淺談人工智能芯片的發展與應用

呂星辰

摘要：本文首先介紹了人工智能的要素與發展現狀，論述了人工智能芯片的概念與發展目的;接著闡述了人工智能芯片的發展歷程，介紹了其市場情況及主要的人工智能企業;之后對不同類型的人工智能芯片進行了說明，最后討論了人工智能芯片面臨的挑戰及發展趨勢。

關鍵詞：人工智能 ? 芯片 ? 算力 ? 類腦

1956年，在美國達特茅斯學院召開的夏季研討會議上，時任該學院數學系助理教授的麥卡錫提出了人工智能這一載入史冊的概念。60多年來，人工智能技術已經在許多領域取得了重大的突破，如自動駕駛、醫學診斷、公共安全等。人工智能之所以能夠取得這些突破，主要是由于三個方面的原因：充足的計算力、以深度學習為代表的算法、海量的數據資源。現階段，絕大多數人工智能其智能來自于海量的數據，借助海量數據、強大的算力訓練不同的人工智能模型，從而使得其具有較高的智能。其中，算力是人工智能的基礎資源，對其發展起著至關重要的作用。隨著人工智能的發展，傳統的硬件已不能滿足其對算力的需求。因此，業界開始研究用于人工智能領域的專用芯片[1]。

人工智能芯片作為人工智能技術的基礎，其重要性自然不言而喻。人工智能芯片目前還沒有一個具體的公開的定義和標準，在多數情況下AI芯片被認為只要是應用于AI的芯片都可以稱為AI芯片。必須要說明， AI芯片本身并不具有智能，其主要是為人工智能模型提供計算力，從而加速人工智能模型的訓練。由于AI智能執行任務的特殊性與多樣性，對芯片的計算處理速度有著較高的要求 [2]。

一、發展歷程

人工智能芯片的發展與人工智能的發展進程密切相關。在2007年前，人工智能的發展經歷了數次高潮和低谷，但大都停留在學術領域，還未形成相關的產業;另一方面，這一時期人工智能相關的算法對計算能力的需求一般，處理的數據量相對較少，因而對芯片的算力需求較低。通用的CPU芯片完全能夠滿足這一時期人工智能的算力需求。由于高清視頻、游戲等行業的發展需求，GPU產品的性能不斷提升，同時，得益于GPU的并行計算特性，研究人員發現GPU在處理海量數據的計算問題時效率較高，因此研究者將GPU大范圍地應用于人工智能的計算領域。2010年后，云計算技術在全球范圍內廣泛應用。云計算技術是將計算資源、存儲資源、網絡資源進行統一管理，按需分配，其實現需要依靠互聯網技術。在進行人工智能相關的研究過程中，人們可以利用云計算技術實現高性能的計算。近年來，隨著相關算法的進步以及數據資源的快速積累，人工智能對于計算能力的需求快速增長，同時也促進了AI芯片的發展。從2015年開始，業界對AI芯片的研發呈現出快速增長的局面。研究者希望在相關的硬件及芯片結構上進行突破，以此帶來計算效率上的提升[3]。

二、發展現狀

（一）市場情況

隨著人工智能技術的逐步成熟，以及應用場景不斷擴大，人工智能整體的市場規模也不斷增大。據統計， 2018年我國人工智能市場規模接近240億人民幣，實現了超過50%的高速增長。根據測算，2019年中國的人工智能市場規模將接近280億人民幣。人工智能市場的高速增長也為企業、用戶帶來了巨大的發展空間。人工智能整體的市場增長也促進了AI芯片的增長，預計到2020年，AI芯片領域預計將超過100億美元[3]。

（二）AI芯片公司

不管是國內還是國外，許多企業都開始參與AI芯片的研發。如谷歌、Facebook、亞馬遜、百度、阿里等互聯網巨頭。與此同時，全球各大芯片公司都在積極進行AI芯片布局，涌現出許多新生代公司，如Graph core、Cerbras、寒武紀等。這些公司陸續推出了各自的AI芯片和硬件系統[4]，希望在AI芯片市場占有一席之地。

早在2011年，蘋果公司首次推出Siri時，就可以看到蘋果在人工智能方面的嘗試。在2018年Apple推出了全新的A12處理器，蘋果新的神經引擎系統使得蘋果在人臉識別、語音識別方面做出了一定成就。谷歌公司在2017年度創新大會上展示了其研發的新一代人工智能專用處理器（Tensor Processing Units TPU）。該芯片具有強大的計算能力（據稱TPU比標準CPU和GPU快15-30倍），發布后很快就引起了軍方的關注。寒武紀是在2016年成立的，雖然其成立時間較短，但發展很快，已經擁有成熟的AI芯片產品。特別是在2018年，華為集成了寒武紀的1H芯片，發布了麒麟980芯片，讓搭載該芯片的智能手機的AI計算性能大幅攀升。

三、人工智能芯片的類型

目前主要有三種類型的人工智能芯片：AI加速芯片（GPU、FPGA、DSP、ASIC、眾核處理器），類腦芯片，通用AI芯片[5]。

（一）AI加速芯片

這類芯片簡單的來講就是以現有的芯片為框架，構成基礎，對某一特定的場合下的算速、成本和功耗進行優化。目前已經有許多用于自動駕駛、語音識別、圖像識別等領域的芯片產品。現階段，設計AI加速芯片的主流方案有兩類：在GPU、DPS等芯片的基礎上進行整合，以異構計算的方式來實現;針對具體的需求，設計專用的ASIC（Application-Specific Integrated Circuit）芯片。

（二）類腦芯片

類腦芯片是希望通過模擬人腦的運轉機制，使計算機能低能耗、高功效地運行，甚至使計算機擁有優于類人的智能。類腦芯片試圖構建芯片結構類似于大腦的電子芯片，即“仿生電子腦”。類腦芯片不只是從功能上去模仿大腦，而是希望從架構層面模擬大腦。例如IBM設計的相變神經元架構就包括輸入端、神經薄膜、信號發生器與輸出端四個層面，這與生物神經元十分類似。此外，類腦芯片還具有功耗方面的絕對優勢。例如，英特爾設計的自學習芯片Loihi，其學習效率是其它智能芯片的100萬倍，但完成同樣的學習任務其功耗比傳統芯片節省近1000倍。

（三）通用AI芯片

人工智能對于芯片的需求不僅僅是計算能力，還包括通用的計算引擎。現有的AI芯片只能用于特定的任務或適用于某一類算法，通用性方面還存在很大差距。通用AI芯片應該具有可編程性（適用算法的演進）、架構動態可變性（適應不同的算法）。由于通用人工智能發展的難度較大，目前還沒有真正意義上的通用AI芯片問世。

四、討論

（一）當下挑戰

如今，全球人工智能產業仍處于高速發展和迅速變化之中，尚還有很多變數。但人工智能的廣泛應用為芯片的發展提供了廣闊空間。

芯片是人工智能的基礎。從指標上來說，AI芯片發展過程中的挑戰來源于性能、功耗、體積三個方面。這與傳統的芯片并無不同。但是AI芯片的特點使得其還面臨與傳統芯片不同的挑戰。現階段，AI 芯片需要解決的是兩大挑戰：第一是芯片需要適應算法的演進，由于目前AI算法的發展較快，各種新算法、新模型不斷出現，AI芯片需要能夠適應這種變化;第二是要有面向人工智能領域的新的架構，從而提高芯片的通用性。

（二）未來趨勢

2016 年 3 月， AlphaGo 與韓國圍棋世界冠軍李世石進行了舉世矚目的圍棋人機大戰，并以3：1獲勝，這次比賽使得人工智能家喻戶曉; 2017 年 5 月，AlphaGo與當時排名第一的圍棋選手柯潔進行了又一次人機大戰，并以3：0完勝，再次震驚了世人。現階段，人工智能的應用已經出現在許多領域。但這些應用只是初級的，智能程度還不是很高，人工智能的大規模商業化應用還有很長的路要走。短期來看，AI芯片還是以增加算力，適應算法為主;長期來看，企業還是要以研發通用AI芯片作為發展目標。

五、結語

雖然現有AI產品并不是十分智能，但在某些方面至少已經表現出超越人類智能水平的潛力。在不久的將來，人工智能將會變得更智能。AI芯片的發展還處在早期，還需要進行更多的投入。

芯片是AI發展的重要基礎，擁有巨大的產業價值和戰略地位。從全球范圍來看，國外芯片巨頭占據絕對優勢。而國內人工智能公司大都剛剛起步，技術實力相比國外還存在差距。未來，需要企業、政府一同努力，加大在AI芯片領域中的研發與投入，從而使我國在即將到來的人工智能時代占得先機。

參考文獻：

[1]尹首一，郭珩，魏少軍.人工智能芯片發展的現狀及趨勢[J].科技導報，2018，（17）：45-51.

[2]李麗婷.人工智能芯片技術進展及產業發展研究報告[J].廈門科技，2019，（01）：1-9.

[3]劉曉樺.國產AI芯片：崛起時更應回歸理性[J].經濟，2018，（11）：28-29.

[4]張蔚敏，蔣阿芳，紀學毅.人工智能芯片產業現狀[J].電信網技術，2018，（02）：67-71.

[5]Ty Garibay.人工智能芯片的發展進程展望[J].集成電路應用，2018，（10）：43-44+51.

（作者單位：江蘇省睢寧高級中學）