目前，人工智能領(lǐng)域正不斷取得突破性進(jìn)展。作為實(shí)現(xiàn)人工智能技術(shù)的重要基石，AI芯片擁有巨大的產(chǎn)業(yè)價值和戰(zhàn)略地位。自2018年伊始，整個人工智能產(chǎn)業(yè)對于AI芯片的熱情仿佛一瞬間被徹底點(diǎn)燃，無論是巨頭公司還是初創(chuàng)企業(yè)，無論是芯片廠商還是互聯(lián)網(wǎng)公司，紛紛積極布局這一領(lǐng)域。放眼整個人工智能行業(yè)，一時之間可謂人聲鼎沸、熱鬧非凡。

然而，越是繁榮的表象，整個產(chǎn)業(yè)界越需要保持客觀與冷靜。眾所周知，作為人工智能產(chǎn)業(yè)鏈的關(guān)鍵環(huán)節(jié)和硬件基礎(chǔ)，AI芯片有著極高的技術(shù)研發(fā)和創(chuàng)新的壁壘。從芯片發(fā)展的趨勢來看，我們現(xiàn)在仍處于AI芯片發(fā)展的初級階段。未來將是AI芯片發(fā)展的重要階段，無論是架構(gòu)還是設(shè)計理念都存在著巨大的創(chuàng)新空間。那么，當(dāng)前AI芯片的發(fā)展現(xiàn)狀究竟如何？下一輪的爆發(fā)點(diǎn)又將在哪里出現(xiàn)呢？

AI芯片的前生今世

經(jīng)過長期的發(fā)展和探索，人工智能在近幾年取得了突破性進(jìn)展。人工智能系統(tǒng)在語音識別、圖像識別、圍棋、德州撲克等諸多領(lǐng)域取得了超越人的能力的成果。究其原因，業(yè)界普遍認(rèn)為，深度學(xué)習(xí)算法、海量的數(shù)據(jù)和充足的計算力這三大要素合力促成了這次突破。

其中，得益于摩爾定律在最近二十年的發(fā)展，充足的算力使得在可以接受的價格、功耗和時間內(nèi)提供人工智能算法所需的計算性能。根據(jù)英特爾的處理器芯片能力和零售價格對比測算，單位價格可以購買到的計算力提升了1.5萬倍，從而使“通用中央處理器”（CPU）可以支持各種人工智能任務(wù)。可以說，通過芯片技術(shù)來大幅增強(qiáng)人工智能研發(fā)的時機(jī)已經(jīng)非常成熟。然而，由于CPU要面對成百上千種工作任務(wù)來進(jìn)行設(shè)計和優(yōu)化，因此不可能犧牲靈活性來專門為某一類應(yīng)用做優(yōu)化，因此未必針對所有AI算法都是最優(yōu)的選擇。為此，出現(xiàn)了多種CPU加專用芯片的異構(gòu)計算方案，以解決計算資源和內(nèi)存訪問瓶頸的研究。此外，與“腦啟發(fā)式”（brain-inspired）的深度神經(jīng)網(wǎng)絡(luò)不同的“類腦”（brain-like）計算研究也推出了先進(jìn)的神經(jīng)擬態(tài)芯片來支持超高能效比的自然學(xué)習(xí)方式。

綜合來看，如果以設(shè)計理念進(jìn)行劃分的話，AI芯片大致可分為兩大類別。

第一類是“AI加速芯片”，它是確定性地加速某類特定的算法或任務(wù)，從而達(dá)到目標(biāo)應(yīng)用領(lǐng)域?qū)λ俣取⒐摹?nèi)存占用和部署成本等方面的要求。目前，AI加速芯片的研發(fā)有兩種主要的方式：一種是利用已有的GPU、眾核處理器、DSP、FPGA芯片來做軟硬件優(yōu)化；另一種是設(shè)計專用的芯片，也就是ASIC。第二類是“智能芯片”，它讓芯片像人一樣能使用不同的AI算法進(jìn)行學(xué)習(xí)和推導(dǎo)，處理包含感知、理解、分析、決策和行動的一系列任務(wù)，并且具有適應(yīng)場景變化的能力。目前，面向綜合、自適應(yīng)能力的智能芯片研究有兩類設(shè)計方法，一種是基于類腦計算的“神經(jīng)擬態(tài)芯片”；另一種是基于可重構(gòu)計算的“軟件定義芯片”。

圍繞這兩大方向，全球各大芯片公司都積極在人工智能領(lǐng)域進(jìn)行布局，英特爾也是如此。而英特爾的獨(dú)特之處，在于能夠提供全面的、多元化的解決方案。我們既提供多種芯片類型的產(chǎn)品，又覆蓋了從終端到數(shù)據(jù)中心的使用場景。在終端領(lǐng)域，可以使用Movidius、Mobileye的ASIC芯片。在邊緣計算中，可以使用ASIC芯片和FPGA芯片；在數(shù)據(jù)中心領(lǐng)域，可以靈活選擇至強(qiáng)可擴(kuò)展處理器、眾核處理器和NNP等芯片方案。此外，英特爾還通過神經(jīng)擬態(tài)芯片Loihi積極探索新的計算模式。

AI芯片的未來之路

目前，AI芯片雖然在某些具體任務(wù)上可以大幅超越人的能力，但在通用性、適應(yīng)性上相較于人類智能還有很大差距，大多數(shù)仍處于對特定算法的加速階段。從短期來看，以異構(gòu)計算（多種組合方式）為主來加速各類應(yīng)用算法的落地（看重能效比、性價比、可靠性）；從中期來看，要發(fā)展自重構(gòu)、自學(xué)習(xí)、自適應(yīng)的芯片來支持算法的演進(jìn)和類人的自然智能；從長期來看，則是朝著通用AI芯片的方面發(fā)展。

在我看來，“通用AI芯片”是AI芯片皇冠上的明珠。它最理想化的方式是淡化人工干預(yù)（如限定領(lǐng)域、設(shè)計模型、挑選訓(xùn)練樣本、人工標(biāo)注等）的通用智能芯片，必須具備可編程性、架構(gòu)的動態(tài)可變性、高效的架構(gòu)變換能力或自學(xué)習(xí)能力、高計算效率、高能量效率、應(yīng)用開發(fā)簡潔、低成本和體積小等特點(diǎn)。就目前而言，實(shí)現(xiàn)通用AI的主要直面兩大挑戰(zhàn)：一是通用性（算法和架構(gòu)），二是實(shí)現(xiàn)的復(fù)雜度。通用AI芯片的復(fù)雜度來自于任務(wù)的多樣性和對自學(xué)習(xí)、自適應(yīng)能力的支持。因此，我們認(rèn)為通用AI芯片的發(fā)展方向不會是一蹴而就地采用某一種芯片來解決問題，因?yàn)槔碚撃Ｐ秃退惴ㄉ形赐晟啤Ｗ钣行У姆绞绞窍扔靡粋€多種芯片設(shè)計思路組合的靈活的異構(gòu)系統(tǒng)來支持，各取所長，取長補(bǔ)短。一旦架構(gòu)成熟，就可以考慮設(shè)計SoC來在一個芯片上支持通用AI。

從短期來看，我們很難期待出現(xiàn)像CPU那樣的AI通用算法芯片，AI殺手級應(yīng)用還沒出現(xiàn)，未來還有很長一段路要走。但必須承認(rèn)的是，AI芯片是人工智能技術(shù)發(fā)展過程中不可逾越的關(guān)鍵階段。無論哪種AI算法，最終的應(yīng)用必然通過芯片來實(shí)現(xiàn)。目前，AI算法都有各自長處和短板，必須給它們設(shè)定一個合適的應(yīng)用邊界，才能最好地發(fā)揮它們的作用。因此，確定應(yīng)用領(lǐng)域就成為了發(fā)展AI芯片的重要前提。

在應(yīng)用方面，“無行業(yè)不AI”似乎正在成為主旋律，無論是人臉識別、語音識別、機(jī)器翻譯、視頻監(jiān)控，還是交通規(guī)劃、無人駕駛、智能陪伴、輿情監(jiān)控、智慧農(nóng)業(yè)等，人工智能似乎涵蓋了人類生產(chǎn)生活的方方面面。然而，是所有的應(yīng)用都需要人工智能嗎？我們希望人工智能解決哪些實(shí)際的問題？什么才是AI的“殺手級”應(yīng)用？這些問題目前依然等待答案。但對于芯片從業(yè)者而言，我們的當(dāng)務(wù)之急是研究芯片架構(gòu)問題。從感知、傳輸?shù)教幚恚俚絺鬏敗?zhí)行，這是AI芯片的一個基本邏輯。研究者需要利用軟件系統(tǒng)、處理器等去模仿。軟件是實(shí)現(xiàn)智能的核心，芯片是支撐智能的基礎(chǔ)。

從芯片發(fā)展的大趨勢來看，目前尚處于AI芯片發(fā)展的初級階段，無論是科研還是產(chǎn)業(yè)應(yīng)用都有巨大的創(chuàng)新空間。從確定算法、領(lǐng)域的AI加速芯片向具備更高靈活性、適應(yīng)性的智能芯片發(fā)展是科研發(fā)展的必然方向。神經(jīng)擬態(tài)芯片技術(shù)和可重構(gòu)計算芯片技術(shù)允許硬件架構(gòu)和功能隨軟件變化而變化，實(shí)現(xiàn)以高能效比支持多種智能任務(wù)，在實(shí)現(xiàn)AI功能時具有獨(dú)到的優(yōu)勢，具備廣闊的前景。我們相信，未來十年將是AI芯片發(fā)展的重要時期，有望在架構(gòu)和設(shè)計理念取得巨大的突破。