提升产业基础实力 推动AI芯片发展

　　当前，信息技术加速发展，社会需求飞速变革，云计算、大数据、深度学习算法突破带动图像识别、语音识别、自然语言处理等智能技术长足进步，智能终端、智能医疗、智能机器人等智能应用日益深入大众生活。以芯片为代表的人工智能基础产业快速发展。

　　中国是全球最大的半导体与集成电路消费市场，但是90%依赖进口，自给比例仅10%左右，每年的进口金额超过2000亿美元。中国在人工智能芯片领域的资本与研发投入方面、产业发展现状与国际领先水平仍然存在较大差距，尚处于奋力追赶的落后局面。

　　我国应正视国内外技术基础和技术水平上的差距，在人工智能芯片领域，冷静判断外部机遇和挑战，客观认识自身优势和弱点，厘清发展关键问题和相应对策，推动我国人工智能芯片产业做大做强，实现整个人工智能产业高质量发展。

　　人工智能（AI）芯片是支撑人工智能技术和产业发展的基础设施，具有非常重要的地位。国际传统芯片企业和全球新兴互联网巨头纷纷布局人工智能芯片，抢占制高点。我国需要积极布局，寻找突破，大力发展人工智能芯片产业，不断提升基础产业竞争实力。

　　AI芯片成产业关注焦点

　　当前，互联网为人工智能技术提供了丰富的数据资源，开源算法为企业进入该领域提供了平台，具有高性能计算能力又符合市场需求的芯片成为人工智能产业发展的关键要素。

　　人工智能芯片成为生态竞争的热点。传统的芯片巨头如英伟达、英特尔、ARM等公司纷纷发布面向AI和机器学习的处理器，而美国互联网龙头企业如谷歌、苹果、脸书、亚马逊也纷纷加入芯片竞争。未来主导芯片的产业生态系统有可能出现变革，类似谷歌、亚马逊这样的AI巨头，重整生态，用云服务来挤压底层硬件供应商的战略布局已经很明显。如谷歌推出的TPU（张量处理单元）是为机器学习定制的专用芯片（ASIC），专为深度学习框架TensorFlow而设计。TPU3.0采用8位低精度计算以节省晶体管，比2017年的TPU 2.0性能提升8倍。微软基于FPGA的Brainwave平台以及脸书的PyTorch 1.0软件和硬件都与谷歌竞争，希望与Tensorflow+TPU抗衡。

　　人工智能应用驱动传统计算机芯片架构升级。芯片过去几十年的发展动力主要来源于工艺、架构和应用。随着摩尔定律接近极限，应用需求从个人电脑、移动通信不断变化，人工智能应用的高性能计算需求成为当前芯片技术的主要驱动力之一。通用处理器的架构已经无法适应人工智能对芯片性能的高需求，架构成为AI芯片军备竞赛的焦点。GPU、TPU等异构芯片纷纷抢占先机，类脑神经元结构芯片的出现颠覆传统的冯诺依曼结构，给产业发展带来新的变革。

　　国际巨头展开激烈竞争

　　当前人工智能芯片主要分两大体系：冯诺依曼体系和非冯诺依曼体系。

　　冯诺依曼体系以五大架构芯片为代表：CPU通用性最强、但效率最低；GPU通用性次之、速度快，但是在神经网络推断阶段效率低；DSP速度快、效率低、功能单一，目前仅作为处理器IP核使用；FPGA能耗低、可编程迭代，价格高； ASIC芯片专用性最强、性能最高、价格昂贵。非冯诺依曼体系，以IBM TrueNorth芯片为代表，采用人脑神经元的结构来提升计算能力。但目前还处于实验室阶段，真正产业化还需要搭建生态系统，包括模拟器、编程语言、集成式编程环境、算法和应用库等工具。当前人工智能芯片沿着从通用到专用的方向不断演进。

　　国际科技巨头有技术领先优势。英伟达和谷歌在人工智能芯片性能上暂时处于领先地位。英伟达的GPU在设计之初主要做图形图像加速计算，后来因为在并行计算方面能提供数百倍于CPU的计算效率而备受关注。GPU并行计算性能的大幅度提升推动了人工智能的研究与开发进程。当前人工智能领域的高性能计算已经转变为GPU为主、CPU为辅的结构。英伟达在GPU领域牢牢占据先机，专利布局众多，对中国而言进入GPU芯片市场难度较高。

　　谷歌通过搭建TPU+Tensorflow软硬件生态来吸引开发者、抢夺生态竞争权。根据谷歌公布的论文，TPU运行效率比当前主流的GPU快15~30倍，但TPU不对外出售，并只能针对Tensorflow计算框架使用效率高。未来，一旦TPU抢占了AI芯片的市场主导权，并且只能通过租用谷歌的云服务的方式获得计算资源，将产生新的商业模式和垄断企业，对中国乃至全球的产业和生态格局有着重大影响。

　　我国短板与机会并存

　　我国在人工智能芯片方面积累较少。目前我国人工智能芯片完全依赖进口，在传统的桌面通用计算处理器（CPU）方面我国一直基础较差；在图形图像处理芯片（GPU）方面，美国企业处于绝对领先地位，专利布局众多，中国企业进入的难度较大。在移动芯片方面，华为海思、展讯等借助ARM架构的授权模式，降低了门槛，在商业市场取得成功，以美国为代表的发达国家以产品禁运、阻挠并购等方式对中国的实际干预也越来越多。

　　我国人工智能芯片有研发布局且起步较早。不同的国内企业采用不同的技术架构，各个技术阵营均有企业布局，但是尚未实现商业化量产。寒武纪、中星微、地平线、深鉴科技等企业研发不同架构的人工智能处理器芯片，百度发布全功能昆仑芯片，阿里巴巴等公司也在积极布局研发。中国在人工智能芯片学术研究上起步早，如中科院寒武纪芯片在2014年~2016年间在深度学习处理器指令集上获得创新进展，在2016年国际计算机体系结构年会中，约六分之一的论文引用寒武纪开展神经网络处理器研究。2016年寒武纪以IP指令集授权的方式获得市场订单，瞄准高性能服务器、高能效终端芯片、机器人芯片三大领域，积极抢位。（中国信通院云计算与大数据研究所 施羽暇）

　　转自：人民邮电报