數字經濟下中國人工智能芯片技術發展現狀、面臨挑戰及對策建議

杜春玲，王鐵錚，王琛偉

（1.北京市科學技術研究院數字經濟創新研究所，北京 100009；2.國家發展和改革委員會經濟體制與管理研究所，北京 100035）

數字經濟時代，作為新型基礎設施建設底座的人工智能（AI）產業已成為推動中國經濟發展的新引擎，發展好人工智能產業對數字經濟及整個國民經濟至關重要。算力、算法、數據是人工智能的三大核心要素，是人工智能產業快速發展的重要基石。其中，源于芯片的算力是數據和算法的基礎設施，也是這二者的支撐。所以，人工智能芯片是人工智能產業發展非常重要的基礎，突破人工智能芯片技術的瓶頸、補齊人工智能芯片技術短板已成為人工智能領域可持續發展的重要因素。在數字經濟新時代，人工智能芯片技術已成為推動數字經濟發展的新生產力，是支撐數字經濟持續向縱深發展的新動力。經過多年的實踐和調整，中國人工智能芯片技術和產業在一定程度上取得了顯著的進步，但仍存在較大的短板和瓶頸問題，整體上仍處于發展的初級階段，加強人工智能芯片技術及產業的研究，有助于國家政策決策的制定，從而保障人工智能芯片技術水平的提升、推動人工智能及數字經濟的高質量發展。

1 相關文獻回顧

近幾年，專家學者對人工智能芯片技術及產業進行了多角度的研究。如，尹首一［1］概述了人工智能芯片的4個發展階段和每個階段的主要技術特點，以及以架構創新為核心的發展趨勢；任源等［2］側重從技術和市場規模的角度對人工智能芯片進行了詳細研究；李麗婷［3］介紹了人工智能芯片的技術路徑、發展態勢以及全球人工智能芯片重點企業，分析了中國人工智能芯片的產業情況及2019 年前的企業專利情況，并根據廈門市人工智能芯片產業的發展給出有針對性的建議；施羽暇［4］分析了人工智能芯片不同的技術路線，比較了不同路線的特點，研究了人工智能芯片產業全球及中國的發展態勢，分析了中國人工智能芯片發展面臨的機遇與挑戰，并對未來技術發展趨勢進行了展望；葛悅濤等［5］分析了當前世界主要科技巨頭紛紛布局人工智能芯片的現狀，重點介紹了邊緣側低功耗人工智能芯片的特點與研發應用現狀及其發展趨勢；商惠敏［6］詳細闡述了人工智能芯片的內涵、分類及發展歷程，從傳統芯片企業和新興互聯網企業的角度分析了國內外人工智能芯片的產業現狀與發展趨勢，并圍繞產業布局、企業扶持等方面提出建議；莫洋等［7］從用于智能機器人的專用智能芯片的角度出發，強調了智能機器人核心芯片的戰略意義，指出其國際發展現狀和中國的基礎優勢及面臨的問題，針對機器人發展的“卡脖子”問題，論證分析了智能機器人自主可控專用芯片的技術發展路徑，并提出有針對性的對策建議。

綜上，已有相關研究主要從人工智能芯片的發展階段、技術路線及未來發展趨勢等角度進行研究，但針對中國人工智能芯片產業發展的建議，特別是如何應用落地方面的對策研究較少。本研究簡要概述人工智能芯片的分類，分別對圖形處理器（graphics processing unit，GPU）、現場可編程門陣列（fieldprogrammable gate array，FPGA）、專用集成電路（application specific integrated circuits，ASIC）和類腦芯片4 類人工智能芯片在技術發展、專利情況及企業分布等現狀進行詳細研究，梳理中國在相關政策、機構和企業等方面的布局，總結目前中國人工智能芯片發展面臨的問題和挑戰，重點提出發展對策和建議，為政府的相關政策決策提供依據和參考。

2 人工智能芯片技術發展及產業現狀

2.1 人工智能芯片的分類

（1）按技術架構分類。廣義的人工智能芯片是指所有面向人工智能應用領域的芯片［8］；狹義的人工智能芯片是針對人工智能算法做了特殊加速設計的芯片［9］。本研究中主要指狹義的AI 芯片，按技術架構的分類及其具體特點和應用場景如表1所示。

表1 按技術架構分類的人工智能芯片

（2）按功能任務分類。根據人工智能芯片在實踐中的任務，可分為訓練（training）芯片和推理（inference）芯片。

（3）按部署位置分類。人工智能芯片根據其在網絡中的位置可以分為云端、邊緣及終端人工智能芯片。

2.2 人工智能芯片的發展現狀

20 世紀80 年代開始，美國加州理工學院的Mead 最早開始了人工智能芯片的研究，他提出用模擬電路搭建硅神經元去模仿生物神經結構的脈沖特性［10］。經過三四十年的發展，如今專家學者們研究出GPU、數字信號處理器（DSP）、FPGA 以及類腦芯片等各類人工智能芯片，特別是在2016 年，AlphaGo 擊敗李世石贏得人機圍棋大戰，激發了研究人工智能的熱潮，更凸顯了人工智能芯片的重要貢獻。自2016 年起，先后有40 余個國家和地區將推動人工智能發展上升到國家戰略高度［11］，并分別制定了人工智能芯片的發展戰略和規劃，競爭趨于白熱化。2021 年全球人工智能芯片市場規模達到260 億美元，預計2025 年將達到726 億美元［12］，如圖1 所示。

圖1 全球人工智能芯片市場規模及預測

美國的英偉達（NVIDIA）、英特爾（Intel）、超威半導體（AMD）、谷歌（Google）等傳統芯片廠商憑借在芯片領域多年的領先地位，迅速切入人工智能領域，積極布局，一直處于引領產業發展的地位［6］。2020 年人工智能芯片行業大型并購頻發：英偉達收購英國設計公司ARM；AMD 收購美國軟件開發公司賽靈思（Xilinx）；位于硅谷的美滿科技（Marvell）收購總部位于加州圣克拉拉的國際半導體公司（Inphi）；英特爾公司收購總部位于舊金山的初創公司SigOpt 等。這一系列的收購都是為了加強各公司的人工智能芯片業務，完善在人工智能芯片領域的技術覆蓋面，提高技術競爭力。NVIDIA 依然引領著人工智能芯片前沿技術的發展，2022 年推出面向數據中心的人工智能圖形處理器芯片H100，這款基于Hopper 架構的圖形芯片采用中國臺灣積體電路制造股份有限公司的4 nm 工藝制造，具有 800 億個晶體管，比上一代 7 nm A100 GPU 性能提升6 倍［13］。2022 年Intel 推出采用7 nm 制程打造的人工智能計算芯片Gaudi2，其運算速度是Habana Labs 之前芯片的兩倍。Google 公司多年來持續研究人工智能芯片的硬件優化，走在世界的前沿，2021年在《自然》（Nature）雜志上發表論文“A graph placement methodology for fast chip design”，公布了用人工智能提升芯片設計速度的研究結果，即成功開發了一種基于深度學習的芯片布局規劃方法；同年推出供專門應用的集成電路新一代人工智能ASIC芯片TPUv4，其算力超過了全球運算速度最快的超級計算機。

中國人工智能芯片的研究起步較晚，近幾年研究機構和企業開始發布人工智能芯片研究成果和產品。如，清華大學魏少軍教授帶領團隊突破了一系列可重構芯片的關鍵技術，2017 年設計的Thinker 芯片成果登上了計算機硬件設計領域的頂級期刊 IEEE Journal of Solid-State Circuits，此后逐步將Thinker 系列芯片進行商業化，發布了智能門鎖芯片TX216、視覺芯片TX510 等；2017 年華為技術有限公司（以下簡稱“華為”）發布了首款人工智能芯片麒麟970，這是全球首款內置獨立神經網絡單元（NPU）的智能手機AI 計算平臺；2018 年，中科寒武紀科技股份有限公司（以下簡稱“寒武紀”）發布首款云端AI 芯片MLU100；隨后，北京地平線機器人技術研發有限公司（以下簡稱“地平線”）、平頭哥半導體有限公司（以下簡稱“阿里平頭哥”）、昆侖芯（北京）科技有限公司（以下簡稱“昆侖芯”）等企業紛紛發布AI 新產品。近年來，在國家的重視和政策支持下，中國人工智能芯片領域的研究和應用越來越多，市場規模也不斷擴大，產業市場規模到2025 年將達到1 780 億元［14］。

2.2.1 圖形處理器

圖形處理器是一種較為通用的芯片，最早是以1981 年搭載在國際商業機器公司（IBM）的個人電腦（PC）上的黑白顯示適配器（MDA）和彩色圖形適配器（CGA）的形式出現的。1999 年，NVIDIA 發布其標志性產品，也是世界上第一款GPU GeForce256，并首次提出“圖形處理器”的概念。隨著2015 年前后深度學習在產業界的爆發，作為顯卡核心單元的GPU 開始了快速發展，經過多年的技術發展與積累，國外廠商在GPU 領域建立了許多專利壁壘，其他企業想要追趕甚至超越的難度極大。目前在集成GPU 市場，NVIDIA、AMD、Intel 三分天下；獨立GPU 領域，基本被NVIDIA 和AMD 壟斷，NVIDIA 的市場份額甚至超出2/3［15］。

中國GPU 技術領域起步較晚，國內使用的絕大部分GPU（特別是高端場景的應用）基本都來源于上述巨頭公司，這給關鍵領域的信息安全和供貨保障造成嚴重的隱患。2018 年以來，國內越來越多的機構和企業加入到GPU 技術和芯片的研究行列中，開展了一系列關鍵技術的研究，包括人工智能訓練和推理領域的突破，以及可擴展的科學計算與圖形渲染統一架構、多核多線程調度與管理、生態環境建設、國產計算機平臺適配與優化等，并研制出多款國產GPU。在這個領域的主要企業有摩爾線程智能科技（北京）有限責任公司、沐曦集成電路（上海）有限公司（以下簡稱“沐曦集成”）、上海天數智芯半導體有限公司（以下簡稱“天數智芯”）、上海壁仞智能科技有限公司（以下簡稱“壁仞科技”）、長沙景嘉微電子有限公司（以下簡稱“景嘉微”）、武漢芯動科技有限公司、上海登臨科技有限公司等，大部分是近幾年的初創企業，正在快速布局，發布了一系列產品。這些企業取得了一系列進展和突破，在某些特殊領域可以滿足自給自足的需求（比如大多數圖形應用需求），但在科學計算、人工智能及新型的圖形渲染技術方面仍然與國外領先水平存在較大差距［16］，整體而言現狀不容樂觀。國內仍缺少通用性、易用性和高性能的各方面能力均衡的高端GPU，現有芯片可能在某一個方面的性能超過NVIDIA，但能力相對單一，如，2022年8 月壁仞科技發布的首款通用GPU 芯片BR100，算力已創出全球紀錄，但在一些關鍵參數上仍難以超越NVIDIA 最新的H100 GPU；景嘉微在2021 年9 月推出的芯片JM9231，性能與國際同類公司2016年中低端產品性能相當，主要針對國產化辦公電腦、便攜式計算機、中低端的游戲機和高端嵌入式系統等消費電子領域，同時推出的芯片JM9271 在JM9231 基礎上對科學計算能力進行大幅度提高和改進，可以達到國際同類公司2017 年中高端產品的性能［17］。在應用方面，國內GPU 的落地應用依舊不多，主要是商用或者服務器領域的產品，在中高端領域及個人消費領域還面臨巨大的挑戰。究其原因，主要包括以下幾方面的關鍵因素：一是缺乏自主可控的知識產權（IP）核，主流的GPU 企業中，有不少都是采用國外提供的商用IP 授權，只有極少數企業有自研架構的GPU 產品，而購買國外的IP 核授權具有諸多限制性和期限性，從根本上限制了自身企業能力的提升和產業的發展。二是軟件生態方面，GPU 軟件極為復雜，包括各種圖形應用程序編程接口（API）和計算接口、基礎庫、與上層應用對接適配等，開發工作量巨大，國內GPU 對國外電子設計自動化（EDA）等軟件有著較高的依賴性，國產相關產品暫時還無法直接替代，而GPU 沒有與之配套的軟件生態則很難實現真正廣泛的應用。三是自研GPU 的性能受限于半導體制造產業特別是光刻機水平的發展，國產光刻機還無法突破14 nm 以下先進制程GPU 制造，只有光刻機等配套產業同步提升，才能縮短國產GPU 與國際領先水平之間的差距。

2.2.2 現場可編程門陣列

現場可編程門陣列是在可編程陣列邏輯（PAL）、通用陣列邏輯（GAL）、復雜可編程邏輯器（CPLD）等可編程邏輯器件的基礎上進一步發展的產物。1984 年Xilinx 發明了世界首款FPGA，幾十年來，從單純的可編程邏輯單元，逐漸發展到擁有成百上千萬個可編程單元的邏輯陣列，再發展到集成了各類硬件資源、IP 核以及處理器內核的復雜片上系統（SoC），FPGA 在工藝和性能上不斷取得進步。FPGA 在所有的芯片領域中屬于最難以突破和打破格局的技術產品，技術門檻非常高，核心技術多年來被四大巨頭Xilinx、阿爾特拉公司（Altera）、萊迪思公司（Lattice）、美高森美公司（Microsemi）等極少數美國公司壟斷。Xilinx（2022 年被AMD 收購）與Altera（2015 年被Intel 收購）這兩家公司在這個領域深耕幾十年，共占有近90%的市場份額［18］，Xilinx 始終保持著全球FPGA 的霸主地位。

中國FPGA 研發基礎較為薄弱，核心專利數量較少。截至2019 年，FPGA 核心專利絕大部分被巨頭公司壟斷，Xilinx 和Altera 專利近10 000 件［19］，構成了相當高的技術壁壘，而國產廠商如深圳市紫光同創電子有限公司（以下簡稱“紫光同創”）的專利數為200 件左右。在硬件設計和高端的軟件設計如IP 核和EDA 設計工具上，國外企業也形成了極強的技術封鎖，國內企業在研發方面也是困難重重，雖自研了一些軟件工具，但絕大部分依靠國外授權。從產業鏈角度來看，FPGA 上游的高端半導體設備和材料仍未實現自主可控。從應用角度，由于國內芯片起步晚，產品性能和國外差距較大，因此，國內應用端對國內自研產品應用較少，國內產品無法持續更新、實現產品迭代。國內的FPGA 企業主要有紫光同創、上海復旦微電子集團股份有限公司（以下簡稱“復旦微電子”）、廣東高云半導體科技股份有限公司、上海安路信息科技股份有限公司、京微齊力（北京）科技有限公司等，能夠實現28 nm 工藝節點量產的企業較少，在國內市場的營收份額占比很少。中國最大的FPGA 廠商紫光同創占中國市場總額的6%左右，復旦微電子是國內首家研發出28 nm FPGA 產品的企業，在國內市場中占2%左右，但中國FPGA 市場需求量卻是全球最大的，2021 年中國市場占全球FPGA 需求的40%［20］，因此，中國在提高FPGA自給率方面還有很大的增長空間。另外，中國FPGA 領域研發人才特別是布局布線算法的高級人才匱乏，每年人才的需求缺口巨大，人才匱乏已成為阻礙中國FPGA產業發展的首要因素。

2.2.3 專用集成電路

專用集成電路從性能、能效、成本上均極大地超越了傳統的標準芯片，非常適合AI 計算場景，是當前大部分AI 初創公司開發的目標產品，成為人工智能芯片的重要分支。ASIC 的設計方向，越來越多地使用可編程邏輯器件來構造，開發門檻和難度不斷降低，流程不斷簡化，成本不斷下降，業務也開始變得豐富且多元化，在深度學習、數據中心、邊緣計算等各領域都得到了廣泛應用并飛速發展。近年來，越來越多的公司開始采用ASIC 進行深度學習算法加速，如傳統的巨頭公司Intel、Google、NVIDIA、AMD 等，最為突出的是 Google 的TPU，但這個市場并沒有形成絕對的領先者，各家廠商都有自己擅長的領域。

物聯網、人工智能深度學習的發展對算力的需求，為國產ASIC 廠商提供了追趕機會，中國企業在ASIC 領域發展迅速，市場規模增長較快，代表企業有寒武紀、阿里平頭哥、地平線、黑芝麻智能科技有限公司（以下簡稱“黑芝麻智能科技”）、云知聲智能科技股份有限公司（以下簡稱“云知聲”）、中星微技術股份有限公司等，都推出了用于深度神經網絡加速的ASIC，逐漸在人工智能芯片領域占據一席之地。但總體上，國內的ASIC 仍處于發展初期，技術上由于受制于高端芯片技術的封鎖，一直還未實現突破；應用方面，在微型機電、智能終端等領域應用還不成熟，未形成規?；鲩L態勢。

2.2.4 類腦芯片

類腦芯片是模仿大腦結構的芯片，具有更高的效率和更低的功耗，是基于神經形態計算，即脈沖神經網絡（SNN）的芯片。美國是類腦芯片研發與應用的先行者。IBM、Intel、蘋果公司（Apple）先后推出了腦芯片產品并進行推廣應用。

中國類腦芯片領域大部分機構和企業處于研發狀態，主要研究機構和企業有清華大學、浙江大學、北京靈汐科技有限公司、上海西井科技股份有限公司、SynSense 時識科技等，部分企業產品進入小批量試用階段，但由于技術還處于較早期的狀態，產品成熟度及落地場景都還在探索期，離商業化還有一定的距離。

2.3 中國人工智能芯片的布局

2.3.1 政策扶持

強有力的政策支持是人工智能芯片發展的主要驅動力之一。2016 年3 月，人工智能被寫入《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》。2016 年之后，國務院、國家發改委、工信部、科技部等多部門出臺了多個人工智能相關規劃及工作方案推動人工智能的發展（如表2 所示）。2017年7 月，國務院印發《新一代人工智能發展規劃》，標志著中國人工智能產業在國家政策層面進入新階段。隨后，包括北京、上海、天津、廣東、浙江、江蘇、福建等數十個省份紛紛發布人工智能產業扶持政策，這些政策都將人工智能芯片技術及產業鏈作為重點進行扶持。

表2 中國國家層面人工智能芯片相關政策

除了扶持政策外，自2019 年至今，中國先后創建包括上海（浦東新區）、深圳、濟南-青島、北京、天津等11 個人工智能創新應用先導區，目標到2023年布局建設20 個左右試驗區，打造一批具有重大引領帶動作用的人工智能創新高地［21］，分別主打技術攻關和應用落地。在政策的引導支持下，中國的人工智能芯片市場持續快速發展，現已形成原創成果涌現、頭部企業聚集、創新創業活躍、應用場景廣泛的良好局面［22］。具體表現在：

（1）多項國際重大原創成果及專利涌現。斯坦福［23］發布的《2021 年度AI 指數報告》顯示，2020年中國的AI 相關研究期刊文獻占全球份額的18%，超出美國5.7 個百分點，引用比例達到20.7%，超出美國0.9 個百分點，首次超過美國。2021 年中國人工智能專利申請量居世界第一，占全球人工智能專利申請量的51.69%，并獲得了約6%的授權［24］。從創新情況來看，截至2022 年上半年，中國（未含港澳臺地區）的人工智能芯片發明專利申請量為647件，其中獲得授權的數量為101 件［25］。

（2）人工智能芯片新產品相繼推出。作為全國首個人工智能創新應用先導區的上海浦東人工智能芯片產業蓬勃發展，發揮了積極的示范作用。阿里平頭哥的“玄鐵”芯片、寒武紀的云端芯片等實現首發；上海燧原科技有限公司（以下簡稱“燧原科技”）、翱捷科技股份有限公司、芯原微電子（成都）有限公司等企業加強高端芯片研發、定制芯片服務，并自主IP開發，努力打造自主產業生態。2022年9月，上海浦東又發布了人工智能創新應用先導區十大成果、十大創新技術，20 多個人工智能產業重點項目簽約落地，涵蓋芯片、機器人、自動駕駛等多個領域［26］，其中包括燧原科技的第二代云端AI 訓練芯片，這是具備完全自主知識產權的AI 訓練芯片之一。

（3）產業鏈日漸完善。以人工智能創新應用先導區深圳為例，經過幾年的發展，已基本形成從基礎支撐、核心技術到行業應用較為完整的人工智能產業鏈。深圳市人工智能行業協會發布的《2021 人工智能發展白皮書》顯示，截至2020 年年底，深圳聚集人工智能企業1 318 家［27］，并形成幾大陣營：以華為、深圳市騰訊計算機系統有限公司、中興通訊股份有限公司等為代表的互聯網技術（IT）陣營，聚焦物聯網、大數據及云計算等基礎層技術；以深圳市大疆創新科技有限公司、北京市商湯科技開發有限公司等為代表的人工智能初創陣營，主要聚焦計算機視覺和生物特征識別等人工智能技術層；以深圳云天勵飛技術股份有限公司、深圳市華星光電技術有限公司、比亞迪集團等為代表制造陣營，聚焦項目應用落地的應用層。到2023 年，深圳將建成20 家以上創新載體，培育20 家以上龍頭企業，打造10 個重點產業集群，人工智能核心產業規模突破300 億元，帶動相關產業規模達到6 000 億元［28］。

2.3.2 研究機構設置和人才培養

為推動人工智能芯片的發展，中國布局了一大批相關機構和重點實驗室，吸引了大量的高端人才，并產出無數成果。其中，清華大學于2015 年成立了北京市未來芯片技術高精尖創新中心，匯集了多院系、多學科的卓越人才，以芯片為核心，聚焦具有顛覆性創新的關鍵器件、芯片及微系統技術，在新原理和新材料層面展開了一系列的顛覆式創新研究，發布了包括首款異構融合類腦芯片、憶阻器存算一體系統、空間智能微系統等代表性成果，在《自然》、《科學》（Science）等學術期刊以及電氣與電子工程師協會國際電子元件會議（IEDM）、ISSCC 等學術會議上發表多篇論文，并進行技術研發和原創核心技術的成果轉化，在北京孵化了十幾家芯片初創公司。另外，北京大學、中國科學院大學、上海交通大學、浙江大學、復旦大學、南京大學等都布局了人工智能研究院（所），建立模式識別國家重點實驗室、智能技術與系統國家重點實驗室、深度學習技術及應用國家工程實驗室等多個國家重點實驗室。這些大學、研究機構及重點實驗室聚集了大量的計算機視覺、機器學習、類腦智能芯片、人工智能基礎、語言與知識處理、智能機器人、復雜系統智能等方向的人工智能高層次學術帶頭人和優秀青年學者，在神經網絡芯片、計算機視覺等人工智能關鍵技術領域產出了大量國際領先的成果。中國人工智能芯片領域的成果呈“百花齊放”的態勢，從GPU、FPGA、ASIC 到類腦芯片的各種技術架構，從云到端的應用領域，還有訓練芯片和推理芯片等，承擔各種不同任務的芯片相繼出現。

2.3.3 企業布局

據工信部公布的數據，2022 年7 月，中國人工智能核心產業規模超過4 000 億元，企業數量超過3 000 家，智能芯片、開源框架等關鍵核心技術取得重要突破，智能芯片、機器人等標志性產品的創新能力持續增強［29］。人工智能芯片在智能駕駛、安防、金融等眾多領域的應用催生了地平線、寒武紀、北京比特大陸科技有限公司（以下簡稱“比特大陸”）等一批人工智能芯片獨角獸企業［30］，呈現出“百花齊放、百家爭鳴”的發展態勢，如表3 所示。

表3 中國主要人工智能芯片獨角獸企業

3 中國人工智能芯片發展面臨的問題和挑戰

目前，中國發展人工智能產業具備了多方面的優勢，比如國家和各地方政府的政策支持、海量的數據資源、開放的市場環境、豐富的應用場景等，并在人工智能芯片的部分領域取得一定進展，在技術及產品方面取得一些成果。但從以上現狀的分析可以看出，中國人工智能芯片的發展仍然處于起步階段，與國外高端芯片還有一定的差距，在核心基礎技術、設計、制造等方面還面臨諸多挑戰，具體包括以下幾個方面。

3.1 核心技術薄弱，芯片產業全而不強

從2015 年至今，中國布局了大量的人工智能芯片研究機構，陸續成立了不同規模、面向不同技術方向的人工智能芯片企業，雖然在垂直行業的終端應用的芯片占據優勢地位，但由于基礎理論、關鍵設備等仍落后于國際一流水平，絕大部分芯片設計企業依靠國外的IP 核設計芯片，用于云端的訓練、推斷等的大算力通用芯片一直處于追趕地位。到目前為止，仍缺少在芯片及軟件生態方面都特別強、特別完善的企業，各種芯片的發展進度和水平參差不齊。一是技術基礎薄弱，缺乏積累。缺少像英偉達、高通、英特爾等這種全球領先的、布局完善的大規模芯片企業，無法從成功的傳統芯片延伸到人工智能芯片領域，現有人工智能芯片企業絕大部分都處于初創階段，基礎研究和原創算法薄弱，與國外成熟的技術仍然存在著一定的差距。二是缺乏關鍵核心技術。首先是處于芯片產業鏈頂端的IP 核研發難度大、開發周期長，一般需要幾年的時間，中國缺少自研的IP 核，開發者大多使用國外授權的IP 核；其次是缺少自主的EDA 設計軟件，絕大多數芯片設計公司仍采用進口的EDA 軟件來設計芯片。這就造成中國人工智能芯片設計上很大的短板，并在很大程度上受制于人。三是整體力量分散，不能形成合力。截至2021 年，國內現有芯片設計企業達到2 810 家，其中近90%的企業銷售額低于1 億元［31］。這些企業小而散，技術積累不足，研發資源有限，只能集中于某些產品的研發，無法關注到每一個技術環節的開發，無法實現全面的發展。此外，人工智能芯片產業缺乏戰略級部署和主線，造成技術和資源分散化、碎片化，大部分高校、研究機構和龍頭企業各自為政，未能形成合力，未像國外大企業一樣形成市場規模。雖然整體上看，中國的相關投入巨大、人才巨多，但是技術、資金和人才各種資源沒有較好地整合，資源無法有效利用，很多共性技術沒有進行合理布局，而是多家機構和企業各自為營、重復研發，造成人力和資源的嚴重浪費。

3.2 產業鏈不均衡

中國新一代人工智能發展戰略研究院［32］2021年5 月發布的報告中顯示，在中國的2 205 家人工智能樣本企業中（2012—2018 年創立），從技術層次分布看，應用層企業數占比最高，達到84.05%，其次是技術層企業數，占比為13.65%，基礎層企業數占比最低，為2.30%；在可獲得專利數據的2 075家樣本企業中，從專利數排名的技術層次看，專利數占比最高的是應用層企業，達到57.18%，基礎層和技術層企業的專利數占比分別為18.19%和24.62%，占比相對較低。這反映了中國在人工智能領域上產業鏈和專利布局不平衡，技術層和基礎層的關鍵技術積累薄弱，產業鏈上核心環節存在受制于人的隱患。此外，中國人工智能芯片產業鏈完整度欠佳，關鍵材料（芯片制造的硅片、光刻膠、掩膜版等）、先進制程及設備（如光刻機）仍依賴進口，大部分地區尚不具備制造和封裝的條件，一些人工智能芯片需要送到境外進行制造和封裝。

3.3 商業落地困難

落地是中國人工智能芯片產業發展的難點，當前人工智能芯片行業應用始終沒有大規模爆發，創業企業面臨產品難以落地、研發和應用沒有很有效地銜接起來等問題。首先，軟件依然是短板，是人工智能芯片落地的一個巨大挑戰。不論是人工智能芯片的開發還是芯片的使用及對算法的支持都離不開軟件工具，但當前國內有一些人工智能芯片仍然缺乏可用的軟件開發工具，或者軟件編譯工具設計復雜，這在很大程度上阻礙了AI 芯片的大規模商業落地。其次，國產芯片用戶接受度不高，AI 應用所需要的數據閉環難以形成，產品應用少，迭代升級慢，同時缺少可持續的落地場景，產品的研發與市場的需求脫節，芯片企業無法實現對市場的快速反饋，無法完成產品的快速迭代和優化。第三，人工智能芯片產業的標準化工作依然滯后于技術發展的需求，產業發展面臨技術標準不統一、低端同質化惡性競爭等深層次問題，對客戶的選型造成一定困難。

3.4 人才缺口大，供需矛盾突出

隨著人工智能芯片產業的快速發展，中國高端芯片人才短缺問題越來越明顯。工信部人才交流中心［33］發布的《人工智能產業人才發展報告》（2019—2020 年版）顯示，在人工智能的典型技術方向，如人工智能芯片、機器學習、自然語言處理等領域，不同技術方向崗位的人才供需比均低于0.4，其中人工智能芯片崗位人才供需比為0.37，機器學習、自然語言處理技術人才供需比分別為0.23、0.20，說明這些技術方向的人才供應嚴重不足。造成人才稀缺的主要原因主要包括以下幾方面：（1）傳統上對芯片、人工智能技術及相關學科的重視程度不夠，教研力量不集中，學時占比較少，存在著“高開低走”、碎片化、低水平重復的問題，阻礙了人才的培養；（2）人才缺口較大，高校培養和輸出人才有限；（3）人才流失嚴重，由于國內早期對于芯片半導體行業重視不足，長期以來半導體行業被視為冷門行業，且高校及研究機構的基礎設施相對薄弱，缺乏深層次研究的條件，造成行業內的人才大量流失。

4 促進中國人工智能芯片發展的對策建議

針對以上中國人工智能芯片技術發展所面臨的挑戰，通過分析和咨詢有關專家建議，本研究認為，可以從加強核心技術攻關、建立完善的產業鏈以及制定相應政策吸引人才等幾方面進行人工智能芯片行業的布局。

4.1 通過戰略部署，聚合力量，加強基礎理論和核心技術攻關

（1）加大基礎研究投入以及科研重大專項建設，支持原創性、引領性科技攻關，推動實施國家科技重大專項，圍繞基礎理論、關鍵核心技術及智能芯片系統等方向部署實施，為人工智能持續發展與深度應用提供強大科學儲備。

（2）建設開源芯片新型研究機構作為總體研發平臺，聯合全國多家研究機構和企業共同開發共性基礎技術，構建開源芯片生態技術體系，降低創新門檻、提高企業自主能力，發展開源芯片。

（3）從中低端切入，再慢慢向高端滲透，最終進行取代。

4.2 建立完善的產業鏈

（1）從全局著眼，政府統籌規劃，引導產業布局，優化產業鏈結構，提升產業鏈上下游協作，帶動研究院所、高校、企業整合資源，形成合力、抱團取暖，共同推動，深化產學研用結合，加快技術轉化和芯片商業化落地。

（2）根據人工智能產業鏈協同攻關的戰略需求，強化主要技術領域專利布局的協同性和均衡性，繼續保持在應用層技術上的積累和優勢，重點在技術層和基礎層的關鍵技術上進行布局和發力，突破算法、平臺等環節專利布局瓶頸，完善材料、設計、制造、封裝產業鏈。

（3）重視應用層專利的成果轉化，以應用需求牽引，加強企業間的深度合作和協作創新，面向應用市場需求加快推動芯片與算法、整機、應用等各參與主體間的資源協調與協同設計優化，特別是產業化過程中，要注意技術與場景的貼合性，技術路線是否具備批量化和規模化的能力，是否可以借助場景落地實現規模發展，實現芯片、算法、平臺、應用、生態協同發展。

4.3 加大投資力度，制定相應激勵政策，助力芯片應用落地

高端芯片研發難度高、周期長、投入大，沒有足量資金支持無法取得成功。研發資金的投入不能僅靠企業，還需靠國家和地方政府的持續投入，并提升研發資金的使用效果?？梢越Y合代表性城市雄厚的集成電路和汽車等產業基礎，針對優勢企業和領域，實施大力的資金和激勵政策支持。

以北京汽車智能芯片為例，在車規級芯片的產業鏈上游領域中國還缺乏先進車規級芯片制造工藝，中國汽車產銷占全球總量的30%，是全球最大的市場（地平線專家提供），從經濟、技術、產業鏈安全和數據安全來看，車規級芯片都是必爭之地，應趁芯片斷供出現的窗口期打個翻身仗，解決中國車規級芯片生產制造工藝產線嚴重依賴海外的“心病”。具體措施包括：（1）大力推動汽車智能芯片國產化替代上車激勵政策，支持和鼓勵中國自主品牌和合資品牌、整車企業愿意用、敢于用、樂于用國產汽車智能芯片，提升國產汽車智能芯片的市場占有率，增加車規級芯片的產能需求，給自研芯片創造和增加迭代升級的機會，增強汽車智能芯片生產企業投入國產車規工藝研發的市場信心。芯片生態的發展需要“眾人拾柴”，要加快打造國產芯片產業鏈，下游的整機廠商需要對國產芯片給予更多包容。（2）設立國家重大研發專項或重大專項加大投資，大力支持頭部芯片設計企業、晶圓代工企業、封測企業和第三方IP 企業等共同研發40 nm 及以下車規級工藝，包括高性能MCU 所需車規工藝、智能駕駛和智能座艙大算力智能芯片所需的商規級和車規級工藝，支持晶圓代工企業和封裝測試企業取得完整車規級產線IP，支持北京汽車芯片制造、封測企業建設車規級芯片產線，從成熟制程到先進制程逐步實現國產化制造與封測。（3）針對人工智能芯片在不同場景時的芯片利用率、兼容性等問題制定統一的標準和規范，避免碎片化和浪費，兼具公平性、權威性和完整性。通過這些措施，抓住窗口期機遇，大力推動和完善北京本土汽車智能芯片在產業鏈上游的布局，提升車規級芯片國產化體系能力。同樣，可以把北京成功的措施推廣到其他城市和應用領域，實現國內芯片的廣泛應用落地。

4.4 培養和吸引研究、制造等多層次的復合型人才

（1）建立專家顧問庫和評估平臺，幫助政府快速準確決策，專家的選擇建議不拘一格，可以同時側重技術背景和產業背景人員。

（2）建立一套完善、科學的人才培養體系。充分利用國內重點城市高校和研究院所集中的優勢，依托現有的研究機構平臺探索新的人才培養方法，給予相關領域更多的學位名額；同時，完善高校和研究機構相關學科體系建設和布局，深化產學研融合發展，搭建產學研合作人才培養的平臺，鼓勵培育更多符合人工智能芯片產業高質量發展所需的復合型人才。對于行業鏈條中部分可以快速學習的領域，可以嘗試高校、科研院所與企業合作，通過校企共建，培養一些“芯片藍領”。

（3）政策上有所傾向，在戶口政策或工作居住證方面，針對領域內的拔尖人才適當制定優惠政策，為更多的年輕人投入到人工智能芯片技術的研究中來提供基礎、便捷的保障。

5 結論

人工智能芯片是支撐人工智能技術和產業發展的基礎設施，具有非常重要的地位，中國需要積極布局，尋找突破，大力發展人工智能芯片產業，不斷提升基礎產業競爭實力。近年來，盡管在國家政策的強力扶持、研究機構及企業的合理布局下，中國人工智能芯片技術無論在科研還是產業應用上都取得了較大的進步，但整體上仍處于初級階段，GPU、FPGA、ASIC 等人工智能芯片均需在核心技術（IP 核、EDA 軟件等）、產業鏈、商業應用等方面尋求突破。本研究針對中國人工智能芯片發展中存在的問題，提出了利用本國體制優勢進行戰略部署，加大基礎研究，提升核心技術水平；建立完善、均衡的產業鏈；制定激勵政策推動汽車智能芯片國產化替代上車，實現芯片廣泛應用，以及培養復合型人才等對策和建議，為國家相關政策決策提供參考。

人工智能芯片技術的發展和研究是一項長期而艱巨的工作，除技術研發、產業鏈、人才需要特別重視外，后續還需對其他很多重要的方向如數據的管理、加大政策支持和保障力度等方面進行關注并展開深入研究。