AI芯片，或許你已經聽說，或許還沒怎么意識到。當手機刷臉解鎖，當闖紅燈被拍，當無人車送貨，當照片被自動分類，當你對著智能音箱大喊大叫，無論是在千里之外的云端還是近在咫尺的終端，AI芯片已無處不在。

AI芯片是如何誕生的，發展的動力在哪？與傳統的CPU相比有何不同？AI對芯片設計會有怎樣的影響？國內的AI科研以及投資出現了怎樣的偏差？美國杜克大學終身教授陳怡然接受專訪，縱論當芯片遇到AI，將發生怎樣的進化。

《賽先生》：感覺現在AI這一波來了以后，包括加上硬件本身的發展，摩爾定律結束，感覺好像進入了一個重新跟過去很不一樣的時代？

被訪者 | 陳怡然（杜克大學電子與計算機工程系教授）

陳怡然：前兩天在杭州，我們開玩笑說很恍惚，為什么？原來我們覺得主流的一些東西，現在好像變的不主流了。??

比如說我們以前覺得科學計算是一個主流，大規模并行計算是一個主流，現在發現AI是一個主流，但是AI不是科學計算，而且深度學習又不能完全解釋它，那究竟誰在成為主流？

我覺得說不定誰的應用最多誰就是主流，我們以前做科學計算的時候，我們要講求通用性，那時候它是主流。今后我們發現其實這種多樣性，這種神經形態的計算的模型，我們稱之為認知計算的這種東西變的越來越多，那么它可能就變成一個主流。

這是我們現在感到迷惑和恍惚的地方，我覺得這畢竟是一個新的時代，不以人的意志為轉移，大家只能去擁抱它。

《賽先生》：現在有一種反對的聲音，感覺降溫也好反對也好，覺得現在AI離應用實際真正用的好、落地的場景，比如說很熱大家都在講的自動駕駛、安防也好，甚至有不同的聲音認為這個東西離應用好像還沒有那么完美，甚至還沒有怎么落地，我不知道從AI芯片設計的角度來說有沒有去考慮過這個問題？

陳怡然：有，因為做芯片來講，我得知道哪個應用將來最火，我才去設計，那我不知道什么會最火我該怎么辦。

我覺得AI這件事情的應用，是很多因素造成現在的情況。最簡單的，從投資角度，做一個AI的應用，得找到人買單。所以為什么大家做人臉識別，因為它的用戶有很強的付款的意愿，比如安防之類的。

但是實際上我們發現很多傳統行業，也有大量AI的應用，比如生產線質量檢測。那為什么沒有人去做？因為這種應用往往是很碎片化的，造成了它的定制化成本非常高。他們這些產業利潤率又特別薄，他們愿意掏錢的愿望和能力都沒有那么高，你就掙不到錢，所以我們沒有去做。

我覺得AI的應用仍然有很多，有各種各樣現在我們完全沒有在做的。但因為它是一個經濟問題，不全是一個技術問題，這是第一。

第二，泡沫出現在頭部企業和應用，但是并不代表整個產業我們都解決完了。仍然有很多問題都是是可以解決但是沒有解決的，所以AI會持續很長的時間。泡沫也許會消亡，但是從研究和技術發展的角度來講，AI會在很長一段時間內成為一個平穩發展的行業。

《賽先生》：AI芯片方面，我沒有提到，但您認為還可以強調的？

陳怡然：我想說的一點就是，其實AI沒有運算的支撐是不可能大量更好更有效的部署的。我們要更多的去重視它的計算平臺，更多的注重它在具體場景的實現。

尤其是在國內，現在有大量注意力是集中在AI的應用層面上，甚至投資也主要是在應用層面上。如果不是因為中興這件事，我覺得AI芯片這件事不會像現在這么火，這也從另外一個角度說明其實我們在國內的投資眼光之前實際上是有它的偏見的。

我舉一個簡單的例子，我最近聽到一種論調，在AI芯片架構這個領域，說我們現在跟美國是同一個水平線上。

我想舉一個例子，比如說像IBM的TrueNorth芯片，立項實際上是2007年，2008年項目正式開始，11年前它就有這樣的眼光，說要做一個類腦芯片、加速芯片。那我現在要問的一個問題就是，有沒有人可以告訴我，你覺得十年之后我們想要一個什么樣的AI芯片，或者在計算領域十年之后什么會是最需要的技術，還沒有人能告訴我這件事情。

所以我覺得我們還是有太多的工作需要去做，不能滿足于現狀，看到一兩個還不錯的點，就下結論說我們已經夠了，我們的投入、人已經夠了，我覺得這是不行的，這是沒有遠見的。

《賽先生》：這就涉及到怎么樣才能有眼光，去選擇非常重要的問題持續進行研究或者投入，您這方面有怎樣的建議？

陳怡然：這個問題就太大了，我覺得可以單獨去請一些人講。但是我覺得至少有一點，一定要有多樣性。

實際上你看到的這些有點名氣的老師都是當年做的某一個點，這個點后來恰好越來越火，其實有很多老師做的很多工作甚至這些有名的老師自己做的其他一些東西后來也就默默無聞了，因為它們沒有變成一個熱點。

那是不是我們吃了第七個餅吃飽了，前面六個就不需要了？不是這樣的。這種多樣性一定是需要的，有多樣性就會在某一天某一點爆發的時候，說這是我們當年的一個積累——這種積累就像一個很小很小的種子，最后長成了一棵參天大樹。