提升產(chǎn)業(yè)基礎實力 推動AI芯片發(fā)展

　　當前，信息技術加速發(fā)展，社會需求飛速變革，云計算、大數(shù)據(jù)、深度學習算法突破帶動圖像識別、語音識別、自然語言處理等智能技術長足進步，智能終端、智能醫(yī)療、智能機器人等智能應用日益深入大眾生活。以芯片為代表的人工智能基礎產(chǎn)業(yè)快速發(fā)展。

　　中國是全球最大的半導體與集成電路消費市場，但是90%依賴進口，自給比例僅10%左右，每年的進口金額超過2000億美元。中國在人工智能芯片領域的資本與研發(fā)投入方面、產(chǎn)業(yè)發(fā)展現(xiàn)狀與國際領先水平仍然存在較大差距，尚處于奮力追趕的落后局面。

　　我國應正視國內外技術基礎和技術水平上的差距，在人工智能芯片領域，冷靜判斷外部機遇和挑戰(zhàn)，客觀認識自身優(yōu)勢和弱點，厘清發(fā)展關鍵問題和相應對策，推動我國人工智能芯片產(chǎn)業(yè)做大做強，實現(xiàn)整個人工智能產(chǎn)業(yè)高質量發(fā)展。

　　人工智能（AI）芯片是支撐人工智能技術和產(chǎn)業(yè)發(fā)展的基礎設施，具有非常重要的地位。國際傳統(tǒng)芯片企業(yè)和全球新興互聯(lián)網(wǎng)巨頭紛紛布局人工智能芯片，搶占制高點。我國需要積極布局，尋找突破，大力發(fā)展人工智能芯片產(chǎn)業(yè)，不斷提升基礎產(chǎn)業(yè)競爭實力。

　　AI芯片成產(chǎn)業(yè)關注焦點

　　當前，互聯(lián)網(wǎng)為人工智能技術提供了豐富的數(shù)據(jù)資源，開源算法為企業(yè)進入該領域提供了平臺，具有高性能計算能力又符合市場需求的芯片成為人工智能產(chǎn)業(yè)發(fā)展的關鍵要素。

　　人工智能芯片成為生態(tài)競爭的熱點。傳統(tǒng)的芯片巨頭如英偉達、英特爾、ARM等公司紛紛發(fā)布面向AI和機器學習的處理器，而美國互聯(lián)網(wǎng)龍頭企業(yè)如谷歌、蘋果、臉書、亞馬遜也紛紛加入芯片競爭。未來主導芯片的產(chǎn)業(yè)生態(tài)系統(tǒng)有可能出現(xiàn)變革，類似谷歌、亞馬遜這樣的AI巨頭，重整生態(tài)，用云服務來擠壓底層硬件供應商的戰(zhàn)略布局已經(jīng)很明顯。如谷歌推出的TPU（張量處理單元）是為機器學習定制的專用芯片（ASIC），專為深度學習框架TensorFlow而設計。TPU3.0采用8位低精度計算以節(jié)省晶體管，比2017年的TPU 2.0性能提升8倍。微軟基于FPGA的Brainwave平臺以及臉書的PyTorch 1.0軟件和硬件都與谷歌競爭，希望與Tensorflow+TPU抗衡。

　　人工智能應用驅動傳統(tǒng)計算機芯片架構升級。芯片過去幾十年的發(fā)展動力主要來源于工藝、架構和應用。隨著摩爾定律接近極限，應用需求從個人電腦、移動通信不斷變化，人工智能應用的高性能計算需求成為當前芯片技術的主要驅動力之一。通用處理器的架構已經(jīng)無法適應人工智能對芯片性能的高需求，架構成為AI芯片軍備競賽的焦點。GPU、TPU等異構芯片紛紛搶占先機，類腦神經(jīng)元結構芯片的出現(xiàn)顛覆傳統(tǒng)的馮諾依曼結構，給產(chǎn)業(yè)發(fā)展帶來新的變革。

　　國際巨頭展開激烈競爭

　　當前人工智能芯片主要分兩大體系：馮諾依曼體系和非馮諾依曼體系。

　　馮諾依曼體系以五大架構芯片為代表：CPU通用性最強、但效率最低；GPU通用性次之、速度快，但是在神經(jīng)網(wǎng)絡推斷階段效率低；DSP速度快、效率低、功能單一，目前僅作為處理器IP核使用；FPGA能耗低、可編程迭代，價格高； ASIC芯片專用性最強、性能最高、價格昂貴。非馮諾依曼體系，以IBM TrueNorth芯片為代表，采用人腦神經(jīng)元的結構來提升計算能力。但目前還處于實驗室階段，真正產(chǎn)業(yè)化還需要搭建生態(tài)系統(tǒng)，包括模擬器、編程語言、集成式編程環(huán)境、算法和應用庫等工具。當前人工智能芯片沿著從通用到專用的方向不斷演進。

　　國際科技巨頭有技術領先優(yōu)勢。英偉達和谷歌在人工智能芯片性能上暫時處于領先地位。英偉達的GPU在設計之初主要做圖形圖像加速計算，后來因為在并行計算方面能提供數(shù)百倍于CPU的計算效率而備受關注。GPU并行計算性能的大幅度提升推動了人工智能的研究與開發(fā)進程。當前人工智能領域的高性能計算已經(jīng)轉變?yōu)镚PU為主、CPU為輔的結構。英偉達在GPU領域牢牢占據(jù)先機，專利布局眾多，對中國而言進入GPU芯片市場難度較高。

　　谷歌通過搭建TPU+Tensorflow軟硬件生態(tài)來吸引開發(fā)者、搶奪生態(tài)競爭權。根據(jù)谷歌公布的論文，TPU運行效率比當前主流的GPU快15~30倍，但TPU不對外出售，并只能針對Tensorflow計算框架使用效率高。未來，一旦TPU搶占了AI芯片的市場主導權，并且只能通過租用谷歌的云服務的方式獲得計算資源，將產(chǎn)生新的商業(yè)模式和壟斷企業(yè)，對中國乃至全球的產(chǎn)業(yè)和生態(tài)格局有著重大影響。

　　我國短板與機會并存

　　我國在人工智能芯片方面積累較少。目前我國人工智能芯片完全依賴進口，在傳統(tǒng)的桌面通用計算處理器（CPU）方面我國一直基礎較差；在圖形圖像處理芯片（GPU）方面，美國企業(yè)處于絕對領先地位，專利布局眾多，中國企業(yè)進入的難度較大。在移動芯片方面，華為海思、展訊等借助ARM架構的授權模式，降低了門檻，在商業(yè)市場取得成功，以美國為代表的發(fā)達國家以產(chǎn)品禁運、阻撓并購等方式對中國的實際干預也越來越多。

　　我國人工智能芯片有研發(fā)布局且起步較早。不同的國內企業(yè)采用不同的技術架構，各個技術陣營均有企業(yè)布局，但是尚未實現(xiàn)商業(yè)化量產(chǎn)。寒武紀、中星微、地平線、深鑒科技等企業(yè)研發(fā)不同架構的人工智能處理器芯片，百度發(fā)布全功能昆侖芯片，阿里巴巴等公司也在積極布局研發(fā)。中國在人工智能芯片學術研究上起步早，如中科院寒武紀芯片在2014年~2016年間在深度學習處理器指令集上獲得創(chuàng)新進展，在2016年國際計算機體系結構年會中，約六分之一的論文引用寒武紀開展神經(jīng)網(wǎng)絡處理器研究。2016年寒武紀以IP指令集授權的方式獲得市場訂單，瞄準高性能服務器、高能效終端芯片、機器人芯片三大領域，積極搶位。（中國信通院云計算與大數(shù)據(jù)研究所 施羽暇）

　　轉自：人民郵電報

　　【版權及免責聲明】凡本網(wǎng)所屬版權作品，轉載時須獲得授權并注明來源“中國產(chǎn)業(yè)經(jīng)濟信息網(wǎng)”，違者本網(wǎng)將保留追究其相關法律責任的權力。凡轉載文章及企業(yè)宣傳資訊，僅代表作者個人觀點，不代表本網(wǎng)觀點和立場。版權事宜請聯(lián)系：010-65363056。

延伸閱讀