（要闻）人工智能芯片发展需找准突破点

本篇文章3333字，读完约8分钟

作为人工智能(ai)行业发展的基石，ai芯片近年来发展迅速，很多企业纷纷部署。不过，在日前于上海召开的2019年世界人工智能大会上，业内人士表示，目前ai芯片开发似乎火热。其实全球ai芯片行业还处于起步阶段，未来的发展还是要找到切入点。

对人工智能芯片的广泛需求引发了一场疫情

计算能力是人工智能发展的关键因素之一。随着深度学习算法的普及和应用，人工智能对计算能力提出了更高的要求，传统的cpu架构已经不能满足深度学习对计算能力的需求。因此，出现了具有海量数据并行计算能力和加速计算处理能力的人工智能芯片。

近年来，ai芯片行业发展迅速，很多企业纷纷布局。根据应用场景和功能划分，ai芯片设计可以分为云训练、云推理和终端推理三个部分。其中，云训练芯片主要基于NVIDIA gpu，新的竞争对手是谷歌tpu，深度培育fpga的公司有xilinx和Intel。云推断方面，各种企业都在互相较劲，有amd，谷歌，英伟达，百度，寒武纪等。终端推断方面，对移动终端、自主驾驶等应用场景的需求逐渐爆发，布局企业包括传统芯片巨头和初创企业，如高通、华为海思、地平线、寒武纪、云智胜等。

根据CCID Consulting在2019年世界人工智能大会上发布的《中国人工智能芯片产业发展白皮书》，受宏观政策环境、技术进步升级、人工智能应用普及等诸多有利因素影响，2018年中国ai芯片市场规模达到80.8亿元，同比增长50.2%。

在地方政府加快公共云、私有云和数据中心建设的推动下，2018年中国云培训芯片市场份额达到51.3%。中国的ai芯片市场仍然以云培训芯片为主。随着人工智能在国内的不断应用需求，本地化计算将是未来人工智能的发展趋势之一，终端推理芯片也将迎来新的发展机遇。

目前华北、华东、中南地区在中国ai芯片区域市场排名前三，是中国ai芯片市场发展最先进的地区，整体市场规模居全国领先地位；市场增速方面，随着西部地区加快大数据中心建设，西南和西北地区云ai芯片市场规模快速增长，市场份额进一步提升。

随着人工智能应用市场的爆发，以基础层为核心的ai芯片引起了资本的广泛关注。一年多来，寒武纪、绥远科技、Bitland、Horizon等多家厂商纷纷宣布获得融资消息。获得投融资的厂商希望进一步提高ai芯片技术的研发水平，加速ai芯片产品的商业化，提升其未来收益的市场预期。

但CCID咨询总裁孙慧峰表示:“目前，中国乃至全世界的ai芯片行业还处于产业化的初级阶段”。他表示，随着5g和物联网时代的到来，预计未来三年中国ai芯片市场将保持50%以上的增长速度，到2021年将达到305.7亿元。此外，基于边缘计算的ai芯片将迎来新一轮投资热潮。

“近年来，我国在芯片和软件领域攻克了一些关键技术难关，为人工智能芯片的创新奠定了良好的基础。”工业和信息化部相关负责人表示，工业和信息化部在推动人工智能产业发展方面主要集中在几个方面，其中一个是重点关注核心技术，重点发展人工智能芯片、算法、开源和开放平台等关键技术，增加资源。

喧嚣背后的市场痛点依然存在

Ai芯片已经成为中外科技企业竞争的焦点之一，以至于清华大学微电子研究所所长魏少军用“没有产业，就没有应用，就没有ai，就没有芯片，就没有ai”这样的话来形容当前的ai热潮。

在市场结构上，NVIDIA作为传统芯片巨头，目前占据ai芯片市场的主导地位。通过主动布局，高通在移动领域的ai芯片市场拥有强大的话语权。阿里巴巴和亚马逊在ai芯片领域的布局也已经成型。寒武纪、Horizon、Bitland等其他ai芯片初创公司的发展前景也值得期待。

专家认为，随着机器学习等技术的快速发展，人工智能产业正以其高端的新兴技术、巨大的商业价值、广阔的应用前景和巨大的产业空.成为新的重要经济增长点随着人工智能各种应用场景的普及和发展，海量多维数据将在云端和边缘端进行处理和计算，芯片也面临着更加广泛和多样化的需求，这对ai芯片的计算架构、计算能力、场景和算法的适用性、安全性和可控性提出了新的挑战。

目前，ai芯片技术的主流路径包括gpu、fpga和asic，其中gpu和fpga是成熟的芯片架构，asic是针对特定应用场景的专用芯片。Gpu架构芯片可以满足大量深度学习的计算需求，释放人工智能的潜力，但缺点在于功耗高；Fpga芯片有足够的计算能力，较低的试错成本和足够的灵活性，但缺点是价格高，编程复杂。Asic架构芯片可以在特定功能上进行增强，处理速度更快，能耗更低，但缺点是成本高，而且只有当数量足够大时才能降低成本，而且因为是定制的，所以重现性一般。

计算机视觉公司从云科技副总裁张莉表示，传统芯片公司通常更关注如何使芯片通用，以支持各种应用场景。但是这样的泛化在ai场景落地的时候会遇到问题。比如公司更多考虑的是ai芯片的单位功耗，而芯片企业可能不会优先考虑功耗要求。在登陆ai场景的过程中，公司发现通用芯片并不能完全满足需求。这给从事ai解决方案和核心算法的企业带来了困难——公司的算法是统一的，但不同的芯片和模块需要在不同的场景下进行适配。

目前，ai芯片的开发还处于起步阶段。张莉说，现在企业使用的很多ai芯片由于工艺要求高，很难在mainland China铺开，都是在TSMC铺开的。同时，由于该工艺的高度复杂性，芯片价格高，使得许多使用其模块的下游产品无法大规模生产。

作为国内edge ai芯片领域的先行者，建安科技早在2016年就掌握了16nm制程技术。之所以现在的ai芯片工艺技术还是28nm，主要是受出货量的限制。

建安科技首席执行官张南庚表示，在功耗方面，许多云培训的ai模型无法成功部署到边缘设备，应用场景无法支持更高的芯片功耗。虽然一些云芯片巨头正在向边缘侧延伸，但是切割ai算法来适配芯片更体现了巨头的局限性。对于建安科技来说，从事边侧芯片的开发就是“带着枷锁跳舞”。在功耗和成本的严格约束下，需要不断提高计算能力，适应场景，增强芯片的特异性。

Ai芯片开发需要探索新的途径

“我们离人工智能还有多远？目前很多企业只是在增强智能，而不是真正的人工智能，与真正的人工智能相去甚远。魏少军说，人工智能网络的兴起取决于三个因素:算法、数据和计算能力。目前ai芯片面临两个实际问题:一是算法还在进化，新算法层出不穷，每隔几个月就有新的变化出现；第二，一个算法对应一个应用，没有统一的算法，芯片很难处理不同的算法。

在魏少军看来，人工智能芯片应具备的要素包括可编程性、体系结构的动态可变性、高效的体系结构转换能力、高计算效率、高能耗效率、低成本等。根据这些要求，业界流行的一些做法并不理想。在过去的几年里，人工智能芯片领域的一个重要变化是架构的变化。人工智能芯片不是为了追求计算能力，而是为了架构创新。行业也需要为人工智能计算寻找新的计算引擎。

针对国内ai芯片的发展，中国工程院院士倪光南表示，芯片设计的门槛极高，高端芯片的研发成本只有少数企业能够承担，这也制约了芯片领域的创新。中国可以借鉴开源软件的成功经验，降低创新门槛，提高企业自主能力，开发国产开源芯片。

“开源软件正在成为当前软件行业的主流，芯片行业也可以采用开源模式”。倪光南说，新的RISC-V指令集是一种可以降低处理器芯片ip成本的新模式。用户可以自由使用risc-v进行cpu设计和开发，并添加自己的指令集进行扩展。Risc-v是我国倡导的智能+新一代信息技术和新一代人工智能技术发展的良好支撑。

CCID Consulting认为，未来人工智能芯片将呈现出新的发展趋势——芯片开发将从技术难点转向场景痛点。目前，人工智能芯片是从技术角度设计的，以满足特定的性能要求。未来芯片设计需要从应用场景出发，借助场景实现规模化开发。而且ai领域使用的芯片大多是针对特定场景设计的，不能灵活适应多场景需求。未来将需要专门为人工智能设计的灵活通用的芯片，成为人工智能领域的“中央处理器”。另外，目前ai芯片产业的发展模式以企业为主，上下游企业的运营管理相对独立，但同一环节的企业竞争激烈，未来产业发展应以合作为主线，形成产业生态。(记者高少华)