“如果用刀來比喻芯片，通用處理器好比一把瑞士軍刀，人工智能時代好比要拿刀來切肉，瑞士軍刀可以拿來用，但它并非是為切肉設計的，所以效果并非最好。因此，我們需要專門打造一把切肉的刀，這把刀既要方便切肉，又要方便剁骨頭，還需要具有一定的通用性。” 國內人工智能芯片領軍企業中科寒武紀創始人陳天石這樣描述人工智能芯片的重要性。高性能計算是人工智能發展的基石，也是最重要的基礎設施。個人電腦時代和移動互聯網時代的發展歷程表明，承載高性能計算的芯片決定了一個新的計算平臺的基礎架構和發展生態。因此，業內將芯片視為人工智能時代的戰略制高點和入場券。
目前，除了英特爾和高通等傳統芯片企業加緊研發外，谷歌等全球科技巨頭也紛紛加入芯片研發行列，中國處于奮力追趕狀態，在不同技術路線上均有所突破。不過受限于芯片產業短板，我國人工智能芯片發展仍然任重道遠。
“芯片不突破，不可能真正成功”
國內最早聚焦和從事人工智能軟硬件結合與芯片研究的地平線機器人技術創始人兼CEO余凱表示，人工智能時代，上層的應用都依賴于底層核心能力，而這個核心能力就是人工智能處理器。清華大學微電子學研究所所長魏少軍甚至直言：“中國這么多優秀的科學家正在做各種各樣的人工智能算法和應用，但是如果在芯片上不能突破，就不可能真正成功。”
陳天石介紹，信息時代的產物——通用處理器（CPU），無法支撐起智能時代。例如，谷歌大腦用了上萬個通用處理器核“跑”了數天來學習如何識別貓臉；“阿爾法狗”和韓國棋手李世石下棋時使用了上千個CPU和數百個圖形處理器（GPU），平均每局電費近3000美元。對于絕大多數智能需求來說，基于通用處理器的傳統計算機成本過高、速度過慢、功耗過高、體積過大，難以接受。
目前，國際科技巨頭已經開始搶占這個人工智能時代的戰略制高點。傳統的CPU主要用來完成單線程任務，而人工智能目前采用的深度學習算法，有海量的數據運算需求，主要需要并行運算，對傳統架構和系統提出了極大的挑戰，AI芯片由此應運而生。2011年，仍在谷歌就職的吳恩達將英偉達的GPU應用于谷歌大腦中取得驚人效果，結果表明12顆GPU可以提供相當于2000顆CPU的深度學習性能。之后各地人工智能研究人員紛紛使用GPU來加速AI算法，GPU也成為目前最主流的AI芯片。根據英偉達公開信息，短短兩年里，與英偉達在深度學習方面展開合作的企業便激增了近35倍，增至3400多家企業。去年，谷歌推出了其自主芯片TPU，并成功幫助升級版的“阿爾法狗”戰勝中國圍棋選手柯潔，它與GPU相比，用較低的精度提高性能，功耗下降到GPU的10%。老牌芯片企業英特爾也通過收購以色列公司Nervana布局人工智能芯片。
在中國，寒武紀、地平線機器人均為近兩年成立的新銳芯片研發企業，擁有該領域的頂尖人才。中星微公司和清華大學也有團隊從事前沿研究。“未來所有智能都是從芯片端發起的，而且未來的芯片一定是和云連接在一起的。”語音識別公司云知聲公司CEO黃偉認為，芯片安全就是數據安全、云端安全、戰略安全，“這也不難判定為什么谷歌砸錢也要弄自己的芯片，不可能讓自己的數據在別人的芯片上‘跑’結果。”
不同技術路線圖齊頭并進
那么我們需要怎么樣的芯片來引領人工智能時代呢？魏少軍認為，人工智能芯片必須滿足幾個條件。第一，必須可編程，這樣才能適應算法和應用的持續演進；第二，架構的動態可變性和高效的架構變換能力，因為沒有一個單一架構的芯片可以適應所有的算法；第三，高計算效率和高能量效率。此外，還必須低成本、體積小，應用開發簡便。在人工智能領域，世界范圍內的科研人員開創了不同的技術路線，總結起來大概有如下幾類：
第一類是基于圖形處理器的AI芯片。以英偉達公司的GPU為代表，使用傳統的計算機架構，也是目前應用領域最廣的計算機芯片。主要被互聯網公司采用，優點是成熟，缺點是功耗大。
第二類是專用架構的AI芯片。例如，我國中科院計算機所的寒武紀公司2016年推出了Cambricon-1A，是世界首款商用深度學習專用處理器產品，在運行主流智能算法時性能功耗相對CPU和GPU有數量級優勢。
第三類是類腦計算芯片。清華大學類腦計算研究中心主任施路平教授介紹，隨著腦認知和神經科學的發展，國內外都意識到智能技術可以從腦科學和神經科學中受到啟發，借鑒人腦信息處理方式，發展類腦計算系統。國際上，近年來IBM推出的TrueNorth類腦計算芯片，就屬于此類，它處理能力相當于1600萬個神經元和2.56億個神經突觸，功耗比現有系統下降多個數量級。在國內，清華大學從2012年開始布局類腦計算研究，于2015年11月成功研制了國內首款超大規模的神經形態類腦計算“天機芯片”。
此外還有其他類型芯片。包括以谷歌的TPU為典型代表的基于刺激驅動的神經計算芯片。魏少軍表示，為了克服傳統芯片設計的一些局限，他領銜進行了可重構計算研究，團隊成員尹首一副教授研究和設計了名為Thinker的芯片，該芯片具有高能效的突出優點，其能量效率相比目前在深度學習中廣泛使用的GPU提升了三個數量級。
發展智能芯片需要一個“尖刀連”
如同在信息時代發動機沒有退出歷史舞臺一樣，在智能時代通用處理器也不會退出歷史舞臺，在事務處理、科學計算和互聯網等領域依然有廣泛的應用。我國要大力發展發動機、通用處理器，完成歷史欠賬。同時，更要組織一個“尖刀連”發展智能芯片，搶奪智能時代的入場券，不能再次與未來失之交臂。在智能芯片的云端和消費端，“國家隊”可以分成不同的參與模式。陳天石認為，人工智能芯片產業和發展，是建立于傳統芯片的基礎上的。我國芯片產業一直沒有發展起來重要原因就是，集成電路不是單點突破的。從芯片設計開始，到輔助軟件、設備、制造、工藝和封裝，是很長的產業鏈，哪一個環節發展受阻，都會制約我國人工智能芯片產業發展。
他認為，芯片設計有可能成為中國單點突破的領域，設計是芯片產業鏈中極為重要的一環。目前，寒武紀、地平線等企業均專注于芯片設計。
魏少軍認為，總體而言，我國集成電路產業近些年已經取得非常大的進步。2020年，芯片會發展到7納米的規格，再升級換代會越來越難，速度會越來越慢。因此，對我國而言，2020年到2025年是追趕的機遇期。他建議，在類似人工智能芯片的新興產業當中，國家一定要打破原有的格局，使用開放的方式支持產業發展。在選擇支持項目時，更多以效益為導向，在科技資源有限的情況下，投入到最有可能產生效益的項目上。同時注重應用導向、問題導向，要解決實際問題，而非強調論文導向，要在市場上見英雄。
余凱認為，芯片是國家戰略，屬于核心重大基礎設施，需要國家加強政策和資金投入。目前，國家為了扶持芯片產業發展，已經設立了集成電路基金。但基金的支持方向偏成熟的芯片設計和制造業企業。人工智能領域多為創新型企業雖然體量較小，但成長空間較大，建議對人工智能芯片研發企業給予適度傾斜。
消費端方面，“谷歌的發布會，預示著手機不再是作為主要上網設備，而是各種物聯網設備。未來誰掌握物聯網的入口，誰就是關鍵數據的產生者。基于聲音和圖像的芯片，將變得非常重要。”黃偉說，非常期待國家級的產業引導基金能在物聯網領域有一定出貨量的終端AI芯片上多布局，并形成“AI云端芯片－終端應用－政府采購”的生態閉環。