文/Lina
来源：智东西（ID：zhidxcom）
故事要从 1992 年开始说起。
1992 年，在美国新泽西州霍姆德尔市，一处离海岸只有 24 公里的宁静小镇上，屹立着大半个世纪以来全球最著名的科学实验室之一 AT&T贝尔实验室。
AT&T贝尔实验室
在这个传奇的实验室里，不仅诞生了 7 位诺贝尔奖获得者，还是诞生了世界上第一个晶体管、蜂窝式电话系统、通讯卫星、有声电影、太阳能电池、C/C++语言、UNIX 系统
不仅如此，世界上第一块人工智能芯片也同样诞生于此。
1992 年，马克 扎克伯格只有 8 岁，离他后来创办世界第一大社交网络 Facebook 还有 12 年时间，离 卷积神经网络之父 Yann LeCun 加入 Facebook 人工智能研究院还有 21 年。
就在这一年，世界上第一块 同时也被当时研究频频受挫的 Yann LeCun 称为 可能是世界上最后一块 神经网络芯片 ANNA，就诞生 AT&T贝尔实验室里。
1992 年的 AT&T贝尔实验室一景
ANNA 之兴与卷积神经网络之衰
众所周知，无论是 人工智能 、 深度学习 还是 神经网络 ，这些近年来大火的概念其实都可以追溯到几十年前。但由于这些算法对于数据与计算量都有着极大的要求，当时的软硬件条件都无法满足，因而这类研究一直到近些年才大火起来。
不过，即便在众人并不看好深度学习的年月里，依然有一小群在 神经网络寒冬 里也坚持信念的科学家们，Yann LeCun 就是其中一个。
1988 年 10 月，在学习完神经科学、芯片设计，并师从多伦多大学深度学习鼻祖 Geoffrey Hinton 后，年仅 27 岁的年轻博士后 Yann LeCun 来到美国新泽西州，正式成为传奇的 AT&T贝尔实验室的一员。
在当时的贝尔实验室里，已经有一组研究员在进行英文字母识别的研究，并且积累下了一个拥有 5000 个训练样本的 USPS 数据集 这在当时已经是一个非常庞大的数据集。
在这个数据集的帮助下，Yann LeCun 在三个月内便打造并训练了第一个版本的卷积神经网络 LeNet one，在字母识别上取得了有史以来最高的准确率，也正式标志着卷积神经网络的诞生。
不过，Yann LeCun 的研究并没有止步在软件层面。1989 年，Yann LeCun 与实验室的其他实验员 Bernhard Boser、Edi Sackinger 等人共同撰写了一篇新论文，介绍了他们所研制的一款名为 ANNA 的神经网络芯片。
ANNA 神经网络芯片
ANNA 中包括 64 个计算单元，专门针对卷积神经网络进行了优化，其峰值吞吐量为每秒 40 亿次加法。
虽然在此之前，神经网络作为一个新兴的研究方向已然小有名气，有不少研究人员也尝试打造过神经网络芯片，但它们都无法放在板级（Board-Level）测试环境中，也就无法在真实世界中应用。
除了 ANNA 之外，贝尔实验室还曾在 1991 年打造过一款 Net32K 芯片。在 Yann LeCun 等人随后发布了一系列论文中，他们不仅介绍了 ANNA 在板级测试中的优秀表现，还展示了 ANNA 在利用卷积神经网络在文本倾斜检测、手写数字识别等应用上的优异表现（比单独的 DSP 快 10 到 100 倍），让 ANNA 当之无愧地成为了世界上第一块 能用的 人工智能芯片。
搭载 ANNA 的测试板原理示意图
不过，天有不测风云。1996 年，AT&T公司进行了一轮拆分，通信运营业务保留在新 AT&T中，一部分贝尔实验室和 AT&T的设备制造部门被剥离出来形成了朗讯科技，另一部分负责计算机业务的部门则组建了 NCR 公司。
Yann LeCun（后排中间）与新 AT&T实验室成员，摄于 2002 年
Yann LeCun 留在了新 AT&T的实验室里，担任 AT&T实验室图像处理研究部门负责人，然而极其不幸的是，卷积神经网络的专利却被律师团队最终决定分给了 NCR 公司（这一专利在 2007 年过期）。
用 Yann LeCun 的话来说， 当时 NCR 手握卷积神经网络的专利，却完全没有人知道卷积神经网络到底是什么 ，而自己却因为身处另一家公司而无法继续进行相关研究。
然而，在 1996 年后的时间里，科学界对神经网络的兴趣逐渐走向衰微，越来越少人进行相关研究，一直到 2010 年以后才重新兴起。
AI 芯片浪潮袭来
让我们把时间调回现在。
在过去的这十年间，AI 领域迎来了一场新浪潮。
人工智能这一项新兴技术，在经历了技术积累、升级、发酵之后，正在以 AI 芯片作为载体而全面崛起。据智东西报道了解得知，目前全球至少有 50 家初创公司正在研发语音交互和自动驾驶芯片，并且至少有 5 家企业已经获得超过 1 亿美元的融资，这一数目还在不断增加当中。（深度 AI 芯片终极之战）
除了创业市场一片兴盛外，各大科技巨头也毫不示弱。除了谷歌、苹果、华为、百度、英特尔、赛灵思等巨头陆续重拳入局 AI 芯片外，亚马逊也被曝出拥有 449 人的芯片团队，设计定制 AI 芯片的消息基本坐实。
作为目前全球市值最高的第五大科技企业，日活跃用户达 14.5 亿、月活跃用户达 22 亿的全球第一大社交网站 Facebook 自然也不会缺席这场战役。
2013 年，时任纽约大学教授的 Yann LeCun 宣布加入 Facebook，帮助建立 Facebook 人工智能研究院（FAIR）。
部分 Facebook 人工智能研究院成员
在成立五年以来，Facebook 人工智能研究院已经在美国加州门洛帕克（Facebook 总部）、美国纽约、法国巴黎、以及加拿大蒙特利尔等地建有六所人工智能研究所，拥有超过 115 位科学家，各自专攻机器视觉、机器学习、自然语言处理等领域，包括何凯明、田渊栋等国内熟悉的人工智能学者。
在 Yann LeCun 的带领下，Facebook 人工智能研究院中不仅诞生了著名的 Caffe、Caffe2 深度学习开源框架，也让 Facebook 在这人工智能浪潮当中能够与谷歌等巨头一争高下。
早在 2017 年底，Facebook 就已经作为英特尔的首位合作伙伴，内部测试了英特尔 AI 云端芯片 Spring Crest，并与英特尔合作进行了 AI 芯片的研发与优化，一时间有关 Facebook 要打造自己的云服务器 AI 芯片 的传言尘嚣甚起。
不过我们综合各方线索来看，Facebook 最先打造的应该并不会是一款能够支持多种 AI 应用的通用云端 AI 芯片，而是一款主攻视频的 AI 芯片，不过目测这款芯片不会在近期与众人见面。
挖角谷歌，大规模扩建 AI 芯片团队
从 2018 年年中开始，Facebook 就在 AI 芯片方面频频发声。
5 月，在巴黎 Viva 科技峰会上，Yann LeCun 首次直接披露了 Facebook 在 AI 芯片方面的具体方向：视频实时监测。
由于这两年来视频直播的盛行，越来越多用户选择使用这种方式分享自己的生活，这位 Facebook 的视频实时分析、实时审核过滤带来了极大的压力。
2017 年的复活节时，一名男子在 Facebook 上直播开枪，杀人，该视频在 Facebook 上停留了超过 2 个小时后才被删除，引起了社会的极大恐慌。
传统软硬件不仅分析过滤不及时，对于越来越大量的视频压缩、审核、监管等应用，传统软硬件在计算资源和功耗控制上都达不到要求。
Yann LeCun 说， Facebook 之所以要自己做芯片，是因为传统资源无法满足新时代需求，传统方法已经失效，我们需要一款 AI 芯片，实时分析和过滤视频内容。
顺便一提的是，今年 1 月，Yann LeCun 宣布将不再担任 FAIR 负责人，将由前 IBM 大数据集团 CTO J r me Pesenti 接任。LeCun 表示他将改任 Facebook 的首席 AI 科学家，专注于 AI 学术研究以及对 FAIR 进行方向性指导。
Shahriar Rabii 的 LinkedIn 界面
目前。Facebook 的 AI 芯片团队还处在早期的起步组建阶段。就在上周，Facebook 才刚刚从谷歌挖来一员大将 谷歌前芯片产品开发部门负责人 Shahriar Rabii 跳槽，担任 Facebook 副总监及芯片部分负责人一职。
Shahriar Rabii 曾在谷歌工作 7 年，离职前职位为高级工程师主管、芯片产品开发部门负责人。他负责带队进行了大量针对消费者用户的芯片研发工作，其中最值得一提的是为 谷歌亲儿子 Pixel 智能手机打造的 Visual Core 定制化 AI 视觉芯片，这枚芯片能够为智能手机摄像头带来机器学习 AI 功能。
更早之前的 4 月 19 日，Facebook 的第一条 AI 芯片招聘信息开始在线上流传。在招聘信息当中，Facebook 宣布即将为招聘一名管理者（Manger）来组建 端对端 SoC/ASIC 固件和驱动开发组织 ，该管理者需要 针对多个垂直领域开发定制解决方案，包括人工智能和机器学习 。
在同日的另一则招聘启事中，Facebook 则表示正在招聘 ASIC&FPGA 设计工程师 ，该工程是需要拥 架构和设计半定制和全定制 ASIC 的专业知识、能够与软件和系统工程师合作，了解当前硬件的局限性，并利用他们的专业知识打造针对多种应用（包括人工智能/机器学习，压缩，视频解码等）的定制解决方案。
时至今日，Facebook 依然有不少 AI 芯片相关的岗位招聘挂在 LinkedIn 页面上，并且在持续更新中：比如五天前跟新的一条 内存&芯片产品总监 招聘信息、以及三天前更新的两条 ASIC&FPGA 工程师 、 ASIC/FPGA 技术项目主管 招聘信息。
从高调挖人到大规模招聘，可见 Facebook 在 AI 芯片的决心与投入。不过如果按照芯片 18 个月的设计制造周期来说，如果 Facebook 现在才开始招募团队，那么离芯片真正量产就还有至少一年时间。
结语：AI 芯片的巨大想象空间
随着 AI 算法的进一步发展，人工智能在不同应用领域的分化也越来越明显。对于任何一个业务体量巨大的科技公司而言，专为自己业务线所打造的定制化 AI 芯片能够带来的成本缩减与效率提升有着巨大的想象力，任何一个科技巨头都不会轻易放过这一机会。
虽然硬件研发一直都不是 Facebook 的强项，但是如果瞄准的只是视频压缩与审查这一领域，那么 AI 芯片打造的难度将会大大小于通用云端 AI 芯片（君不见英特尔的 AI 芯片一再推迟面世），可能会比预期更早与世人见面。
