林雨

2016年以來，安防、手機、汽車等領(lǐng)域的市場競爭格局以及技術(shù)演進路徑，因人工智能芯片的持續(xù)創(chuàng)新而被不斷顛覆。同時，人工智能芯片也成為眾多技術(shù)類產(chǎn)業(yè)資本競相追逐的重要方向，以谷歌、微軟、英特爾、Facebook為代表的科技巨頭爭相加大在人工智能芯片領(lǐng)域的布局。截至2018年5月，全球至少有60家初創(chuàng)公司在研發(fā)語音交互和自動駕駛芯片，并且至少有5家企業(yè)已經(jīng)獲得超過1億美元的融資。據(jù)國際權(quán)威基金評級機構(gòu)Morningstar 預(yù)測，到2021年，全球人工智能芯片市場規(guī)模有可能超過200億美元。

驅(qū)動本輪人工智能芯片發(fā)展的三個因素

（一）計算層面：大規(guī)模數(shù)據(jù)處理需要突破馮·諾依曼體系結(jié)構(gòu)對處理器性能的束縛。在馮·諾依曼體系結(jié)構(gòu)中，計算模塊和存儲單元是分離的，CPU在執(zhí)行命令時必須先從存儲單元中讀取數(shù)據(jù)，這樣無疑增加了計算的延時和功耗。若要提升基于馮·諾依曼體系結(jié)構(gòu)的處理器性能，目前有兩種方式：一是在摩爾定律的驅(qū)動下，增加單位芯片面積內(nèi)晶體管的數(shù)量；二是通過多核并行處理來提升運算效率。隨著互聯(lián)網(wǎng)、大數(shù)據(jù)等新興技術(shù)的快速興起，結(jié)構(gòu)性數(shù)據(jù)呈現(xiàn)爆炸式增長，馮·諾依曼體系結(jié)構(gòu)的局限性也開始逐漸顯現(xiàn)。一方面，龐大的數(shù)據(jù)規(guī)模對處理器的速度和性能提出了更高要求，但摩爾定律正趨于極限，通過更小線寬和更高集成度來提升處理器的性能變得愈加困難；另一方面，馮·諾依曼體系結(jié)構(gòu)中傳輸指令和數(shù)據(jù)共用一個總線，約束了信息流的傳輸效率，進而制約了處理器的運行速度。因此， 要突破數(shù)據(jù)量激增所帶來的計算瓶頸，就需要從芯片底層架構(gòu)尋求重構(gòu)和變革。

（二）通信層面：第五代移動通信（5G）和物聯(lián)網(wǎng)為人工智能進入終端應(yīng)用奠定基礎(chǔ)。英特爾公司認(rèn)為，目前我們面臨著人工智能、 5G、物聯(lián)網(wǎng)的“三浪疊加”，呈現(xiàn)出三方面的特點。一是計算將無處不在；二是分散到網(wǎng)絡(luò)結(jié)構(gòu)中的計算、分析和存儲，將把互聯(lián)物和數(shù)據(jù)轉(zhuǎn)化為有意義的完整認(rèn)知；三是通過網(wǎng)絡(luò)和云，物與物之間將建立無所不在的連接。因此，5G和物聯(lián)網(wǎng)的成熟應(yīng)用是人工智能進入終端應(yīng)用的重要保障，而物聯(lián)網(wǎng)的本質(zhì)是將終端數(shù)字化，這也是人工智能與數(shù)據(jù)感知相結(jié)合的基礎(chǔ)。近年來，全球物聯(lián)網(wǎng)技術(shù)創(chuàng)新空前活躍，物聯(lián)網(wǎng)MCU、窄帶物聯(lián)網(wǎng)芯片、新型傳感器等新技術(shù)新產(chǎn)品不斷推出，有力推動了物聯(lián)網(wǎng)的應(yīng)用普及。作為人工智能進入終端應(yīng)用的重要通道，5G和物聯(lián)網(wǎng)技術(shù)將從概念走向商用，這也是人工智能技術(shù)向產(chǎn)業(yè)化邁進的重要基礎(chǔ)。

（三）算法層面：深度學(xué)習(xí)算法的快速成熟為人工智能芯片從理念走向?qū)嵺`提供了技術(shù)保障。從演進歷史看，人工智能自1956年提出以來，大致經(jīng)歷了三次發(fā)展浪潮。在前兩次浪潮中，由于人工智能算法技術(shù)未能實現(xiàn)突破性進展，相關(guān)應(yīng)用始終難以達到預(yù)期效果。以2006年深度學(xué)習(xí)模型的提出為標(biāo)志，人工智能迎來了第三次高速增長。在此過程中，全球科技巨頭紛紛加大在深度學(xué)習(xí)算法領(lǐng)域的布局力度與投入，通過成立實驗室、開源算法框架、打造生態(tài)體系等方式，推動算法模型的優(yōu)化和創(chuàng)新。目前，深度學(xué)習(xí)等算法已廣泛應(yīng)用于自然語言處理、語音處理以及計算機視覺等領(lǐng)域，并在某些特定領(lǐng)域取得了突破性進展。企業(yè)逐步發(fā)現(xiàn)，只有保障硬件層面與算法層面創(chuàng)新的協(xié)調(diào)推進，才能在真正意義上擁有人工智能的競爭優(yōu)勢。深度學(xué)習(xí)算法的快速成熟也為人工智能芯片從理念走向?qū)嵺`提供了技術(shù)保障。

對人工智能芯片發(fā)展趨勢的三個判斷

（一）算法和系統(tǒng)類企業(yè)逐漸成為人工智能芯片領(lǐng)域的重要創(chuàng)新力量。對算法類企業(yè)而言，核心算法的芯片不僅提升了原有性能，更是其實現(xiàn)商業(yè)盈利的重要途徑；系統(tǒng)公司也正通過自主研發(fā)與投資并購相結(jié)合的方式，加大對人工智能芯片的投入。目前進入人工智能芯片領(lǐng)域的算法和系統(tǒng)類企業(yè)逐漸增多，與傳統(tǒng)芯片研發(fā)企業(yè)不同，算法和系統(tǒng)類企業(yè)由于以提供高頻次、基礎(chǔ)性的功能服務(wù)為主， 距應(yīng)用場景最近， 對應(yīng)用的實際需求有更深刻的理解，加上強大的軟硬件一體化能力、市場營銷渠道能力和充足的資本儲備，使其在與眾多人工智能芯片初創(chuàng)企業(yè)的競爭或合作中，能夠處于主導(dǎo)地位，增加了產(chǎn)業(yè)格局的不確定性，同時也成為推動人工智能芯片創(chuàng)新的中堅力量。

（二）類腦計算芯片是人工智能芯片技術(shù)演進的主流方向。當(dāng)前，圍繞人工智能芯片的創(chuàng)新路徑主要有三個方向：一是基于GPU、FPGA等通用芯片打造半定制方案。二是針對深度學(xué)習(xí)算法開發(fā)ASIC芯片。ASIC芯片是為實現(xiàn)特定要求而定制的芯片，具有功耗低、可靠性高、性能好、體積小等優(yōu)點，但不可編程，可擴展性不及FPGA，尤其適合高性能/低功耗的移動端。三是類腦計算芯片，其本質(zhì)是借鑒人腦的工作原理來實現(xiàn)深度學(xué)習(xí)，進而解決極其復(fù)雜的計算問題。

從短期看，類腦計算芯片距成熟商用還有一定的距離，甚至在產(chǎn)業(yè)化過程中還將面臨不小的風(fēng)險，但從長期看，類腦計算芯片最有可能帶來計算的體系革命與架構(gòu)變革。

（三）“邊緣側(cè)智能”將是初創(chuàng)型企業(yè)布局創(chuàng)新的重點方向?！斑吘墏?cè)智能”專指靠近智能終端以及數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合了網(wǎng)絡(luò)、計算、存儲、應(yīng)用的開放計算平臺。隨著人工智能應(yīng)用的不斷擴展，定位于數(shù)據(jù)中心（或稱“云端”）的人工智能應(yīng)用普遍存在著功耗高、實時性低、帶寬不足，以及數(shù)據(jù)傳輸中安全性較低等問題。預(yù)計，未來會有更多的人工智能芯片部署于網(wǎng)絡(luò)“邊緣側(cè)”。相比于數(shù)據(jù)中心的人工智能加速器，位于“邊緣側(cè)”智能終端中的人工智能芯片需要有更低的延遲性、更低的能耗、更小的體積和更低的成本（除自動駕駛汽車等本身價格較高的終端以外）。但是，其算法要相對成熟，無需進行頻繁的迭代改進?；诖耍絹碓蕉嗟娜斯ぶ悄艹鮿?chuàng)企業(yè)將“邊緣側(cè)”的人工智能計算作為重點攻克課題。尤其是對實時性有著嚴(yán)格要求的工業(yè)環(huán)境而言，邊緣智能的重要性不言而喻，它是工業(yè)物聯(lián)網(wǎng)得以實施的一個首要條件。目前，越來越多的硬件廠商開始提供邊緣處理的強化產(chǎn)品，如邊緣服務(wù)器、智能網(wǎng)關(guān)等產(chǎn)品。根據(jù)HIS公司數(shù)據(jù)測算，邊緣側(cè)人工智能芯片市場需求在2018年開始爆發(fā)，將從2017年的4億美元增長至2018年的19億，增長率超過400%。其中，智能手機等消費電子產(chǎn)品是邊緣側(cè)人工智能芯片最重要的應(yīng)用領(lǐng)域，自動駕駛汽車市場規(guī)模最大。

加快推進我國人工智能芯片發(fā)展的三點建議

當(dāng)前人工智能芯片領(lǐng)域的創(chuàng)新活躍，為我國提供了重要的發(fā)展機遇。一方面，深度學(xué)習(xí)的算法更迭尚未停止，支撐某項應(yīng)用及其算法的計算架構(gòu)創(chuàng)新仍有很大拓展空間，為我國創(chuàng)新型企業(yè)進入該領(lǐng)域創(chuàng)造了機會。另一方面，近十年來，我國在“核高基”國家科技重大專項的支持下，在高端通用芯片和基礎(chǔ)軟件領(lǐng)域，攻克了一些關(guān)鍵技術(shù)難關(guān)，有了一批標(biāo)志性的成果，伴隨產(chǎn)業(yè)生態(tài)的不斷完善，我國人工智能芯片架構(gòu)創(chuàng)新有了更堅實的基礎(chǔ)。然而，我國目前在人工智能基礎(chǔ)理論、核心算法以及應(yīng)用探索等方面，與發(fā)達國家仍有不小的差距；人工智能尖端人才遠遠不能滿足需求；適應(yīng)人工智能發(fā)展的基礎(chǔ)設(shè)施、政策法規(guī)、標(biāo)準(zhǔn)體系亟待完善。此外，應(yīng)用場景過于集中等問題的凸顯，恐將對未來行業(yè)競爭帶來負面影響。基于此，提出如下建議：

（一）完善以芯片為核心的人工智能產(chǎn)業(yè)生態(tài)。在終端領(lǐng)域，應(yīng)加快對智能終端核心技術(shù)和產(chǎn)品的研發(fā)，發(fā)展新一代智能手機、車載智能終端等移動智能終端產(chǎn)品和設(shè)備，鼓勵開發(fā)智能手表、智能耳機、智能眼鏡等可穿戴終端產(chǎn)品，拓展智能產(chǎn)品的形態(tài)和應(yīng)用服務(wù)，從應(yīng)用層面為人工智能芯片的創(chuàng)新開拓市場。在軟件領(lǐng)域，鼓勵開發(fā)面向人工智能的操作系統(tǒng)、數(shù)據(jù)庫、中間件、開發(fā)工具等關(guān)鍵基礎(chǔ)軟件，研究圖像識別、語音識別、機器翻譯、智能交互、知識處理、控制決策等智能系統(tǒng)解決方案，培育壯大面向人工智能應(yīng)用的基礎(chǔ)軟件產(chǎn)業(yè)。在開發(fā)平臺方面，鼓勵研發(fā)友好且易用的軟件開發(fā)工具平臺，建立大數(shù)據(jù)人工智能開源軟件基礎(chǔ)平臺、終端與云端協(xié)同的人工智能云服務(wù)平臺，讓開發(fā)者迅速提升深度學(xué)習(xí)加速算法的編程能力。

（二）積極推進人工智能芯片領(lǐng)域創(chuàng)新創(chuàng)業(yè)平臺建設(shè)。鼓勵北京、上海、深圳等城市依托當(dāng)?shù)丶呻娐吩O(shè)計產(chǎn)業(yè)化基地建設(shè)人工智能芯片眾創(chuàng)平臺。依托當(dāng)?shù)貜氖氯斯ぶ悄芎臀㈦娮訉W(xué)科研究的高校和科研院所，搭建人工智能芯片領(lǐng)域的專業(yè)化創(chuàng)新平臺，建設(shè)低成本、便利化、全要素、開放式的人工智能芯片眾創(chuàng)空間，完善孵化服務(wù)體系，推進人工智能芯片領(lǐng)域的科技成果轉(zhuǎn)移轉(zhuǎn)化，支持人工智能芯片領(lǐng)域的創(chuàng)新創(chuàng)業(yè)。充分發(fā)揮大企業(yè)在技術(shù)、管理、人才、渠道、資金、市場方面的優(yōu)勢，通過設(shè)立產(chǎn)業(yè)投資基金、搭建創(chuàng)業(yè)孵化平臺和協(xié)同創(chuàng)新平臺等模式，加速技術(shù)成果轉(zhuǎn)化，助推一批具有核心技術(shù)積累的人工智能芯片領(lǐng)域的中小企業(yè)快速成長。

（三）有效加強人工智能全產(chǎn)業(yè)領(lǐng)域的多元化國際合作。引導(dǎo)和支持國內(nèi)人工智能企業(yè)與國際人工智能領(lǐng)先企業(yè)、知名高校、科研機構(gòu)緊密合作，及時追蹤研究人工智能領(lǐng)域的國際前沿動態(tài)，鼓勵國內(nèi)人工智能企業(yè)與國外相關(guān)企業(yè)和機構(gòu)在國內(nèi)聯(lián)合成立技術(shù)研發(fā)及產(chǎn)業(yè)化中心。將人工智能領(lǐng)域的高端人才引進和培育工作作為未來工作的重中之重，積極依托“一帶一路”，推動人工智能的國際研究基地、研發(fā)中心的布局。