做算法的依图发布了一款AI芯片，专为视频分析而生-品玩

2019 年 5 月 9 日，依图发布了自研云端 AI 芯片 questcore（求索），以及基于该芯片构建的软硬件一体化产品和行业解决方案。

成立于 2012 年的依图，是国内计算机视觉厂商“四小龙”之一，业务主要布局在智慧城市（安防）、医疗、制药和 AI 芯片领域。

在发布现场，依图科技首席创新官吕昊博士成功演示了用依图原子服务器，带动 200 路摄像头同时完成实时智能视频分析任务。

依图原子服务器基于 4 核 questcore 芯片打造，“算力与 8 张英伟达 P4 卡服务器相当，但体积仅为后者一半，且功耗不到后者的 20%”。

针对 AI 算法定制芯片

依图做芯片，不面向通用用途，不追求在通用算力上超越 AI 加速计算巨头英伟达，而是要满足特定场景下的计算需求，并且比现有的通用计算方案更具性价比。

落到芯片的具体设计思路上，依图的做法是“垂直整合+定制设计”：在芯片设计之初就把 AI 算法考虑进去。依图为此发明了一个概念：算法即芯片。

依图科技联合创始人、CEO 朱珑博士在发布会现场解释道：“过去摩尔定律是为了广义计算而存在的，脱离 AI 算法。而我们针对具体的场景和算法，为此定制 AI 芯片，才有可能做到高性价比。”

Questcore 正是针对依图重点布局的场景所设计，支持安防、城市大脑、医疗、金融等不同场景下的视频分析，并且做了算法上的优化。这款芯片具体的参数是：

SoC（System On Chip）类型芯片
采用 16nm 制程工艺
单芯片支持 50 路视频解析
ARM 架构 + ThinkForece 自主研发的 ManyCore 架构
LPDDR4X 内存
支持 64 路全高清实时解码
支持 TensorFlow、PyTorch、Caffe 等各类深度学习框架

Questcore 专门为服务器设计，既能服务云端市场，也能服务边缘市场。具体到硬件产品，依图现在有原子系列云端服务器，以及前沿系列边缘盒子。

原子系列云端服务器有 1U 和 2U 两个型号，前者支持 200 路视频全解析，功耗小于 200W。后者支持 800 路视频全解析，功耗小于 600W。而边缘盒子支持 16 路实时视频解析，功耗小于 10W。

根据依图的对比数据，一台 4 核的 1U 原子服务器“算力与 8 张英伟达 P4 卡服务器相当，但体积仅为后者一半，且功耗不到后者的 20%”。

得益于体积的缩小，依图 questcore 构建的视频解析系统，可以将原本需要 16 台机柜的方案可以压缩到 1 台，使整体建设费用投入减少 50%，运维成本降低 80%。不仅如此，依图原子服务器能够直接在云端升级系统，不需要大规模购买或者更新已有的摄像头、传感器等终端设备，提高了现有基础设施的利用率。

目前，依图 questcore 芯片主要服务于自己的产品和解决方案，打包出售给客户，但吕昊透露，“想看看大家的反映，有没有兴趣买我们的芯片”，不排除单独出售芯片的可能。

依图做 AI 芯片的基础

在 questcore 发布之初，还很难判断依图这款 AI 芯片在竞争中所处的位置，但在芯片所需的两个重要维度——人才和资金上依图有一定的基础。

资金方面，依图至今已经完成了 7 轮融资，估值超过 150 亿元，保证了芯片研发所需的资金支持。

人才方面，依图受益于上海在芯片 IC 领域的积累。“上海是中国的集成电路中心，有非常厚实的芯片产业链，能非常顺利地招到全链路的人才。”吕昊在接受媒体采访时说，“如果没有覆盖到全链路，某些部分就需要外包。缺失某一个环节，是很难做到高度定制且具有性价比的。”

除了自己组建内部团队，依图还和上海一家芯片创业企业 ThinkForce（上海熠知电子科技有限公司）深度合作。

成立于 2017 年的 ThinkForce 非常神秘，根据公开资料，团队核心成员来自于 IBM、AMD、英特尔等龙头企业。“团队成员手里曾量产过 40 款以上各类芯片，总销售额数十亿美金”。

2017 年底，ThinkForce 完成由依图科技、云锋基金、红杉资本、高瓴资本的 4.5 亿元 A 轮融资。

依图参与投资的理由是：“AI 芯片，不像传统芯片，是软硬结合的，芯片设计、算法、体系结构都很强的团队不仅优势极大，在全球都非常稀缺，我们认为 ThinkForce 正是这样的团队。”

吕昊在接受媒体采访时表示，依图和 ThinkFore 合作“是非常垂直整合的，不是他干他的，我干我的，那跟传统芯片软件商没有区别了”。

他解释道：“以前的芯片厂商像英特尔，经历了非常辛苦的历程，做了一个芯片不知道别人在上面跑什么程序，不知道跑什么程序就无法做优化。现在的芯片知道跑什么样的模型、在哪里用、知道做什么样的优化，这需要非常早期两个团队在一起非常紧密地耦合在一起做设计、做验证。”

是机遇也是风险

AI 定制芯片在近两年已经成为很多科技公司布局的领域，而这些公司原本可能和芯片没什么关系。

大公司方面，Google 全面开放专门为张量处理优化的 TPU；特斯拉推出自动驾驶专用 AI 芯片 Tesla FSD；阿里收将把此前收购的中天微和达摩院自研芯片业务整合在一起，整合成平头哥半导体，推进云端一体化的芯片布局；百度也已经发布云端全功能 AI 芯片 ——昆仑；小米拆分松果电子团队，组建南京大鱼半导体，着重于 AI 智能和 IoT 芯片研发。

同时，不少创业公司也在尝试。中科寒武纪、比特大陆、深鉴科技、地平线、异构智能等 AI 芯片初创企业陆续发布产品，云从、云知声、出门问问、Rokid 等做 AI 应用和算法出身的初创公司，也向上游进军涉足 AI 芯片。

此外，像英伟达、英特尔这些传统的芯片公司，也在为 AI 用途定制专门的芯片。

滚滚 AI 芯片大潮背后的深层次原因，是深度学习模型的快速进步，对计算能力提出了更高要求。与此同时，一直推动芯片计算力迭代升级的摩尔定律逐渐失效，单位面积晶体管数量的提升将触及物理极限。

吕昊在发布会上也直言：“离应用和场景足够近的厂商，都能感受到这个问题”。

解决这一问题意味着巨大的行业机会，但同时也伴随极高的失败率。之前就曾有业内人士指出，自研芯片不仅对技术要求高、资金投入要求大，同时相比其他行业容错率也更低，甚至可能是零容忍。

清华大学微电子所所长魏少军在接受《第一财经》采访时，也曾明确表示：“AI 无疑十分重要，但 AI 芯片的发展很可能会在未来 2~3 年遭遇一个挫折期。今天的部分，甚至大部分创业者将成为这场技术变革中的 ‘先烈’。”