人工智能產(chǎn)業(yè)規(guī)模高速增長，全球市場調(diào)研機構(gòu)IHS Markit發(fā)布數(shù)據(jù)顯示，到2025年AI應(yīng)用市場規(guī)模將從2019年的428億美元激增到1 289億美元。

日前，AI芯片新老牌廠商“混戰(zhàn)”國際消費類電子產(chǎn)品展覽會，全面覆蓋當(dāng)前人工智能六大核心落地場景，包括云端訓(xùn)練、云端推理、智能手機、AIoT視覺推理、AIoT語音推理、自動駕駛等，國內(nèi)AI芯片進(jìn)入落地階段。

根據(jù)中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟(以下簡稱聯(lián)盟)提供的數(shù)據(jù)，2019年以來國內(nèi)外芯片廠商共發(fā)布AI芯片近30款。

AI芯片怎樣支撐多姿多彩的人工智能應(yīng)用落地？評測標(biāo)準(zhǔn)進(jìn)展如何？今年的亮點、看點又在哪？

AI芯片：驅(qū)動智能產(chǎn)品的大腦

目前消費類智能產(chǎn)品大量應(yīng)用人工智能、大數(shù)據(jù)等技術(shù)，芯片作為硬件載體，承擔(dān)了“讓智能產(chǎn)品發(fā)揮作用”的功能。鯤云科技創(chuàng)始人兼CEO牛昕宇介紹，人工智能行業(yè)有三個核心驅(qū)動力：算法、算力和數(shù)據(jù)。人工智能芯片作為人工智能應(yīng)用的底層硬件，為其提供算力支撐?！巴ㄟ^技術(shù)創(chuàng)新，不斷提升人工智能計算的性能、降低其成本和功耗，從而支持越來越復(fù)雜的人工智能應(yīng)用?！?/p>

如果把運行各種人工智能技術(shù)集合比作一個人的話，人工智能芯片就是它的大腦實體，而各種聊天、視頻制作、自動駕駛應(yīng)用就是它根據(jù)自己所能接觸到的數(shù)據(jù)，學(xué)習(xí)到的經(jīng)驗知識進(jìn)行的操作。一方面，隨著數(shù)據(jù)經(jīng)驗的積累，它們運行的人工智能應(yīng)用會越來越精確，另一方面，它的學(xué)習(xí)受限于大腦的容量(芯片計算能力)、培養(yǎng)成本(芯片成本)以及大腦運算消耗的熱量(芯片功耗)。

起步階段：加速芯片算力的迭代優(yōu)化

人工智能芯片主要包含三個發(fā)展脈絡(luò)，一是由于前期人工智能落地的旺盛需求，英偉達(dá)的圖像處理器GPU因為可以支持CNN等算法網(wǎng)絡(luò)，滿足基本的人工智能落地需求，在這個時期獲得了大范圍應(yīng)用，其也通過芯片架構(gòu)不斷迭代，逐步轉(zhuǎn)型成為人工智能芯片供應(yīng)商。二是因為算法的不斷迭代，對芯片和算力提出了更高的要求，這時候國內(nèi)外的初創(chuàng)企業(yè)和華為等采用與英偉達(dá)類似的指令集技術(shù)路線，通過架構(gòu)創(chuàng)新，推出了一批新的專用人工智能芯片。三是影響芯片性能的制程工藝發(fā)展日趨成熟，摩爾定律放緩對指令集技術(shù)路線的發(fā)展提出了挑戰(zhàn)，目前也有初創(chuàng)企業(yè)采用全新的數(shù)據(jù)流技術(shù)路線，推出新的專用人工智能芯片。

當(dāng)前國內(nèi)主要是后兩種人工智能芯片，各家企業(yè)都處于推出產(chǎn)品、進(jìn)行市場化落地的階段。

2020年看點：“落地”被反復(fù)強調(diào)

從2018年年底開始，人工智能芯片的“落地”被反復(fù)強調(diào)?！安徽撌嵌唐谶€是長期目標(biāo)都是落地?！迸ｊ坑钫f。由此看來，人工智能芯片2020年的主要看點仍然在于新產(chǎn)品迭代和落地。加速人工智能應(yīng)用落地，只有以市場需求為驅(qū)動的芯片才能持續(xù)創(chuàng)造價值。

當(dāng)然，人工智能應(yīng)用永遠(yuǎn)需要性能更高、價格更低、功耗更低的芯片，如何能在這之上不斷滿足市場需求，考驗著每一家人工智能芯片企業(yè)的核心技術(shù)以及對市場所需產(chǎn)品的洞察。

“芯片和計算架構(gòu)在人工智能的發(fā)展中扮演著重要角色?！甭?lián)盟計算架構(gòu)與芯片組聯(lián)席秘書長張蔚敏說。2019年起，很多AI芯片產(chǎn)品都在底層架構(gòu)設(shè)計上注重架構(gòu)創(chuàng)新，2020年這種趨勢越發(fā)顯現(xiàn)。核心在于市場對芯片所能提供的更高實際算力的追求，將在真實使用場景中得到驗證。

三大難題：破解AI芯片落地的關(guān)鍵

落地，既是今年AI芯片的看點，也是難點。從研發(fā)角度來看，牛昕宇說，當(dāng)前人工智能芯片主要面臨三方面問題，即芯片設(shè)計的底層技術(shù)路線同質(zhì)化較高，軟件開發(fā)支持依然是短板，以及芯片性能測試處于起步階段、距離形成權(quán)威統(tǒng)一的評測標(biāo)準(zhǔn)還需要一定的時間。

技術(shù)路線同質(zhì)化容易導(dǎo)致產(chǎn)品同質(zhì)化。作為底層硬件芯片，不一定每個指標(biāo)都需要最強，但是要找到對于市場需求獨一無二的價值，解決核心問題。這就要在技術(shù)路線方面進(jìn)行創(chuàng)新，掌握自己的核心技術(shù)，從而在芯片性能和技術(shù)支持上掌握更多主動性。而芯片的使用和對算法的支持離不開軟件工具。目前有一些人工智能芯片仍然缺乏可用的軟件開發(fā)工具，或者軟件編譯工具設(shè)計復(fù)雜，用戶的開發(fā)和使用門檻過高，這些都需要在落地過程中不斷完善和迭代。至于AI芯片評測標(biāo)準(zhǔn)的制定進(jìn)展，牛昕宇坦言，“目前這類標(biāo)準(zhǔn)還處于項目推廣的早期，各家采用的測試網(wǎng)絡(luò)和測試標(biāo)準(zhǔn)還缺乏統(tǒng)一性，可能對客戶的選型造成一定困難?！?/p>