我國應深耕AI芯片基礎技術

王哲

近日，市場研究和咨詢公司 Compass Intelligence 發布了2018年度全球AI芯片公司24強（Top24）排行榜，美國英偉達公司名列首位。中國華為海思等7家企業入圍，顯示出我國在AI芯片領域取得了突出進步。但同時也應清醒認識到，我國AI芯片的技術創新和產業應用與美國相比仍有很大差距，我國芯片行業目前整體上還落后于一些發達國家。未來我國應深耕AI芯片的基礎架構技術，加快提升產業應用結合能力。

中美兩國企業占據全球AI芯片企業榜單主體

中美兩國領跑全球AI芯片企業榜單。Compass Intelligence 以供應商指標、商品及客戶指標、經濟指標三個維度作為評分依據，從100余家涉及人工智能芯片業務的企業中，評選出排名前24名的企業。榜單中有14家美國企業，7家中國企業，英國、韓國、新加坡企業各1家。就入圍數量來看，美國企業領跑AI芯片領域創新，中國企業緊隨其后。入圍的美國企業依次為英偉達、英特爾、IBM、谷歌、蘋果、AMD、高通、恩智浦、新思科技、Marvell、賽靈思、CEVA、鏗騰電子和General Vision；中國企業依次為華為海思、聯發科、Imagination、瑞芯微、芯原、寒武紀和地平線機器人。

美國入圍企業多是深耕半導體行業的超級巨頭。上榜的美國企業中，除谷歌和蘋果是互聯網時代新崛起的科技公司外，其余12家企業都是深耕半導體行業30年以上的老牌半導體廠商，有深厚的集成電路設計和制造基礎，并積極通過并購及商業合作拓展業務領域。以排名第一的英偉達為例，其于1999年發明了圖形處理器架構（GPU），重新定義了現代計算機圖形技術，徹底改變了并行計算。當前英偉達占據了70%以上的GPU全球市場份額，壟斷優勢明顯。

中國入圍企業有傳統電子信息制造商、自國外并購的企業、專攻AI芯片的初創企業三種類型。一是傳統電子信息制造商，包括華為海思、聯發科和瑞芯微，它們具備較強半導體產業實力，主要基于自身的IC設計能力研發AI芯片，產業鏈積累較為完整。二是自國外并購的企業，如Imagination和芯原。Imagination在GPU、神經網絡處理器（NPU）方面實力突出，在2017年被中國私募基金凱橋資本收購前，是蘋果公司的GPU供貨商；芯原的前身是美國思略科技公司上海分部，2002年通過擴資和股權轉移實現主體剝離，近年來主攻芯片平臺即服務（SiPaaS）的商業模式，可導入Caffe和TensorFlow架構生成的神經網絡算法。三是專攻人工智能芯片的初創企業，例如寒武紀和地平線機器人，二者成立時間均不足3年，已推出成功流片的人工智能芯片產品。

對全球AI芯片企業榜單的三點認識和反思

AI芯片概念雖被熱炒，但目前在技術架構上并無顛覆式創新。AI芯片指專門設計用來加速有關人工智能算法或任務的芯片，與通用芯片相比速度更快、效率更高。就目前上榜企業的主要技術和產品路線看，神經元芯片尚無具體商用產品出現，現有AI芯片技術大多處于對特定算法的加速階段，僅在某些具體、特定的任務上可以大幅超越人的能力，其通用性與適應性與強人工智能還有相當大的差距。

我國在AI芯片領域取得了突出進步，但與美國比尚有較大差距。中國企業在全球AI芯片企業24強中占據7席，數量僅次于美國。但也要清醒認識到，我國在AI芯片研發和產品應用能力上與美國相比依然有很大差距。英偉達的Volta架構、谷歌的TPU、AMD的Vage架構、英特爾Knight Mill芯片、蘋果A11仿生芯片等都針對人工智能應用做了算法加速創新，并部署應用到相關產品或生態平臺上。相比之下，我國開展人工智能應用研究的機構大多還是采購NVIDIA的GPU來實現程序的加速，并未實現自主知識產權，我國AI芯片的研發技術能力雖已達到國際先進水平，但在商用落地方面還遠不成熟，產業鏈條上下游銜接存在困難。

人工智能芯片的崛起對芯片行業發展有一定帶動作用，但無法徹底改變我國芯片行業整體落后的現狀。目前，國際主流的芯片工藝已經達到7nm，我國還大多停留在28nm，存在嚴重的代差，AI芯片研發設計能力的單點發力無法改變我國半導體產業整體落后的現狀。應清醒認識到，第一，人工智能芯片只是芯片產業的一部分，英特爾和英偉達等老牌巨頭已經在通用芯片中加入了對人工智能任務的加速支持，進一步沖擊了人工智能專用芯片的發展，通用CPU、DSP芯片系統的研發仍然是整個芯片產業鏈的龍頭。第二，即使擁有領先的AI芯片設計技術，若缺乏芯片制造工藝，依然無法實現智能芯片的全自主研發，我國如果只關注人工智能芯片的發展，不注重通用芯片的技術攻關，最終只能設計一系列加速器芯片，難以構建通用、兼容的人工智能系統，無法從根本上改變我國芯片行業整體落后的現狀。

對我國AI芯片發展的兩點建議

深耕AI芯片的基礎架構技術。從芯片發展趨勢看，AI芯片尚處于技術發展初級階段，感知、傳輸、處理、執行的基本邏輯和技術架構尚無定論，目前的技術能力僅集中在利用軟件系統、處理器等模仿人類智能。我國應加強深耕AI芯片的基礎核心架構研發，加大對神經擬態芯片技術和可重構計算芯片技術的科研攻關，提升硬件架構對軟件變化的支持力度，推動AI芯片架構從特定算法和領域向更高靈活性、適應性的智能芯片演進。

提升AI芯片的產業應用能力。從應用場景角度看，AI芯片主要有兩大部署方向，一是在數據中心云端，二是在消費終端。從功能角度看，AI芯片主要完成兩大任務，一是主要部署在云端的訓練任務，二是正由云端向終端遷移的推理任務。我國可針對不同應用場景和功能環節的競爭形勢，建立分類引導的產業推進機制，避其鋒芒，多點發力，在云端市場扶植龍頭企業參與國際競爭，在終端市場鼓勵應用創新，并聯合互聯網企業打造產業協同發展生態。