人工智能發展過程中，算力是一個重要的因素，算力就像是 AI 的燃油，沒有燃油，AI 哪也去不了。而為 AI 應用提供算力的，正是各種各樣的芯片。而近幾年，嗅到 AI 芯片商機的企業紛紛入局，想要從底層算力上獲得獨立的能力，然而，并不是所有入局的企業都懂得如何才能造出真正的好芯片，因此走進一些誤區。在 2019年 CAIS 大會上的演講《人工智能芯片發展方向與誤區》中，賽靈思人工智能業務資深總監姚頌為我們分享了其研發芯片產品的經驗，并指出了 AI 芯片的發展方向和一些誤區。

姚頌以一個楔子開場：張華考上了北京大學，李萍進了中等技術學校，我在百貨公司當售貨員，我們都有光明的前途。這就好比 CPU 擅長通用計算，GPU 擅長大規模并行計算，它們都有不同的前途。

誤區1：AI芯片概念火，卻并無技術突破

姚頌認為，AI 芯片之所以如此火爆，實際上受到多方面因素的影響。首先，我們從互聯網時代進入了 AI 的新時代，所有的虛擬應用必須有一個硬件載體作為支撐。但是與此同時，還有其他的原因。在人工智能流派中，深度學習只是一小部分，所以做一顆 AI 芯片是很寬泛的概念。AI 芯片從通用到專用，它的性能和支持的范圍各異，其中通用芯片是最難設計的，而專用芯片一定需要錢和時間才能做出來。而做專用的芯片，如深度學習推理芯片，進行專門的應用并不難。

但這里其實有一個誤區。我們可以看到，幾十種 AI 芯片像潮水一樣涌現，但是卻只能支持一部分功能，它可能是一個新的概念，但并沒有帶來實際的技術上的突破。

誤區2：衡量 AI 芯片好壞，硬指標不夠

除此之外，AI 芯片競爭激烈，大家經常在想到底一顆好的 AI 芯片是怎樣的。在實際應用場景中，我們考慮的很多問題是用戶體驗層面的問題，這對于 AI 芯片同樣適用，有人經常討論芯片的頻率是多少，性能多好，價格多貴，但是否這些硬性指標就能衡量一款 AI 芯片的好壞呢？

我們看到，現在芯片分為四大技術路徑：CPU、GPU、FPGA、ASIC，但是 CPU 的開發、功耗、穩定性、靈活性都很好。GPU性能也非常好，正是因為這樣一個強有力的工具，才有今天人工智能的夏天。

FPGA 的性能、功耗的表現同樣很好，但是開發周期太長。而 ASIC 是專用芯片，專項應用。

這里也有一個問題，賽靈思表示，他們從來不覺得投項目是投技術和商業，而是投產品和商業，是要滿足客戶的需求，而不是說某一種新的方式，最終用戶看的不是新概念，而是產品帶來的新指標，以及給用戶帶來的新體驗，這是很重要的事情。

回過頭來看，做芯片和做技術都是在做產品。產品分為四個層次，第一個層次就是能用，滿足用戶的基礎功能需求；第二個層次是好用，功能比較完整，性能表現較好；第三層是愛用，讓用戶體驗好；第四點是離不開，在產品之外提供額外的一些附加值。做一顆好的芯片也一樣，要做到這四點。

最后，姚頌分享了賽靈思從傳統芯片公司轉型到一下軟件系統公司的過程，并強調了搞定技術實際上離產品大賣才做了 10% 的事情，當有了一個技術指標、想法、設計之后，最后把它變成一個商品，變成一個持續供貨、用戶認可的產品，背后還有 90% 的體力活苦活要做，把這些做完以后，才能建立一個真正好的產品和商業級氛圍。

總結起來，AI 芯片產品是否真的可靠，是否真的好用，這是一個真正衡量產品好壞的標準。