人工智能產業(yè)規(guī)模高速增長，全球市場調研機構IHS Markit發(fā)布數據顯示，到2025年AI應用市場規(guī)模將從2019年的428億美元激增到1289億美元。

回顧2019年，AI機器人群聊、管控道路橋梁積水、寫作、智能客服……人工智能做了許多原本人類才會做的事情。數不盡的紛繁應用背后離不開 AI 芯片的基礎支撐。

日前，AI芯片新老牌廠商“混戰(zhàn)”國際消費類電子產品展覽會，全面覆蓋當前人工智能六大核心落地場景，包括云端訓練、云端推理、智能手機、AIoT視覺推理、AIoT語音推理、自動駕駛等，國內AI芯片進入落地階段。

根據中國人工智能產業(yè)發(fā)展聯(lián)盟(以下簡稱聯(lián)盟)提供的數據，2019年以來國內外芯片廠商共發(fā)布AI芯片近30款。

AI芯片怎樣支撐多姿多彩的人工智能應用落地?評測標準進展如何?今年的亮點、看點又在哪?科技日報記者采訪了相關專家。

AI芯片：驅動智能產品的大腦

回顧2019年，AI機器人群聊、管控道路橋梁積水、寫作、智能客服……人工智能做了許多原本人類才會做的事情。數不盡的紛繁應用背后離不開AI芯片的基礎支撐，它是如何驅動AI“作業(yè)”的呢?

目前消費類智能產品大量應用人工智能、大數據等技術，芯片作為硬件載體，承擔了“讓智能產品發(fā)揮作用”的功能。鯤云科技創(chuàng)始人兼CEO牛昕宇介紹，人工智能行業(yè)有三個核心驅動力：算法、算力和數據。人工智能芯片作為人工智能應用的底層硬件，為其提供算力支撐。“通過技術創(chuàng)新，不斷提升人工智能計算的性能、降低其成本和功耗，從而支持越來越復雜的人工智能應用。”

如果把運行各種人工智能技術集合比作一個人的話，人工智能芯片就是它的大腦實體，而各種聊天、視頻制作、自動駕駛應用就是它根據自己所能接觸到的數據，學習到的經驗知識進行的操作。一方面，隨著數據經驗的積累，它們運行的人工智能應用會越來越精確，另一方面，它的學習受限于大腦的容量(芯片計算能力)、培養(yǎng)成本(芯片成本)以及大腦運算消耗的熱量(芯片功耗)。

牛昕宇解釋道：“人工智能芯片研發(fā)要做的，就是提供這樣一個越來越智能的大腦，從而能夠學習各種各樣的技能(人工智能應用)，最終應用到各類智能終端設備中，在自動駕駛、智慧城市、工業(yè)視覺、智慧安防等領域發(fā)揮作用。”

起步階段：加速芯片算力的迭代優(yōu)化

AI芯片的發(fā)展，離不開人工智能技術的發(fā)展。人工智能從1956年誕生至今，共經歷過三次大的浪潮。進入21世紀，隨著計算機性能的提升和海量數據的產生，機器學習和CNN網絡(卷積神經網絡)獲得突破，算法、算力和數據滿足了人工智能的商業(yè)化落地需求，人工智能迎來了高速發(fā)展的階段。

“特別是2017年起，人工智能的商業(yè)化落地不斷加速。” 牛昕宇認為，從芯片的起步、發(fā)展、成熟的三個階段來看，人工智能芯片仍然處于起步階段。

人工智能芯片主要包含三個發(fā)展脈絡，一是由于前期人工智能落地的旺盛需求，英偉達的圖像處理器GPU因為可以支持CNN等算法網絡，滿足基本的人工智能落地需求，在這個時期獲得了大范圍應用，其也通過芯片架構不斷迭代，逐步轉型成為人工智能芯片供應商。二是因為算法的不斷迭代，對芯片和算力提出了更高的要求，這時候國內外的初創(chuàng)企業(yè)和華為等采用與英偉達類似的指令集技術路線，通過架構創(chuàng)新，推出了一批新的專用人工智能芯片。三是影響芯片性能的制程工藝發(fā)展日趨成熟，摩爾定律放緩對指令集技術路線的發(fā)展提出了挑戰(zhàn)，目前也有初創(chuàng)企業(yè)采用全新的數據流技術路線，推出新的專用人工智能芯片。

當前國內主要是后兩種人工智能芯片，各家企業(yè)都處于推出產品、進行市場化落地的階段。例如，鯤云科技就在去年發(fā)布了通用AI底層CAISA芯片架構，可以實現高達98%的芯片利用率，在智慧城市、工業(yè)檢測、電力安防等領域實現了規(guī)模落地。

牛昕宇坦言，芯片行業(yè)是一個需要不斷迭代發(fā)展的行業(yè)。深度學習算法日新月異，對算力也提出了更高的要求，滿足人工智能快速發(fā)展的需求，仍然需要芯片企業(yè)對于市場的快速反饋，完成產品的快速迭代和優(yōu)化。

2020年看點：“落地”被反復強調

人工智能產業(yè)規(guī)模高速增長，據全球市場調研機構IHS Markit發(fā)布的AI普及度調查預測，到2025年AI應用市場規(guī)模將從2019年的428億美元激增到1289億美元。

從2018年年底開始，人工智能芯片的“落地”被反復強調。“不論是短期還是長期目標都是落地。”牛昕宇說。由此看來，人工智能芯片2020年的主要看點仍然在于新產品迭代和落地。加速人工智能應用落地，只有以市場需求為驅動的芯片才能持續(xù)創(chuàng)造價值。

當然，人工智能應用永遠需要性能更高、價格更低、功耗更低的芯片，如何能在這之上不斷滿足市場需求，考驗著每一家人工智能芯片企業(yè)的核心技術以及對市場所需產品的洞察。

“芯片和計算架構在人工智能的發(fā)展中扮演著重要角色。”聯(lián)盟計算架構與芯片組聯(lián)席秘書長張蔚敏說。2019年起，很多AI芯片產品都在底層架構設計上注重架構創(chuàng)新，2020年這種趨勢越發(fā)顯現。核心在于市場對芯片所能提供的更高實際算力的追求，將在真實使用場景中得到驗證。

在牛昕宇看來，安防是人工智能落地相對比較充分的領域。“今年我們將看到更多細分領域的落地場景，比如占國民生產總值近30%的制造業(yè)。包括鯤云科技在內，許多企業(yè)也在為智能制造領域的工業(yè)視覺檢測提供基于深度學習的一體化算力解決方案。”

三大難題：破解AI芯片落地的關鍵

落地，既是今年AI芯片的看點，也是難點。“當前AI的行業(yè)應用遲遲沒有大規(guī)模爆發(fā)，AI芯片創(chuàng)業(yè)公司依舊面臨產品難以落地、研發(fā)和應用還沒有很有效地銜接起來等問題。”張蔚敏認為，芯片專用化趨勢越來越明顯，而應用落地則成為迫切需求。

從研發(fā)角度來看，牛昕宇說，當前人工智能芯片主要面臨三方面問題，即芯片設計的底層技術路線同質化較高，軟件開發(fā)支持依然是短板，以及芯片性能測試處于起步階段、距離形成權威統(tǒng)一的評測標準還需要一定的時間。

顯然，技術路線同質化容易導致產品同質化，降低了創(chuàng)造獨特價值的可能性。作為底層硬件芯片，不一定每個指標都需要最強，但是要找到對于市場需求獨一無二的價值，解決核心問題。這就要在技術路線方面進行創(chuàng)新，掌握自己的核心技術，從而在芯片性能和技術支持上掌握更多主動性。

而芯片的使用和對算法的支持離不開軟件工具。目前有一些人工智能芯片仍然缺乏可用的軟件開發(fā)工具，或者軟件編譯工具設計復雜，用戶的開發(fā)和使用門檻過高，這些都需要在落地過程中不斷完善和迭代。誠如牛昕宇所說，如果不能解決這個問題，AI芯片的大規(guī)模商業(yè)落地也會遇到阻礙。

至于AI芯片評測標準的制定進展，牛昕宇坦言，“目前這類標準還處于項目推廣的早期，各家采用的測試網絡和測試標準還缺乏統(tǒng)一性，可能對客戶的選型造成一定困難。”

從2019年起，國內外針對AI芯片的測評方案陸續(xù)出爐，比如由百度、谷歌、斯坦福大學、哈佛大學等聯(lián)合發(fā)布的用于測量和提高機器學習軟硬件性能的MLPerf國際基準、由中國人工智能產業(yè)發(fā)展聯(lián)盟和國內人工智能企業(yè)合作推出的AIIA DNN benchmark項目。牛昕宇帶領下的鯤云科技也在持續(xù)積極推進人工智能芯片評測的標準化。“我們同中國信通院和聯(lián)盟密切合作，推動AIIA DNN benchmark項目的標準迭代，參與國家標準的制定”。

關鍵詞： AI芯片需破解落地難題