前日，由智東西聯合極果、AWE舉辦的GTIC 2018全球AI芯片創新峰會在上海舉辦。本次峰會以“走進AI世界，從芯看未來”為主題，匯集了清華大學微電子所所長魏少軍、NVIDIA亞太區AI技術中心首席技術官Simon See、聯發科技副總經理暨家庭娛樂產品事業群總經理游人杰以及深鑒科技聯合創始人兼CEO姚頌、啟英泰倫創始人&董事長何云鵬等眾多行業人士，共談AI芯片的最新技術動向及產業落地前景。

會上， 清華大學微電子所所長魏少軍呼吁，當前，AI領域芯片已“炒作”過熱，在目前還沒有出現AI通用算法的芯片，以及，AI殺手級應用尚未出現的情況下，AI芯片未來發展還有長路要走。而推進AI芯片需要軟件、硬件“雙輪驅動發展”，其中，軟件更是扮演核心的關鍵角色。

人工智能是一個老的新話題

我們看到，近年來，在人工智能領域有兩件事情，刺激了人們的神經。

首先是在去年，谷歌的alphago和兩位世界級圍棋選手分別進行了對弈，而alphago都取得了勝利。對于這件事情，很多人都認為這件事情代表了人工智能取得了重大的進步。

但是，魏少軍教授對于這件事情并沒有抱著過于悲觀的態度。他認為，從alphago與人類對弈的初衷目的來說，并沒有達到最初目標。最開始谷歌的目標是alphago在沒有經過人工干預的情況下獲得最終的勝利，從而證明機器做能夠自我學習，戰勝人類。但是最終的結果顯示，這兩場比賽，都有人工干預的成分在其中，alphago才取得了最終的勝利。

第二件事情就是在2011年，IBM舉行了一場名叫《危險邊緣》的比賽，這場比賽更能夠反映人工智能作用。雖然比賽中計算機的體積不大，但是它的人工智能程度遠遠高于alphago?！芭c這類機器相比較而言，alphago只能算是專門用于下圍棋的機器。”魏少軍教授表示。

但是，盡管如此，魏少軍教授認為人工智能依舊是一個老的新話題。

芯片是實現人工智能的當然載體

魏少軍他指出，當前人工智能算法非常多，層出不窮并沒有統一，根據應用不同，因應算法也不同；從硬件芯片來說，需要具備AI深度學習引擎，從云端向終端遷移的過程，需要極高效能通用深度學習引擎。

那么人工智能芯片是什么呢？

從目前主要的幾個機器學習芯片平臺來看。

首先是GPU。目前GPU的計算能力要比CPU高很多倍。從全部圖形芯片市場來看。英特爾目前占了71%，英偉達占了16%，AMD占了13%。但是從分立式GPU市場來看，英偉達占了71%，AMD占了29%。所以英偉達在分立式GPU市場產品中占有絕對的優勢，其產品廣泛應用于數據中心的人工智能訓練。

此外，人工智能芯片的第二個發展方向就是FPGA和TPU。

FPGA所實現的人工智能芯片，能夠在相同的情況下，功耗下降到GPU環境的20%。但是這依舊很難在移動設備上使用。

而TPU的問題在于精度不高。所以TPU主要適用于不需要極高精度的機器學習相關計算。與GPU相比，TPU旨在以較低的精度來提高性能，功耗下降到GPU環境的10%左右。

芯片是實現AI實現智能的當然載體，“無芯片，不AI”。這也使得如今的芯片行業進入到一個高爆發和強競爭的階段，例如英偉達在分立式GPU產品上占有優勢，產品廣泛應用于數據中心的人工智能訓練；AMD能夠提供異構GPU/CPU（即APU），以及集成或分立的GPU；同時還有深鑒科技、寒武紀科技等國內創業公司在細分行業領域的深耕。

構成智能芯片的關鍵要素

從人工智能芯片的架構來看，前端有很多的傳感器，后端則是很多的執行器，而連接著兩個部分的，絕不僅僅只是單一的芯片，而需要很多的功能。

在此基礎上，我們總結出了，人腦的的相關的工作結構，其中包括：多輸入/多輸出系統；高度復雜的互連結構；多任務且高度并行化運行系統；多處理器單元系統；并行分布式存儲；并行分布式軟件；分布式處理與集中控制系統。

綜上所述，構成智能芯片的關鍵要素到底有哪些呢？在魏少軍教授看來，主要包含一下部分：

一． 可編程性：適應算法的演進和應用的多樣性；

二． 架構的動態可變性：適應不同的算法，實現高效計算；

三． 高效的架構變換能力：< 10 Clock cycle， 降低開銷；

四． 高計算效率：避免使用指令這類低效率的架構。

五． 高能量效率：~5TOps/W

某些應用：功耗 < 1mW

某些應用：識別速度 > 25f/s

六． 低成本：能夠進入家電和消費類電子；

七． 體積?。耗軌蜓b載在移動設備上；

八． 應用開發簡便：不需要芯片設計方面的知識；

但是，魏少軍教授認為，目前的CPU、CPU+GPU、CPU+FPGA、CPU+ASIC的作法均不是理想的架構。

AI殺手級應用還沒出現

魏少軍教授認為，現在AI芯片已經被過度“炒作”, 尤其媒體跟風起到很大作用。實際上，目前還沒有出現像CPU一樣的AI通用算法芯片，AI殺手級應用還沒出現，未來還有很長一段路要走。

在應用方面，“無行業不AI”，無論是人臉識別，語音識別、機器翻譯、監控、交通規劃、無人駕駛、智能陪伴、輿情監控、智慧農業等等，似乎AI涵蓋了人們生產生活中的方方面面。然而，哪些應用真的需要AI？我們希望AI幫助解決什么樣的問題？什么是AI的“殺手級”應用？什么樣的AI應用是我們每天都需要的？這些問題到今天仍舊沒有解決。

AI應用落地還有很長的路要走，而對于從業者來講，當務之急是研究芯片架構問題。從感知、傳輸到處理，再到傳輸、執行，這是AI芯片的一個基本邏輯。但是智慧處理的基本架構是什么？還沒有人能夠說得清，研究者只能利用軟件系統、處理器等去模仿人類。軟件是實現智能的核心，芯片是支撐智能的基礎。

總結

魏少軍在演講最后總結出如下五點思考：

1、AI芯片是當前科技、產業和社會關注的熱點，也是AI技術發展過程中不可逾越的關鍵階段，不管有什么AI算法，要想最終得到應用，就必然要通過芯片來實現。

2、由于還不存在適應所以應用的“通用”算法，確定應用領域就成為發展AI芯片的重要前提。遺憾的是，AI的“殺手”級應用目前尚未出現，已經存在的一些應用對于老百姓的日常生活來說也還不是剛需，因此，AI芯片的外部發展還有待優化。

3、架構創新是AI芯片面臨的一個不可回避的課題。一個重要問題：是否會出現像通用CPU那樣獨立存在的AI處理器？如果存在的話，它的架構是怎樣的？如果不存在，那么目前以滿足特定應用為主要目標的AI芯片就一定只能以IP核的方式存在，最終被各種各樣的SoC所集成。如果真是這樣，那么今天從事AI芯片研究的設計公司該何去何從？

4、可重構計算芯片技術允許硬件架構和功能隨軟件變化而變化，實現軟件定義芯片，在實現AI功能時具有獨到的優勢，具備廣闊的前景。

5、目前大部分的AI芯片創業者都會成為“先烈”，而這將成為AI發展中最令人欽佩也最令人動容的偉大事件