對當前人工智能芯片發展趨勢的判斷及建議

林雨

2016年以來，安防、手機、汽車等領域的市場競爭格局以及技術演進路徑，因人工智能芯片的持續創新而被不斷顛覆。同時，人工智能芯片也成為眾多技術類產業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域的布局。截至2018年5月，全球至少有60家初創公司在研發語音交互和自動駕駛芯片，并且至少有5家企業已經獲得超過1億美元的融資。據國際權威基金評級機構Morningstar 預測，到2021年，全球人工智能芯片市場規模有可能超過200億美元。

驅動本輪人工智能芯片發展的三個因素

（一）計算層面：大規模數據處理需要突破馮·諾依曼體系結構對處理器性能的束縛。在馮·諾依曼體系結構中，計算模塊和存儲單元是分離的，CPU在執行命令時必須先從存儲單元中讀取數據，這樣無疑增加了計算的延時和功耗。若要提升基于馮·諾依曼體系結構的處理器性能，目前有兩種方式：一是在摩爾定律的驅動下，增加單位芯片面積內晶體管的數量；二是通過多核并行處理來提升運算效率。隨著互聯網、大數據等新興技術的快速興起，結構性數據呈現爆炸式增長，馮·諾依曼體系結構的局限性也開始逐漸顯現。一方面，龐大的數據規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·諾依曼體系結構中傳輸指令和數據共用一個總線，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， 要突破數據量激增所帶來的計算瓶頸，就需要從芯片底層架構尋求重構和變革。

（二）通信層面：第五代移動通信（5G）和物聯網為人工智能進入終端應用奠定基礎。英特爾公司認為，目前我們面臨著人工智能、 5G、物聯網的“三浪疊加”，呈現出三方面的特點。一是計算將無處不在；二是分散到網絡結構中的計算、分析和存儲，將把互聯物和數據轉化為有意義的完整認知；三是通過網絡和云，物與物之間將建立無所不在的連接。因此，5G和物聯網的成熟應用是人工智能進入終端應用的重要保障，而物聯網的本質是將終端數字化，這也是人工智能與數據感知相結合的基礎。近年來，全球物聯網技術創新空前活躍，物聯網MCU、窄帶物聯網芯片、新型傳感器等新技術新產品不斷推出，有力推動了物聯網的應用普及。作為人工智能進入終端應用的重要通道，5G和物聯網技術將從概念走向商用，這也是人工智能技術向產業化邁進的重要基礎。

（三）算法層面：深度學習算法的快速成熟為人工智能芯片從理念走向實踐提供了技術保障。從演進歷史看，人工智能自1956年提出以來，大致經歷了三次發展浪潮。在前兩次浪潮中，由于人工智能算法技術未能實現突破性進展，相關應用始終難以達到預期效果。以2006年深度學習模型的提出為標志，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習算法領域的布局力度與投入，通過成立實驗室、開源算法框架、打造生態體系等方式，推動算法模型的優化和創新。目前，深度學習等算法已廣泛應用于自然語言處理、語音處理以及計算機視覺等領域，并在某些特定領域取得了突破性進展。企業逐步發現，只有保障硬件層面與算法層面創新的協調推進，才能在真正意義上擁有人工智能的競爭優勢。深度學習算法的快速成熟也為人工智能芯片從理念走向實踐提供了技術保障。

對人工智能芯片發展趨勢的三個判斷

（一）算法和系統類企業逐漸成為人工智能芯片領域的重要創新力量。對算法類企業而言，核心算法的芯片不僅提升了原有性能，更是其實現商業盈利的重要途徑；系統公司也正通過自主研發與投資并購相結合的方式，加大對人工智能芯片的投入。目前進入人工智能芯片領域的算法和系統類企業逐漸增多，與傳統芯片研發企業不同，算法和系統類企業由于以提供高頻次、基礎性的功能服務為主， 距應用場景最近， 對應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企業的競爭或合作中，能夠處于主導地位，增加了產業格局的不確定性，同時也成為推動人工智能芯片創新的中堅力量。

（二）類腦計算芯片是人工智能芯片技術演進的主流方向。當前，圍繞人工智能芯片的創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。二是針對深度學習算法開發ASIC芯片。ASIC芯片是為實現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，其本質是借鑒人腦的工作原理來實現深度學習，進而解決極其復雜的計算問題。

從短期看，類腦計算芯片距成熟商用還有一定的距離，甚至在產業化過程中還將面臨不小的風險，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變革。

（三）“邊緣側智能”將是初創型企業布局創新的重點方向。“邊緣側智能”專指靠近智能終端以及數據源頭的網絡邊緣側，融合了網絡、計算、存儲、應用的開放計算平臺。隨著人工智能應用的不斷擴展，定位于數據中心（或稱“云端”）的人工智能應用普遍存在著功耗高、實時性低、帶寬不足，以及數據傳輸中安全性較低等問題。預計，未來會有更多的人工智能芯片部署于網絡“邊緣側”。相比于數據中心的人工智能加速器，位于“邊緣側”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。基于此，越來越多的人工智能初創企業將“邊緣側”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格要求的工業環境而言，邊緣智能的重要性不言而喻，它是工業物聯網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品，如邊緣服務器、智能網關等產品。根據HIS公司數據測算，邊緣側人工智能芯片市場需求在2018年開始爆發，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品是邊緣側人工智能芯片最重要的應用領域，自動駕駛汽車市場規模最大。

加快推進我國人工智能芯片發展的三點建議

當前人工智能芯片領域的創新活躍，為我國提供了重要的發展機遇。一方面，深度學習的算法更迭尚未停止，支撐某項應用及其算法的計算架構創新仍有很大拓展空間，為我國創新型企業進入該領域創造了機會。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軟件領域，攻克了一些關鍵技術難關，有了一批標志性的成果，伴隨產業生態的不斷完善，我國人工智能芯片架構創新有了更堅實的基礎。然而，我國目前在人工智能基礎理論、核心算法以及應用探索等方面，與發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；適應人工智能發展的基礎設施、政策法規、標準體系亟待完善。此外，應用場景過于集中等問題的凸顯，恐將對未來行業競爭帶來負面影響。基于此，提出如下建議：

（一）完善以芯片為核心的人工智能產業生態。在終端領域，應加快對智能終端核心技術和產品的研發，發展新一代智能手機、車載智能終端等移動智能終端產品和設備，鼓勵開發智能手表、智能耳機、智能眼鏡等可穿戴終端產品，拓展智能產品的形態和應用服務，從應用層面為人工智能芯片的創新開拓市場。在軟件領域，鼓勵開發面向人工智能的操作系統、數據庫、中間件、開發工具等關鍵基礎軟件，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解決方案，培育壯大面向人工智能應用的基礎軟件產業。在開發平臺方面，鼓勵研發友好且易用的軟件開發工具平臺，建立大數據人工智能開源軟件基礎平臺、終端與云端協同的人工智能云服務平臺，讓開發者迅速提升深度學習加速算法的編程能力。

（二）積極推進人工智能芯片領域創新創業平臺建設。鼓勵北京、上海、深圳等城市依托當地集成電路設計產業化基地建設人工智能芯片眾創平臺。依托當地從事人工智能和微電子學科研究的高校和科研院所，搭建人工智能芯片領域的專業化創新平臺，建設低成本、便利化、全要素、開放式的人工智能芯片眾創空間，完善孵化服務體系，推進人工智能芯片領域的科技成果轉移轉化，支持人工智能芯片領域的創新創業。充分發揮大企業在技術、管理、人才、渠道、資金、市場方面的優勢，通過設立產業投資基金、搭建創業孵化平臺和協同創新平臺等模式，加速技術成果轉化，助推一批具有核心技術積累的人工智能芯片領域的中小企業快速成長。

（三）有效加強人工智能全產業領域的多元化國際合作。引導和支持國內人工智能企業與國際人工智能領先企業、知名高校、科研機構緊密合作，及時追蹤研究人工智能領域的國際前沿動態，鼓勵國內人工智能企業與國外相關企業和機構在國內聯合成立技術研發及產業化中心。將人工智能領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、研發中心的布局。