2018年3月9日，由智東西聯(lián)合極果、AWE舉辦的GTIC 2018全球AI芯片創(chuàng)新峰會在上海舉辦。本次峰會以“走進AI世界，從芯看未來”為主題，匯集了清華大學微電子所所長魏少軍、NVIDIA亞太區(qū)AI技術中心首席技術官Simon See、聯(lián)發(fā)科技副總經(jīng)理暨家庭娛樂產(chǎn)品事業(yè)群總經(jīng)理游人杰以及深鑒科技聯(lián)合創(chuàng)始人兼CEO姚頌、啟英泰倫創(chuàng)始人&董事長何云鵬等眾多行業(yè)人士，共談AI芯片的最新技術動向及產(chǎn)業(yè)落地前景。

會上， 清華大學微電子所所長魏少軍呼吁，當前，AI領域芯片已“炒作”過熱，在目前還沒有出現(xiàn)AI通用算法的芯片，以及，AI殺手級應用尚未出現(xiàn)的情況下，AI芯片未來發(fā)展還有長路要走。而推進AI芯片需要軟件、硬件“雙輪驅動發(fā)展”，其中，軟件更是扮演核心的關鍵角色。

人工智能是一個老的新話題

我們看到，近年來，在人工智能領域有兩件事情，刺激了人們的神經(jīng)。

首先是在去年，谷歌的alphago和兩位世界級圍棋選手分別進行了對弈，而alphago都取得了勝利。對于這件事情，很多人都認為這件事情代表了人工智能取得了重大的進步。

但是，魏少軍教授對于這件事情并沒有抱著過于悲觀的態(tài)度。他認為，從alphago與人類對弈的初衷目的來說，并沒有達到最初目標。最開始谷歌的目標是alphago在沒有經(jīng)過人工干預的情況下獲得最終的勝利，從而證明機器做能夠自我學習，戰(zhàn)勝人類。但是最終的結果顯示，這兩場比賽，都有人工干預的成分在其中，alphago才取得了最終的勝利。

第二件事情就是在2011年，IBM舉行了一場名叫《危險邊緣》的比賽，這場比賽更能夠反映人工智能作用。雖然比賽中計算機的體積不大，但是它的人工智能程度遠遠高于alphago?！芭c這類機器相比較而言，alphago只能算是專門用于下圍棋的機器?！蔽荷佘娊淌诒硎?。

但是，盡管如此，魏少軍教授認為人工智能依舊是一個老的新話題。

芯片是實現(xiàn)人工智能的當然載體

魏少軍他指出，當前人工智能算法非常多，層出不窮并沒有統(tǒng)一，根據(jù)應用不同，因應算法也不同；從硬件芯片來說，需要具備AI深度學習引擎，從云端向終端遷移的過程，需要極高效能通用深度學習引擎。

那么人工智能芯片是什么呢？

從目前主要的幾個機器學習芯片平臺來看。

首先是GPU。目前GPU的計算能力要比CPU高很多倍。從全部圖形芯片市場來看。英特爾目前占了71%，英偉達占了16%，AMD占了13%。但是從分立式GPU市場來看，英偉達占了71%，AMD占了29%。所以英偉達在分立式GPU市場產(chǎn)品中占有絕對的優(yōu)勢，其產(chǎn)品廣泛應用于數(shù)據(jù)中心的人工智能訓練。

此外，人工智能芯片的第二個發(fā)展方向就是FPGA和TPU。

FPGA所實現(xiàn)的人工智能芯片，能夠在相同的情況下，功耗下降到GPU環(huán)境的20%。但是這依舊很難在移動設備上使用。

而TPU的問題在于精度不高。所以TPU主要適用于不需要極高精度的機器學習相關計算。與GPU相比，TPU旨在以較低的精度來提高性能，功耗下降到GPU環(huán)境的10%左右。

芯片是實現(xiàn)AI實現(xiàn)智能的當然載體，“無芯片，不AI”。這也使得如今的芯片行業(yè)進入到一個高爆發(fā)和強競爭的階段，例如英偉達在分立式GPU產(chǎn)品上占有優(yōu)勢，產(chǎn)品廣泛應用于數(shù)據(jù)中心的人工智能訓練；AMD能夠提供異構GPU/CPU（即APU），以及集成或分立的GPU；同時還有深鑒科技、寒武紀科技等國內創(chuàng)業(yè)公司在細分行業(yè)領域的深耕。

構成智能芯片的關鍵要素

從人工智能芯片的架構來看，前端有很多的傳感器，后端則是很多的執(zhí)行器，而連接著兩個部分的，絕不僅僅只是單一的芯片，而需要很多的功能。

在此基礎上，我們總結出了，人腦的的相關的工作結構，其中包括：多輸入/多輸出系統(tǒng)；高度復雜的互連結構；多任務且高度并行化運行系統(tǒng)；多處理器單元系統(tǒng)；并行分布式存儲；并行分布式軟件；分布式處理與集中控制系統(tǒng)。

綜上所述，構成智能芯片的關鍵要素到底有哪些呢？在魏少軍教授看來，主要包含一下部分：

一． 可編程性：適應算法的演進和應用的多樣性；

二． 架構的動態(tài)可變性：適應不同的算法，實現(xiàn)高效計算；

三． 高效的架構變換能力：< 10 Clock cycle， 降低開銷；

四． 高計算效率：避免使用指令這類低效率的架構。

五． 高能量效率：~5TOps/W

某些應用：功耗 < 1mW

某些應用：識別速度 > 25f/s

六． 低成本：能夠進入家電和消費類電子；

七． 體積?。耗軌蜓b載在移動設備上；

八． 應用開發(fā)簡便：不需要芯片設計方面的知識；

但是，魏少軍教授認為，目前的CPU、CPU+GPU、CPU+FPGA、CPU+ASIC的作法均不是理想的架構。

AI殺手級應用還沒出現(xiàn)

魏少軍教授認為，現(xiàn)在AI芯片已經(jīng)被過度“炒作”, 尤其媒體跟風起到很大作用。實際上，目前還沒有出現(xiàn)像CPU一樣的AI通用算法芯片，AI殺手級應用還沒出現(xiàn)，未來還有很長一段路要走。

在應用方面，“無行業(yè)不AI”，無論是人臉識別，語音識別、機器翻譯、監(jiān)控、交通規(guī)劃、無人駕駛、智能陪伴、輿情監(jiān)控、智慧農(nóng)業(yè)等等，似乎AI涵蓋了人們生產(chǎn)生活中的方方面面。然而，哪些應用真的需要AI？我們希望AI幫助解決什么樣的問題？什么是AI的“殺手級”應用？什么樣的AI應用是我們每天都需要的？這些問題到今天仍舊沒有解決。

AI應用落地還有很長的路要走，而對于從業(yè)者來講，當務之急是研究芯片架構問題。從感知、傳輸?shù)教幚恚俚絺鬏?、?zhí)行，這是AI芯片的一個基本邏輯。但是智慧處理的基本架構是什么？還沒有人能夠說得清，研究者只能利用軟件系統(tǒng)、處理器等去模仿人類。軟件是實現(xiàn)智能的核心，芯片是支撐智能的基礎。

總結

魏少軍在演講最后總結出如下五點思考：

1、AI芯片是當前科技、產(chǎn)業(yè)和社會關注的熱點，也是AI技術發(fā)展過程中不可逾越的關鍵階段，不管有什么AI算法，要想最終得到應用，就必然要通過芯片來實現(xiàn)。

2、由于還不存在適應所以應用的“通用”算法，確定應用領域就成為發(fā)展AI芯片的重要前提。遺憾的是，AI的“殺手”級應用目前尚未出現(xiàn)，已經(jīng)存在的一些應用對于老百姓的日常生活來說也還不是剛需，因此，AI芯片的外部發(fā)展還有待優(yōu)化。

3、架構創(chuàng)新是AI芯片面臨的一個不可回避的課題。一個重要問題：是否會出現(xiàn)像通用CPU那樣獨立存在的AI處理器？如果存在的話，它的架構是怎樣的？如果不存在，那么目前以滿足特定應用為主要目標的AI芯片就一定只能以IP核的方式存在，最終被各種各樣的SoC所集成。如果真是這樣，那么今天從事AI芯片研究的設計公司該何去何從？

4、可重構計算芯片技術允許硬件架構和功能隨軟件變化而變化，實現(xiàn)軟件定義芯片，在實現(xiàn)AI功能時具有獨到的優(yōu)勢，具備廣闊的前景。

5、目前大部分的AI芯片創(chuàng)業(yè)者都會成為“先烈”，而這將成為AI發(fā)展中最令人欽佩也最令人動容的偉大事件