故事要從1992年開始說起。
1992年，在美國紐澤西州霍姆德爾市，一處離海岸隻有24公裡的甯靜小鎮上，屹立着大半個世紀以來全球最著名的科學實驗室之一——AT&T貝爾實驗室。
▲AT&T貝爾實驗室
在這個傳奇的實驗室裡，不僅誕生了7位諾貝爾獎獲得者，還是誕生了世界上第一個半導體、蜂窩式電話系統、通訊衛星、有聲電影、太陽能電池、C/C++語言、UNIX系統……
不僅如此，世界上第一塊人工智能晶片也同樣誕生于此。
1992年，馬克·紮克伯格隻有8歲，離他後來創辦世界第一大社交網絡Facebook還有12年時間，離“卷積神經網絡之父”Yann LeCun加入Facebook人工智能研究院還有21年。
就在這一年，世界上第一塊——同時也被當時研究頻頻受挫的Yann LeCun稱為“可能是世界上最後一塊”——神經網絡晶片ANNA，就誕生AT&T貝爾實驗室裡。
▲1992年的AT&T貝爾實驗室一景
ANNA之興與卷積神經網絡之衰
衆所周知，無論是“人工智能”、“深度學習”還是“神經網絡”，這些近年來大火的概念其實都可以追溯到幾十年前。但由于這些算法對于資料與計算量都有着極大的要求，當時的軟硬體條件都無法滿足，因而這類研究一直到近些年才大火起來。
不過，即便在衆人并不看好深度學習的年月裡，依然有一小群在“神經網絡寒冬”裡也堅持信念的科學家們，Yann LeCun就是其中一個。
1988年10月，在學習完神經科學、晶片設計，并師從多倫多大學深度學習鼻祖Geoffrey Hinton後，年僅27歲的年輕博士後Yann LeCun來到美國紐澤西州，正式成為傳奇的AT&T貝爾實驗室的一員。
在當時的貝爾實驗室裡，已經有一組研究員在進行英文字母識别的研究，并且積累下了一個擁有5000個訓練樣本的USPS資料集——這在當時已經是一個非常龐大的資料集。
在這個資料集的幫助下，Yann LeCun在三個月内便打造并訓練了第一個版本的卷積神經網絡LeNet one，在字母識别上取得了有史以來最高的準确率，也正式标志着卷積神經網絡的誕生。
不過，Yann LeCun的研究并沒有止步在軟體層面。1989年，Yann LeCun與實驗室的其他實驗員Bernhard Boser、Edi Sackinger等人共同撰寫了一篇新論文，介紹了他們所研制的一款名為“ANNA”的神經網絡晶片。
▲“ANNA”神經網絡晶片
ANNA中包括64個計算單元，專門針對卷積神經網絡進行了優化，其峰值吞吐量為每秒40億次加法。
雖然在此之前，神經網絡作為一個新興的研究方向已然小有名氣，有不少研究人員也嘗試打造過神經網絡晶片，但它們都無法放在闆級（Board-Level）測試環境中，也就無法在真實世界中應用。
除了ANNA之外，貝爾實驗室還曾在1991年打造過一款Net32K晶片。在Yann LeCun等人随後釋出了一系列論文中，他們不僅介紹了ANNA在闆級測試中的優秀表現，還展示了ANNA在利用卷積神經網絡在文本傾斜檢測、手寫數字識别等應用上的優異表現（比單獨的DSP快10到100倍），讓ANNA當之無愧地成為了世界上第一塊“能用的”人工智能晶片。
▲搭載ANNA的測試闆原理示意圖
不過，天有不測風雲。1996年，AT&T公司進行了一輪拆分，通信營運業務保留在新AT&T中，一部分貝爾實驗室和AT&T的裝置制造部門被剝離出來形成了朗訊科技，另一部分負責計算機業務的部門則組建了NCR公司。
▲Yann LeCun（後排中間）與新AT&T實驗室成員，攝于2002年
Yann LeCun留在了新AT&T的實驗室裡，擔任AT&T實驗室圖像處理研究部門負責人，然而極其不幸的是，卷積神經網絡的專利卻被律師團隊最終決定分給了NCR公司（這一專利在2007年過期）。
用Yann LeCun的話來說，“當時NCR手握卷積神經網絡的專利，卻完全沒有人知道卷積神經網絡到底是什麼”，而自己卻因為身處另一家公司而無法繼續進行相關研究。
然而，在1996年後的時間裡，科學界對神經網絡的興趣逐漸走向衰微，越來越少人進行相關研究，一直到2010年以後才重新興起。
AI晶片浪潮襲來
讓我們把時間調回現在。
在過去的這十年間，AI領域迎來了一場新浪潮。
人工智能這一項新興技術，在經曆了技術積累、更新、發酵之後，正在以AI晶片作為載體而全面崛起。據智東西報道了解得知，目前全球至少有50家初創公司正在研發語音互動和自動駕駛晶片，并且至少有5家企業已經獲得超過1億美元的融資，這一數目還在不斷增加當中。（深度 | AI晶片終極之戰）
除了創業市場一片興盛外，各大科技巨頭也毫不示弱。除了谷歌、蘋果、華為、百度、英特爾、賽靈思等巨頭陸續重拳入局AI晶片外，亞馬遜也被曝出擁有449人的晶片團隊，設計定制AI晶片的消息基本坐實。
作為目前全球市值最高的第五大科技企業，日活躍使用者達14.5億、月活躍使用者達22億的全球第一大社交網站Facebook自然也不會缺席這場戰役。
2013年，時任紐約大學教授的Yann LeCun宣布加入Facebook，幫助建立Facebook人工智能研究院（FAIR）。
▲部分Facebook人工智能研究院成員
在成立五年以來，Facebook人工智能研究院已經在美國加州門洛帕克（Facebook總部）、美國紐約、法國巴黎、以及加拿大蒙特利爾等地建有六所人工智能研究所，擁有超過115位科學家，各自專攻機器視覺、機器學習、自然語言處理等領域，包括何凱明、田淵棟等國内熟悉的人工智能學者。
在Yann LeCun的帶領下，Facebook人工智能研究院中不僅誕生了著名的Caffe、Caffe2深度學習開源架構，也讓Facebook在這人工智能浪潮當中能夠與谷歌等巨頭一争高下。
早在2017年底，Facebook就已經作為英特爾的首位合作夥伴，内部測試了英特爾AI雲端晶片Spring Crest，并與英特爾合作進行了AI晶片的研發與優化，一時間有關“Facebook要打造自己的雲伺服器AI晶片”的傳言塵嚣甚起。
不過我們綜合各方線索來看，Facebook最先打造的應該并不會是一款能夠支援多種AI應用的通用雲端AI晶片，而是一款主攻視訊的AI晶片，不過目測這款晶片不會在近期與衆人見面。
挖角谷歌，大規模擴建AI晶片團隊
從2018年年中開始，Facebook就在AI晶片方面頻頻發聲。
5月，在巴黎Viva科技峰會上，Yann LeCun首次直接披露了Facebook在AI晶片方面的具體方向：視訊實時監測。
由于這兩年來視訊直播的盛行，越來越多使用者選擇使用這種方式分享自己的生活，這位Facebook的視訊實時分析、實時稽核過濾帶來了極大的壓力。
2017年的複活節時，一名男子在Facebook上直播開槍殺人，該視訊在Facebook上停留了超過2個小時後才被删除，引起了社會的極大恐慌。
傳統軟硬體不僅分析過濾不及時，對于越來越大量的視訊壓縮、稽核、監管等應用，傳統軟硬體在計算資源和功耗控制上都達不到要求。
Yann LeCun說，“Facebook之是以要自己做晶片，是因為傳統資源無法滿足新時代需求，傳統方法已經失效，我們需要一款AI晶片，實時分析和過濾視訊内容。”
順便一提的是，今年1月，Yann LeCun宣布将不再擔任FAIR負責人，将由前IBM大資料集團CTO Jérôme Pesenti接任。LeCun表示他将改任Facebook的首席AI科學家，專注于AI學術研究以及對FAIR進行方向性指導。
▲Shahriar Rabii的LinkedIn界面
目前。Facebook的AI晶片團隊還處在早期的起步組建階段。就在上周，Facebook才剛剛從谷歌挖來一員大将——谷歌前晶片産品開發部門負責人Shahriar Rabii跳槽，擔任Facebook副總監及晶片部分負責人一職。
Shahriar Rabii曾在谷歌工作7年，離職前職位為進階工程師主管、晶片産品開發部門負責人。他負責帶隊進行了大量針對消費者使用者的晶片研發工作，其中最值得一提的是為“谷歌親兒子”Pixel智能手機打造的Visual Core定制化AI視覺晶片，這枚晶片能夠為智能手機攝像頭帶來機器學習AI功能。
更早之前的4月19日，Facebook的第一條AI晶片招聘資訊開始線上上流傳。在招聘資訊當中，Facebook宣布即将為招聘一名管理者（Manger）來組建“端對端SoC/ASIC固件和驅動開發組織”，該管理者需要“針對多個垂直領域開發定制解決方案，包括人工智能和機器學習”。
在同日的另一則招聘啟事中，Facebook則表示正在招聘“ASIC&FPGA設計工程師”，該工程是需要擁“架構和設計半定制和全定制ASIC的專業知識、能夠與軟體和系統工程師合作，了解目前硬體的局限性，并利用他們的專業知識打造針對多種應用（包括人工智能/機器學習，壓縮，視訊解碼等）的定制解決方案。
時至今日，Facebook依然有不少AI晶片相關的崗位招聘挂在LinkedIn頁面上，并且在持續更新中：比如五天前跟新的一條“記憶體&晶片産品總監”招聘資訊、以及三天前更新的兩條“ASIC&FPGA工程師”、“ASIC/FPGA技術項目主管”招聘資訊。
從高調挖人到大規模招聘，可見Facebook在AI晶片的決心與投入。不過如果按照晶片18個月的設計制造周期來說，如果Facebook現在才開始招募團隊，那麼離晶片真正量産就還有至少一年時間。
結語：AI晶片的巨大想象空間
随着AI算法的進一步發展，人工智能在不同應用領域的分化也越來越明顯。對于任何一個業務體量巨大的科技公司而言，專為自己業務線所打造的定制化AI晶片能夠帶來的成本縮減與效率提升有着巨大的想象力，任何一個科技巨頭都不會輕易放過這一機會。
雖然硬體研發一直都不是Facebook的強項，但是如果瞄準的隻是視訊壓縮與審查這一領域，那麼AI晶片打造的難度将會大大小于通用雲端AI晶片（君不見英特爾的AI晶片一再推遲面世），可能會比預期更早與世人見面。
原文釋出時間為：2018-07-17
本文來自雲栖社群合作夥伴“
智東西”，了解相關資訊可以關注“
”。