人工智能芯片是支撐人工智能技術(shù)和產(chǎn)業(yè)發(fā)展的基礎(chǔ)設(shè)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(diǎn)。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(chǔ)產(chǎn)業(yè)競爭實(shí)力。

一、人工智能芯片成為巨頭爭奪的重點(diǎn)領(lǐng)域

當(dāng)前，互聯(lián)網(wǎng)為人工智能技術(shù)提供了豐富的數(shù)據(jù)資源，開源算法為企業(yè)進(jìn)入該領(lǐng)域提供了平臺，具有高性能計(jì)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(guān)鍵要素。

人工智能芯片成為生態(tài)競爭的熱點(diǎn)。傳統(tǒng)的芯片巨頭如英偉達(dá)、英特爾、ARM等公司紛紛發(fā)布面向AI和機(jī)器學(xué)習(xí)的處理器，另一方面，美國互聯(lián)網(wǎng)龍頭企業(yè)如谷歌、蘋果、臉書、亞馬遜紛紛加入芯片競爭。未來主導(dǎo)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(wù)來擠壓底層硬件供應(yīng)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(jī)器學(xué)習(xí)定制的專用芯片（ASIC），專為深度學(xué)習(xí)框架TensorFlow而設(shè)計(jì)。TPU3.0采用8位低精度計(jì)算以節(jié)省晶體管，比2017年的TPU 2.0性能提升八倍。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進(jìn)行抗衡。

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

二、國際巨頭正在人工智能芯片領(lǐng)域展開激烈競爭

當(dāng)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(gòu)芯片為代表：CPU通用性最強(qiáng)、但效率最低；GPU通用性次之、速度快，但是在神經(jīng)網(wǎng)絡(luò)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(jià)格高； ASIC芯片專用性最強(qiáng)、性能最高、價(jià)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(jié)構(gòu)來提升計(jì)算能力。但目前還處于實(shí)驗(yàn)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(yīng)用庫等工具。當(dāng)前人工智能芯片沿著從通用到專用的方向不斷演進(jìn)。

國際科技巨頭有技術(shù)領(lǐng)先優(yōu)勢。英偉達(dá)和谷歌在人工智能芯片性能上暫時(shí)處于領(lǐng)先地位。英偉達(dá)的GPU在設(shè)計(jì)之初主要做圖形圖像加速計(jì)算，后來因?yàn)樵诓⑿杏?jì)算方面能提供數(shù)百倍于CPU的計(jì)算效率而備受關(guān)注。GPU并行計(jì)算性能的大幅度提升推動了人工智能的研究與開發(fā)進(jìn)程。當(dāng)前人工智能領(lǐng)域的高性能計(jì)算已經(jīng)轉(zhuǎn)變?yōu)镚PU為主、CPU為輔的結(jié)構(gòu)。英偉達(dá)在GPU領(lǐng)域牢牢占據(jù)先機(jī)，專利布局眾多，對中國而言進(jìn)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(quán)。根據(jù)谷歌公布的論文，TPU運(yùn)行效率比當(dāng)前主流的GPU快15~30倍，但TPU不對外出售，并只能針對Tensorflow計(jì)算框架使用效率高。未來，一旦TPU搶占了AI芯片的市場主導(dǎo)權(quán)，并且只能通過租用谷歌的云服務(wù)的方式獲得計(jì)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。

三、人工智能芯片領(lǐng)域中國問題與機(jī)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(jìn)口，在傳統(tǒng)的桌面通用計(jì)算處理器（CPU）方面我國一直基礎(chǔ)較差；在圖形圖像處理芯片（GPU）方面，美國企業(yè)處于絕對領(lǐng)先地位，專利布局眾多，中國企業(yè)進(jìn)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(gòu)的授權(quán)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(dá)國家以產(chǎn)品禁運(yùn)、阻撓并購等方式對中國的實(shí)際干預(yù)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(nèi)企業(yè)采用不同的技術(shù)架構(gòu)，各個技術(shù)陣營均有企業(yè)布局，但是尚未實(shí)現(xiàn)商業(yè)化量產(chǎn)。寒武紀(jì)、中星微、地平線、深鑒科技等企業(yè)研發(fā)不同架構(gòu)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(xué)術(shù)研究上起步早，如中科院寒武紀(jì)芯片在2014年—2016年間在深度學(xué)習(xí)處理器指令集上獲得創(chuàng)新進(jìn)展，在2016年國際計(jì)算機(jī)體系結(jié)構(gòu)年會中，約六分之一的論文引用寒武紀(jì)開展神經(jīng)網(wǎng)絡(luò)處理器研究。2016年寒武紀(jì)以IP指令集授權(quán)的方式獲得市場訂單，瞄準(zhǔn)高性能服務(wù)器、高能效終端芯片、機(jī)器人芯片三大領(lǐng)域，積極搶位。

四、我國發(fā)展人工智能芯片的關(guān)鍵點(diǎn)

當(dāng)前，信息技術(shù)加速發(fā)展，社會需求飛速變革，云計(jì)算、大數(shù)據(jù)、深度學(xué)習(xí)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(shù)長足進(jìn)步，智能終端、智能醫(yī)療、智能機(jī)器人等智能應(yīng)用日益深入大眾生活。以芯片為代表的人工智能基礎(chǔ)產(chǎn)業(yè)快速發(fā)展。

中國是全球最大的半導(dǎo)體與集成電路消費(fèi)市場，但是90%依賴進(jìn)口，自給比例僅10%左右，每年的進(jìn)口金額超過2000億美元。中國在人工智能芯片領(lǐng)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(lǐng)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(yīng)正視國內(nèi)外技術(shù)基礎(chǔ)和技術(shù)水平上的差距，在人工智能芯片領(lǐng)域，冷靜判斷外部機(jī)遇和挑戰(zhàn)，客觀認(rèn)識自身優(yōu)勢和弱點(diǎn)，厘清發(fā)展關(guān)鍵問題和相應(yīng)對策，推動我國人工智能芯片產(chǎn)業(yè)做大做強(qiáng)、實(shí)現(xiàn)整個人工智能產(chǎn)業(yè)高質(zhì)量發(fā)展。

來源：中國信息通信研究院