中国AI芯片有可能弯道超车

　　过去数年之间，信息技术产业曾经接连兴起过几大热门领域，包括大數据（Bigdata）、物联网（IoT）、工业4.0以及增强和虚拟现实（AR/VR）等。但直到以深度学习神经网络模型为基础的人工智能技术出现后，这几大热门领域才第一次被整合进人工智能这一更大的发展框架内。
　　当前，人工智能技术仍旧需要海量数据来训练神经网络模型，从而使得计算机能够代替人类从事各种数据处理与判断。飞速发展的物联网技术首先提供了大量的数据来源，经过设计和训练好的人工智能系统则提供了工业4.0最需要的智能控制系统，也为增强和虚拟现实场景的落地提供了数据处理的技术手段。
　　芯片是人工智能系统最关键的技术，中国发展人工智能芯片产业的突破口到底在哪？这是人们普遍关心的问题。
　　芯片产业是一门具有高集成性和高成本特性的科技产业，进入门槛非常之高。随着芯片制造技术进入“x纳米”（个位数纳米制程）时代，每个晶圆代工厂的造价动辄百亿美元起，运营与折旧成本惊人。
　　单个芯片的设计所需要的工程师数目从几十到数百不等，开发成本少则数千万美元，多则上亿美元，周期长达1年-2年。

　　但是，一个成功的芯片项目所带来的不仅仅是销售芯片本身的利润，还有伴随芯片设计、制造以及销售整套流程中产生的支撑产业与生态系统，从而带动软硬件发展、行业标准制定、知识产权销售、甚至相关的机械制造和化工等产业发展。
　　现代芯片设计，尤其是以“片上系统”（System-on-Chip，SoC）为主体的高端芯片，已经可以影响乃至引领某一产业走向及其战略发展，甚至遏制该产业的正常运行。
　　由于人工智能应用的场景千变万化，而所应用的算法更是有相当的差异，可以预期未来各项应用将有不同的定制化芯片，出现人工智能芯片百家争鸣的盛况。
　　人工智能芯片的另一大特点在于它所面对的是一个全新的、还未被大公司充分定义的新的业务场景。
　　即使是NVIDIA，也只是在云计算这一领域有一定的垄断地位。因此，人工智能芯片发展有着巨大的不确定性和机会。
　　人工智能芯片发展很像中国另一新兴芯片产业——比特币矿机上的发展历程：比特币矿机2010年初主要用的还是以CPU为主的芯片，但是从2012年起就逐渐过渡到以图形处理器（GPU）为主，利用其强大的向量计算能力来采矿。两年以后的 2014年，大家开始通过算法优化并导入现场可编程逻辑阵列（FPGA）提升效能功耗比来达到更高挖矿效益。
　　时至今日，绝大多数的高采矿效益的矿机均是以定制化芯片为主，如比特大陆的蚂蚁矿机。
　　依照这一类似的发展趋势，我们可以期待2018年将是应用导向人工智能芯片开始跃进的一年。

中国可能弯道超车

　　GPU和CPU芯片设计注重通用性，但其高功耗、相对较低的单位效能以及高昂的价格并不适合于类似物联网或工业4.0这样的普及化应用。
　　应用导向的人工智能芯片是将抽象的神经网络算法以硬件方式加以固化来达到加速运算的效果。这样的设计有助于提升单位芯片面积上算力的密度，降低功耗和成本，从而有助于将人工智能系统更普遍地运用到各个场景。
　　但芯片的开发一般需要高质量的人才基础并有强大市场的需求来摊薄芯片开发的高昂成本：通常一款芯片的生命周期大约为三年，而真正产生利润的时间仅为12个-18个月。芯片企业要在这短短的时间内完成利润积累，进行下一代产品的成功开发与研制，进入新一轮的迭代周期。
　　经过近40年的高速发展，中国已经初步具备了一定规模的微电子人才储备和巨大的市场，正符合发展人工智能芯片的两项基本条件。
　　除此之外，中国还有一样更为突出的优势：大量使用数字化设备及人口数带来的庞大数据。在以应用为主体的开发概念下，每一个应用都需有各自对应的数据集来训练神经网络，有效数据的采集速度会是影响开发周期长短的最关键的因素之一。海量高质量的训练数据集可以帮助工程人员快速有效地训练神经网络，加速模型的定型，缩短人工智能芯片的设计周期。
　　在各国数据采集管理法规日趋收紧，尤其是欧盟最近出台通用数据保护规范（GDPR）的大环境下，宽松的数据管理制度会让中国在人工智能芯片产业上占据非常有利的位置，从而达成“弯道超车”的目标。

面临多重挑战

　　人工智能系统可以粗分为云端和终端两大应用。其硬件系统按照功能则可相应分为训练机和推理机两种。在过去较长一段时间，人工智能应用主要在云端，包括训练与推理两部分。云端系统的人工智能芯片能依算法与数据形态的不同来处理各式应用。
　　考虑到海量数据的处理需求，数据中心高昂的建设和运营成本，以及应用的多样性，云端人工智能芯片通常要求具有高集成性、高效能，以及高密度算力等特点，而且需要有一定的通用性。芯片对应各种应用场景所需的软件支持也是一项设计重点。
　　云端通用型人工智能芯片主要的开发难点在于如何针对业务所需的神经网络模型做相应的计算体系结构改良并同时考量通用性与应用导向设计之间的取舍。
　　这属于芯片开发中门槛较高的项目，而且所设计的人工智能芯片的规模通常较大，技术难度也较高。除了对应用场景有深刻理解之外，设计者也需要有长期芯片设计与流片经验的累积才能够保证拿出成熟的产品。
　　国内公司在经验上与国外其他领跑企业如英特尔、高通、NVIDIA等应该说还有一段差距。但国内头部企业的迭代速度非常快，加上与代工厂（比如TSMC）和后端设计服务公司的紧密合作，对于先进工艺流片经验掌握的速度非常之快。国内寒武纪和比特大陆两家公司在未来的表现非常值得期待。预计再经过一两代的开发即能迎头赶上世界最前沿产品，并可望大量使用于数据中心。

相关热词搜索：有可能 弯道 超车 中国 芯片