芯片宣传为AI芯片，比如movidius和mobileye（可能是因为当时开发产品的时候AI概念还不火，没法拿来做PR）。这两家的芯片都是做计算机视觉处理的，都集成了多个向量处理器，由于可以运行基于CNN的视觉处理算法来实现一些智能的功能，所以我们也不自觉地将其称为AI芯片了。　　　　狭义上讲，我们可以定义AI芯片为“专门针对AI算法做了特殊加速设计的芯片”。这种芯片的核心就是神经网络加速器，或者叫深度学习加速器。但是，作为IC工程师，大家都知道，仅有一个加速器是没法使用的，所以，除特殊情况外，AI芯片都是包含了特定NN或DL加速器的SOC。例如，

5、华为大打AI概念的手机AP麒麟970中，集成的是寒武纪的专为DL打造的处理器IP；苹果用于iphone-X的A11，集成了其自己研发的AppleNeuralEngine。其他的，深鉴的DPU在处理NN计算时使用了独特的压缩技术，比特大陆的“智子”更像是一个GPU。　　可以看到的趋势是，集成NN加速器的狭义AI芯片会成为主流。Movidius最新的MyraidX芯片，Mobileye最新的EyeQ5芯片，都在原来的基础上增加了特定的NN加速器。地平线即将发布的第一款芯片，也是针对视觉处理任务的，完全使用自己的NN加速器，没有内置其他的向量处理器。　　当你看到某个公司发布了AI

6、芯片，或者公布了AI产品的时候，你需要擦亮眼睛，认清这个新的瓶子里到底装的是旧酒还是新酒。下图，分别是两家公布的NPU结构，大家可以自己分辨一下。当然，如果你不是IC工程师，你在这方面的定义可以更广义一些，比如关注到AI产品的层面。　　　　行动篇　　重新看待面试　　引用专业人士的话，面试只有三个问题：　　Canyoudothejob?（实力）　　Willyoulovethejob?（意愿）　　Canwetolerateworkingwithyou?（个性）　　对于应聘者，面试的过程，就是要说明实力、表达意愿、展现个性的过程。而对于我们面试方，面试的过程，就是在通过各种问题来

7、考察你的实力、确认你的意愿、了解你的个性的过程。展开来说的话，面试是个很大的话题，这里只能简单说说，并针对几个有代表性的问题做些回答。　　用项目经历说明你的实力　　如果你能在简历中突出地展示出你的实力，尤其是对公司的产品有用的实力，这是一个好的开始。不过更重要的是，在面试过程中体现出来。　　举例来说，如果你要去一家做AI芯片的公司应聘，必然要先了解一下公司产品的大概情况。然后，你可以在面试中突出你与之相关的实力和项目经验。例如，你做过图像信号处理（ISP），这对做视觉处理器的公司是有用的经验。　　同时你会发现，VP