对当前人工智能芯片发展趋势的判断及建议

林雨

2016年以来，安防、手机、汽车等领域的市场竞争格局以及技术演进路径，因人工智能芯片的持续创新而被不断颠覆。同时，人工智能芯片也成为众多技术类产业资本竞相追逐的重要方向，以谷歌、微软、英特尔、Facebook为代表的科技巨头争相加大在人工智能芯片领域的布局。截至2018年5月，全球至少有60家初创公司在研发语音交互和自动驾驶芯片，并且至少有5家企业已经获得超过1亿美元的融资。据国际权威基金评级机构Morningstar 预测，到2021年，全球人工智能芯片市场规模有可能超过200亿美元。

驱动本轮人工智能芯片发展的三个因素

（一）计算层面：大规模数据处理需要突破冯·诺依曼体系结构对处理器性能的束缚。在冯·诺依曼体系结构中，计算模块和存储单元是分离的，CPU在执行命令时必须先从存储单元中读取数据，这样无疑增加了计算的延时和功耗。若要提升基于冯·诺依曼体系结构的处理器性能，目前有两种方式：一是在摩尔定律的驱动下，增加单位芯片面积内晶体管的数量；二是通过多核并行处理来提升运算效率。随着互联网、大数据等新兴技术的快速兴起，结构性数据呈现爆炸式增长，冯·诺依曼体系结构的局限性也开始逐渐显现。一方面，庞大的数据规模对处理器的速度和性能提出了更高要求，但摩尔定律正趋于极限，通过更小线宽和更高集成度来提升处理器的性能变得愈加困难；另一方面，冯·诺依曼体系结构中传输指令和数据共用一个总线，约束了信息流的传输效率，进而制约了处理器的运行速度。因此， 要突破数据量激增所带来的计算瓶颈，就需要从芯片底层架构寻求重构和变革。

（二）通信层面：第五代移动通信（5G）和物联网为人工智能进入终端应用奠定基础。英特尔公司认为，目前我们面临着人工智能、 5G、物联网的“三浪叠加”，呈现出三方面的特点。一是计算将无处不在；二是分散到网络结构中的计算、分析和存储，将把互联物和数据转化为有意义的完整认知；三是通过网络和云，物与物之间将建立无所不在的连接。因此，5G和物联网的成熟应用是人工智能进入终端应用的重要保障，而物联网的本质是将终端数字化，这也是人工智能与数据感知相结合的基础。近年来，全球物联网技术创新空前活跃，物联网MCU、窄带物联网芯片、新型传感器等新技术新产品不断推出，有力推动了物联网的应用普及。作为人工智能进入终端应用的重要通道，5G和物联网技术将从概念走向商用，这也是人工智能技术向产业化迈进的重要基础。

（三）算法层面：深度学习算法的快速成熟为人工智能芯片从理念走向实践提供了技术保障。从演进历史看，人工智能自1956年提出以来，大致经历了三次发展浪潮。在前两次浪潮中，由于人工智能算法技术未能实现突破性进展，相关应用始终难以达到预期效果。以2006年深度学习模型的提出为标志，人工智能迎来了第三次高速增长。在此过程中，全球科技巨头纷纷加大在深度学习算法领域的布局力度与投入，通过成立实验室、开源算法框架、打造生态体系等方式，推动算法模型的优化和创新。目前，深度学习等算法已广泛应用于自然语言处理、语音处理以及计算机视觉等领域，并在某些特定领域取得了突破性进展。企业逐步发现，只有保障硬件层面与算法层面创新的协调推进，才能在真正意义上拥有人工智能的竞争优势。深度学习算法的快速成熟也为人工智能芯片从理念走向实践提供了技术保障。

对人工智能芯片发展趋势的三个判断

（一）算法和系统类企业逐渐成为人工智能芯片领域的重要创新力量。对算法类企业而言，核心算法的芯片不仅提升了原有性能，更是其实现商业盈利的重要途径；系統公司也正通过自主研发与投资并购相结合的方式，加大对人工智能芯片的投入。目前进入人工智能芯片领域的算法和系统类企业逐渐增多，与传统芯片研发企业不同，算法和系统类企业由于以提供高频次、基础性的功能服务为主， 距应用场景最近， 对应用的实际需求有更深刻的理解，加上强大的软硬件一体化能力、市场营销渠道能力和充足的资本储备，使其在与众多人工智能芯片初创企业的竞争或合作中，能够处于主导地位，增加了产业格局的不确定性，同时也成为推动人工智能芯片创新的中坚力量。

（二）类脑计算芯片是人工智能芯片技术演进的主流方向。当前，围绕人工智能芯片的创新路径主要有三个方向：一是基于GPU、FPGA等通用芯片打造半定制方案。二是针对深度学习算法开发ASIC芯片。ASIC芯片是为实现特定要求而定制的芯片，具有功耗低、可靠性高、性能好、体积小等优点，但不可编程，可扩展性不及FPGA，尤其适合高性能/低功耗的移动端。三是类脑计算芯片，其本质是借鉴人脑的工作原理来实现深度学习，进而解决极其复杂的计算问题。

从短期看，类脑计算芯片距成熟商用还有一定的距离，甚至在产业化过程中还将面临不小的风险，但从长期看，类脑计算芯片最有可能带来计算的体系革命与架构变革。

（三）“边缘侧智能”将是初创型企业布局创新的重点方向。“边缘侧智能”专指靠近智能终端以及数据源头的网络边缘侧，融合了网络、计算、存储、应用的开放计算平台。随着人工智能应用的不断扩展，定位于数据中心（或称“云端”）的人工智能应用普遍存在着功耗高、实时性低、带宽不足，以及数据传输中安全性较低等问题。预计，未来会有更多的人工智能芯片部署于网络“边缘侧”。相比于数据中心的人工智能加速器，位于“边缘侧”智能终端中的人工智能芯片需要有更低的延迟性、更低的能耗、更小的体积和更低的成本（除自动驾驶汽车等本身价格较高的终端以外）。但是，其算法要相对成熟，无需进行频繁的迭代改进。基于此，越来越多的人工智能初创企业将“边缘侧”的人工智能计算作为重点攻克课题。尤其是对实时性有着严格要求的工业环境而言，边缘智能的重要性不言而喻，它是工业物联网得以实施的一个首要条件。目前，越来越多的硬件厂商开始提供边缘处理的强化产品，如边缘服务器、智能网关等产品。根据HIS公司数据测算，边缘侧人工智能芯片市场需求在2018年开始爆发，将从2017年的4亿美元增长至2018年的19亿，增长率超过400%。其中，智能手机等消费电子产品是边缘侧人工智能芯片最重要的应用领域，自动驾驶汽车市场规模最大。

加快推进我国人工智能芯片发展的三点建议

当前人工智能芯片领域的创新活跃，为我国提供了重要的发展机遇。一方面，深度学习的算法更迭尚未停止，支撑某项应用及其算法的计算架构创新仍有很大拓展空间，为我国创新型企业进入该领域创造了机会。另一方面，近十年来，我国在“核高基”国家科技重大专项的支持下，在高端通用芯片和基础软件领域，攻克了一些关键技术难关，有了一批标志性的成果，伴随产业生态的不断完善，我国人工智能芯片架构创新有了更坚实的基础。然而，我国目前在人工智能基础理论、核心算法以及应用探索等方面，与发达国家仍有不小的差距；人工智能尖端人才远远不能满足需求；适应人工智能发展的基础设施、政策法规、标准体系亟待完善。此外，应用场景过于集中等问题的凸显，恐将对未来行业竞争带来负面影响。基于此，提出如下建议：

（一）完善以芯片为核心的人工智能产业生态。在终端领域，应加快对智能终端核心技术和产品的研发，发展新一代智能手机、车载智能终端等移动智能终端产品和设备，鼓励开发智能手表、智能耳机、智能眼镜等可穿戴终端产品，拓展智能产品的形态和应用服务，从应用层面为人工智能芯片的創新开拓市场。在软件领域，鼓励开发面向人工智能的操作系统、数据库、中间件、开发工具等关键基础软件，研究图像识别、语音识别、机器翻译、智能交互、知识处理、控制决策等智能系统解决方案，培育壮大面向人工智能应用的基础软件产业。在开发平台方面，鼓励研发友好且易用的软件开发工具平台，建立大数据人工智能开源软件基础平台、终端与云端协同的人工智能云服务平台，让开发者迅速提升深度学习加速算法的编程能力。

（二）积极推进人工智能芯片领域创新创业平台建设。鼓励北京、上海、深圳等城市依托当地集成电路设计产业化基地建设人工智能芯片众创平台。依托当地从事人工智能和微电子学科研究的高校和科研院所，搭建人工智能芯片领域的专业化创新平台，建设低成本、便利化、全要素、开放式的人工智能芯片众创空间，完善孵化服务体系，推进人工智能芯片领域的科技成果转移转化，支持人工智能芯片领域的创新创业。充分发挥大企业在技术、管理、人才、渠道、资金、市场方面的优势，通过设立产业投资基金、搭建创业孵化平台和协同创新平台等模式，加速技术成果转化，助推一批具有核心技术积累的人工智能芯片领域的中小企业快速成长。

（三）有效加强人工智能全产业领域的多元化国际合作。引导和支持国内人工智能企业与国际人工智能领先企业、知名高校、科研机构紧密合作，及时追踪研究人工智能领域的国际前沿动态，鼓励国内人工智能企业与国外相关企业和机构在国内联合成立技术研发及产业化中心。将人工智能领域的高端人才引进和培育工作作为未来工作的重中之重，积极依托“一带一路”，推动人工智能的国际研究基地、研发中心的布局。