9月15-17日，2020全球硬科技創新大會在西安高新國際會議中心隆重舉行。本次大會由科技部、中國科學院、中國工程院、上海證券交易所指導，科技部火炬中心、陜西省科技廳、陜西省地方金融監管局、中共西安市委、西安市人民政府主辦，西安市科技局、西安市投資局、西安市金融工作局、西安高新區管委會承辦的。

在16日下午舉辦的人工智能創新峰會上，加拿大工程院院士杜如虛、億歐公司聯合創始人王彬、君義投資合伙人王東、高新興機器人CEO柏林、世邦魏理仕華西區戰略咨詢部資深董事何樂曄、上海商湯科技智能產業研究院主任劉志毅、金山云首席算法架構師兼人工智能產品中心負責人蘇馳、賽靈思人工智能業務資深總監姚頌、新看點創始人兼CEO冷煜、銀星智能首席技術官閆瑞君、康力優藍副總經理兼CMO副總經理趙博韜等領導和嘉賓齊聚一堂，圍繞人工智能的技術前沿和商業落地各抒己見，展開熱烈討論。

以下為姚頌演講原文，億歐在不改變嘉賓原意的基礎上，進行了編輯，以饗讀者。

大家好，我是Xilinx姚頌。2015年，從清華畢業后，便與導師汪玉老師一起聯合成立了深鑒科技，主要做AI硬件加速。兩年多時間里，深鑒科技進行了三輪融資，其中包括4家戰略投資。2008年，深鑒科技被Xilinx收購，成為 2012年迄今唯一被美國收購的中國高科技公司。

今天，我想與大家分享親身經歷的芯片行業變化和AI技術迭代。

AI需要芯片，芯片也需要AI

人工智能深度學習基礎算法，在上世紀80、90年代就已經被提出，此后人類對其進行了大量改進，過程中，很重要的一點是，大量數據得以積累。在1998年，人類難以運用海量數據，而芯片誕生后，才能運用積累的數據，AI技術才有了發展的可能。

回頭看整個芯片行業發展，芯片發展受到應用的驅動。從雷達，到臺式機、大型機，再到PC、手機、無線通訊，到現在的AI。應用本身對于芯片的發展具有巨大引領價值。

過去8年里，算法效率提升了44倍，即95%的準確度目標下，當前算法計算量只需原來的1/44；過去8年里，算法總計算量提升了30萬倍以上，可見，整個計算性能和算法性能之間，還存在一萬倍的差距，需要利用其他方式彌補，這就是芯片應該做的事情。

AI芯片核心解決的不是計算問題，而是存儲系統性能不佳導致的數據讀取耗時問題，解決方法就是——微架構設計，該設計能夠充分挖掘算法的局部性。舉例來說，某個數據需要復用30次時，采用微架構設計的芯片只用讀取一次，然后運行30次即可，由此便減少了芯片的讀取量。當前市面上大量的數字芯片，實際采用的都是這一思路。

數字芯片遇瓶頸，更加重視軟件和生態

不過，當前數字芯片技術也遇到了一定瓶頸，以存內計算、光計算為代表的的下一代計算方式越來越受到關注。

芯片設計一大特點是，必須走了一步才能知道下一步要解決什么問題，只能由少數幾個人串型解決問題。但是，相較通用芯片，專用芯片是非常容易制造的，而且芯片越專用，越容易做，并且性能性能越好。因此，造 AI芯片不是特別難。

AI芯片行業當前面臨的問題在于，原本想象的“顛覆式創新”機會可能并不存在。顛覆式創新意味著，如果新的技術，以特別簡單、便捷、低成本產出原有技術下的高端性能產品，性能增長超過用戶的需求，那么新技術一定能在某個時點取代原有技術。

中國芯片行業還存在另一個原生性問題，芯片問題很大程度上不需要靠芯片解決，而是靠軟件和生態解決，中國缺乏軟件和生態解決方案。英偉達在軟件生態上砸了很多錢，而不是在芯片上，但中國企業對這一點沒有足夠重視。

未來如何發展？

很多新的技術路線，比如光計算、量子計算，投入使用還需很長一段時間。因此，企業不用過于擔心新技術路線，而是應該考慮許多客戶逐漸開始自己做芯片，特斯拉自己做芯片、百度今年正式推出“昆侖”芯片、阿里推出“含光800”的芯片。

此外，云端市場非常擁擠。百度、阿里、騰訊都在做，英偉達已經在某些領域形成壟斷。但是，市場容量有那么大嗎？可能沒有，這個市場可能最終只有1-2家公司存活。

我認為，更大的市場空間在終端，當前終端由于功耗、散熱等問題難以應用到很多場景去，而AI芯片可以解決。需要關注的問題在于，每個場景都十分龐大，不同場景的需求差異巨大，一家公司很難同時兼顧，許多場景需求只能合并，而企業也只能在垂直領域深挖。

當前，自動駕駛、智慧安防、機器人等諸多場景，都需要AI芯片的支持。盡管，行業還在沉淀期，但我認為， AI芯片很快會在更多場景中發揮價值， AI很有價值，芯片很有價值，合在一起是更有價值的。
責任編輯：tzh