1 引言

人工智能（AI）的迅猛發(fā)展可以極大地推動生產(chǎn)力的提高，是經(jīng)濟(jì)發(fā)展的新引擎，也是國際競爭的新焦點(diǎn)。這一輪人工智能技術(shù)的快速崛起得益于數(shù)據(jù)、算法、芯片三大支柱的推動。其中芯片是支撐人工智能產(chǎn)業(yè)發(fā)展的核心因素，也是我國發(fā)展人工智能技術(shù)的短板領(lǐng)域，具有極高的戰(zhàn)略意義。國際傳統(tǒng)IT企業(yè)和互聯(lián)網(wǎng)巨頭紛紛布局人工智能芯片，當(dāng)前已形成六大技術(shù)陣營，展開激烈的競爭。我國人工智能芯片技術(shù)基礎(chǔ)薄弱，商用國產(chǎn)芯片空白，完全依賴進(jìn)口，面臨被國外企業(yè)扼喉的風(fēng)險。面對嚴(yán)峻形勢，我國應(yīng)重視人工智能芯片的戰(zhàn)略布局，并加速構(gòu)建人工智能應(yīng)用生態(tài)系統(tǒng)。當(dāng)前，我國參與人工智能芯片研究的企業(yè)數(shù)量及投入能力有限，迫切需要國家層面的多方位支持，確保我國具備與歐美抗衡的產(chǎn)業(yè)和技術(shù)實(shí)力。

2 人工智能芯片已經(jīng)成為巨頭爭奪的關(guān)鍵領(lǐng)域

當(dāng)前，互聯(lián)網(wǎng)的快速發(fā)展為人工智能提供了豐富的大數(shù)據(jù)資源，算法的門檻由于開源平臺而顯著降低，因此具有超高計算能力又符合市場需求的芯片成為人工智能產(chǎn)業(yè)發(fā)展的關(guān)鍵要素。芯片是支撐人工智能技術(shù)發(fā)展的核心，也是制約我國人工智能產(chǎn)業(yè)發(fā)展的短板技術(shù)，人工智能芯片的效率提升將帶領(lǐng)產(chǎn)業(yè)整體實(shí)現(xiàn)跳躍式發(fā)展。

回顧芯片過去60年的發(fā)展，它的發(fā)展動力主要來源于工藝的進(jìn)步、架構(gòu)的改進(jìn)、應(yīng)用的拉動3個方面。過去幾十年，芯片性能的提升主要依靠工藝等比例縮小。而隨著摩爾定律接近極限，工藝改進(jìn)已經(jīng)無法降低成本。應(yīng)用的需求也從個人電腦、移動通信不斷變化，人工智能高性能計算成為當(dāng)前芯片技術(shù)的主要驅(qū)動力之一。通用處理器的架構(gòu)已經(jīng)無法適應(yīng)人工智能對芯片性能的高需求，開始遭到各種挑戰(zhàn)，架構(gòu)成為AI芯片軍備競賽的焦點(diǎn)。人工智能對傳統(tǒng)計算機(jī)芯片架構(gòu)帶來巨大的沖擊。GPU、TPU等異構(gòu)芯片紛紛搶占先機(jī)，類腦神經(jīng)元結(jié)構(gòu)芯片的出現(xiàn)顛覆傳統(tǒng)的馮諾依曼結(jié)構(gòu)，給產(chǎn)業(yè)發(fā)展帶來新的變革。

當(dāng)前，美國的互聯(lián)網(wǎng)四大巨頭谷歌、蘋果、臉書、亞馬遜紛紛開展芯片設(shè)計業(yè)務(wù)。未來主導(dǎo)芯片的產(chǎn)業(yè)生態(tài)系統(tǒng)有可能出現(xiàn)轉(zhuǎn)型升級，類似谷歌、亞馬遜這樣的AI巨頭，重整生態(tài)，用云服務(wù)來擠壓底層硬件供應(yīng)商的戰(zhàn)略布局已經(jīng)很明顯。谷歌推出的TPU（張量處理單元）是為機(jī)器學(xué)習(xí)定制的專用芯片（ASIC），專為深度學(xué)習(xí)框架TensorFlow而設(shè)計。TPU3.0采用8位低精度計算以節(jié)省晶體管，比2017年的TPU 2.0性能提升8倍。微軟基于FPGA的Brainwave平臺以及臉書的PyTorch 1.0軟件和硬件都與谷歌形成了競爭關(guān)系，都希望與Tensorflow+TPU進(jìn)行抗衡。此外，ARM發(fā)布第一代面向AI和機(jī)器學(xué)習(xí)的處理器“Trillium”;英偉達(dá)發(fā)布新的圖靈架構(gòu)。可見，人工智能芯片已經(jīng)成為國際產(chǎn)業(yè)競爭的新焦點(diǎn)。

3 國際巨頭正在形成對人工智能芯片的控制局勢

3.1 人工智能芯片領(lǐng)域存在兩大體系六大架構(gòu)

當(dāng)前處理器芯片面向人工智能算法的優(yōu)化升級，主要有兩條技術(shù)路徑。一種是延續(xù)傳統(tǒng)馮諾依曼計算架構(gòu)，以加速硬件計算能力為目的。主要以5種類型的芯片為代表，包括通用處理器CPU、圖像處理器GPU、數(shù)字信號處理器DSP、半定制電路FPGA、全定制電路ASIC。其中，CPU通用性最強(qiáng)、但效率最低；GPU通用性次之、速度快，但是在神經(jīng)網(wǎng)絡(luò)執(zhí)行階段效率低；DSP速度快、效率低、功能單一，目前僅作為處理器IP核使用；FPGA能耗低、可編程迭代，價格高；ASIC芯片專用性最強(qiáng)、性能最高、價格昂貴。另一種是非馮諾依曼計算架構(gòu)，以類腦芯片為代表，采用人腦神經(jīng)元的結(jié)構(gòu)來提升計算能力，但目前還處于實(shí)驗(yàn)室階段，真正產(chǎn)業(yè)化還需要搭建生態(tài)系統(tǒng)，包括模擬器、編程語言、集成式編程環(huán)境、算法和應(yīng)用庫等工具。當(dāng)前人工智能芯片沿著從通用到專用的方向不斷演進(jìn)（見表1）。

3.2 不同技術(shù)路線AI芯片的優(yōu)缺點(diǎn)分析

處于不同技術(shù)架構(gòu)陣營的芯片各有優(yōu)勢和劣勢。

基于CPU的技術(shù)陣營，代表企業(yè)有英特爾。英特爾在制造和集成工藝上具有優(yōu)勢，但即便采用最先進(jìn)工藝，由于CPU的通用架構(gòu)設(shè)計，運(yùn)行效率還是受限。CPU雖然在機(jī)器學(xué)習(xí)領(lǐng)域的計算大大減少，但是不會完全被取代，英特爾推出針對深度學(xué)習(xí)算法的最新至強(qiáng)處理器系列產(chǎn)品，在兼顧成本和性能的情況下，依然發(fā)揮著不小的作用。

基于GPU的技術(shù)陣營，代表企業(yè)有英偉達(dá)和高通。英偉達(dá)針對深度學(xué)習(xí)算法，推出TeslaV100GPU計算卡；高通Zeroth平臺基于GPU實(shí)現(xiàn)。GPU主要從事并行計算，比CPU運(yùn)行速度快，比其他處理器芯片價格低。但是，GPU也有一定的局限性。深度學(xué)習(xí)算法分為訓(xùn)練和推理兩部分，GPU平臺在算法訓(xùn)練上非常高效。但在執(zhí)行部分，由于GPU只能進(jìn)行單任務(wù)處理，故效率較低。

基于DSP的技術(shù)陣營，以鏗騰（Cadence）和新思科技（Synopsys）為代表。利用傳統(tǒng)DSP來適配神經(jīng)網(wǎng)絡(luò)較成熟的產(chǎn)品，如Synopsys公司的EV處理器、Cadence公司的TensilicaVision P5處理器和CEVA公司的XM 4處理器等。但3者都是針對圖像和計算機(jī)視覺的處理器IP核，應(yīng)用領(lǐng)域有一定的局限性。

基于FPGA的技術(shù)陣營，代表企業(yè)有賽靈思（Xilinx）和Altera（已被英特爾收購）。相比于GPU，F(xiàn)PGA具有單位能耗比低、硬件配置靈活、銷售價格便宜的優(yōu)點(diǎn)。但是，F(xiàn)PGA要求使用者需具備硬件知識，使用門檻高。目前的FPGA市場由Xilinx和Altera主導(dǎo)，兩者共同占有85%的市場份額。FPGA結(jié)構(gòu)規(guī)整，相比ASIC能享受到最新工藝帶來的性能和功耗優(yōu)勢。英特爾收購A ltera公司后，采用最新的CMOS節(jié)點(diǎn)工藝制造FPGA芯片，先進(jìn)工藝將帶來性能提升。

表1 國際人工智能芯片企業(yè)

基于ASIC的技術(shù)陣營，以谷歌、寒武紀(jì)為代表。谷歌推出的ASIC類芯片丈量處理單元TPU為專用的邏輯電路，單一工作，速度非常快，但成本高，并且當(dāng)前為谷歌公司專用，還不是市場化產(chǎn)品。此外，深度學(xué)習(xí)算法還未完全穩(wěn)定，若深度學(xué)習(xí)算法發(fā)生較大變化，ASIC芯片不能像FPGA能很快改變架構(gòu)，適應(yīng)變化。

第二條路徑是顛覆經(jīng)典的馮諾依曼架構(gòu)?；谏窠?jīng)形態(tài)芯片架構(gòu)，以IBM為代表。IBM以計算單元作為神經(jīng)元、存儲單元作為突

觸、傳輸單元作為軸突搭建了神經(jīng)芯片的原型真北（TrueNorth）。目前，真北芯片用三星28納米低功耗工藝技術(shù)，由54億個晶體管組成的芯片構(gòu)成有4096個神經(jīng)突觸核心的片上網(wǎng)絡(luò)，實(shí)時作業(yè)功耗僅為70mW。但該芯片實(shí)現(xiàn)產(chǎn)業(yè)化還需要生態(tài)系統(tǒng)配合，包括模擬器、編程語言等工具，短期內(nèi)商業(yè)化可能性極小。

3.3 AI芯片國外企業(yè)主導(dǎo)生態(tài)話語權(quán)

英偉達(dá)和谷歌在人工智能芯片性能上暫時處于領(lǐng)先地位。英偉達(dá)的GPU在設(shè)計之初主要做圖形圖像加速計算，后來因?yàn)樵诓⑿杏嬎惴矫婺芴峁?shù)百倍于CPU的計算效率而備受關(guān)注。GPU并行計算性能的大幅度提升推動了人工智能的研究與開發(fā)進(jìn)程。當(dāng)前人工智能領(lǐng)域的高性能計算已經(jīng)轉(zhuǎn)變?yōu)镚PU為主、CPU為輔的結(jié)構(gòu)。英偉達(dá)在GPU方面技術(shù)積累多年，產(chǎn)品成熟，目前約占80%左右的AI芯片市場份額。在圖形處理器的設(shè)計領(lǐng)域牢牢占據(jù)先機(jī)，專利布局眾多，后進(jìn)入者難以突破，對中國而言進(jìn)入GPU芯片市場的門檻較高。

谷歌的TPU則是通過搭建TPU+Tensorflow生態(tài)來吸引開發(fā)者、搶奪生態(tài)競爭權(quán)（見表2）。根據(jù)谷歌公布的論文，TPU運(yùn)行效率比當(dāng)前主流的GPU快15～30倍，性能功耗比高出約30～80倍。但TPU目前不對外出售，且必須配合Tensorflow使用。未來，一旦TPU搶占了AI芯片的市場主導(dǎo)權(quán)，并且只能通過租用谷歌的云服務(wù)的方式獲得計算資源，將產(chǎn)生新的商業(yè)模式和壟斷企業(yè)，對中國乃至全球的產(chǎn)業(yè)和生態(tài)格局有著重大影響。

表2 國際典型企業(yè)人工智能生態(tài)建設(shè)情況

4 人工智能芯片領(lǐng)域中國挑戰(zhàn)與機(jī)遇并存

（1）我國在人工智能芯片領(lǐng)域技術(shù)基礎(chǔ)較弱

目前，我國人工智能芯片完全依賴進(jìn)口，在桌面通用計算處理器方面也是基礎(chǔ)較差。在圖形圖像處理芯片方面，美國企業(yè)處于絕對領(lǐng)先地位，專利布局眾多，中國企業(yè)進(jìn)入難度較大。在移動芯片方面，海思、展訊、聯(lián)芯借助ARM架構(gòu)授權(quán)的模式，在商業(yè)市場取得成功，也取得了海外市場份額。但在芯片的安全性、可控性方面一定程度上仍舊受制于國外企業(yè)。而以美國為代表的發(fā)達(dá)國家以產(chǎn)品禁運(yùn)、阻撓并購等方式對中國的實(shí)際干預(yù)也越來越多。

（2）我國人工智能芯片有研發(fā)布局但產(chǎn)業(yè)化程度低

不同的國內(nèi)企業(yè)采用不同的技術(shù)架構(gòu)，各個技術(shù)陣營均有企業(yè)布局（見表3），但是尚未實(shí)現(xiàn)商業(yè)化量產(chǎn)。寒武紀(jì)、中星微、地平線、深鑒科技等企業(yè)研發(fā)不同架構(gòu)的人工智能處理器芯片，百度發(fā)布全功能昆侖芯片，初創(chuàng)公司西井科技研發(fā)類腦神經(jīng)元芯片。

（3）我國仍有實(shí)現(xiàn)單點(diǎn)突破的機(jī)會

表3 我國人工智能芯片企業(yè)布局

中國在人工智能芯片學(xué)術(shù)研究上起步早，如中科院寒武紀(jì)芯片在2014—2016年間在深度學(xué)習(xí)處理器指令集上獲得創(chuàng)新進(jìn)展，在2016年國際計算機(jī)體系結(jié)構(gòu)年會中，約1/6的論文引用寒武紀(jì)開展神經(jīng)網(wǎng)絡(luò)處理器研究。2016年寒武紀(jì)以IP指令集授權(quán)的方式獲得市場訂單，瞄準(zhǔn)高性能服務(wù)器、高能效終端芯片、機(jī)器人芯片三大領(lǐng)域，積極搶位。

5 推進(jìn)我國人工智能芯片發(fā)展的關(guān)鍵點(diǎn)

未來10年是人工智能產(chǎn)業(yè)發(fā)展和突破的關(guān)鍵時期，芯片是人工智能技術(shù)的關(guān)鍵要素，AI芯片當(dāng)前面臨被美國公司控制的風(fēng)險，面對嚴(yán)峻的國際形式，我國要重視人工智芯片的戰(zhàn)略地位，提升人工智能芯片實(shí)力，加速構(gòu)建人工智能應(yīng)用生態(tài)系統(tǒng)。

（1）加快明確人工智能芯片發(fā)展路徑

人工智能芯片呈現(xiàn)與通用處理器芯片差異化發(fā)展態(tài)勢。我國在神經(jīng)網(wǎng)絡(luò)芯片研究上起步并不晚，為了能夠在人工智能時代占據(jù)國際領(lǐng)先地位，我國應(yīng)加速推進(jìn)人工智能芯片研發(fā)進(jìn)程，加快專用人工智能芯片的研發(fā)，明確人工智能芯片發(fā)展路徑。

（2）加快提升芯片制造工藝水平

當(dāng)前人工智能芯片計算能力與能耗之間的矛盾突出。人工智能芯片大規(guī)模商用除了設(shè)計架構(gòu)的改進(jìn)還需要制造工藝的優(yōu)化。而制造工藝是中國亟須突破的技術(shù)。目前，中芯國際可以實(shí)現(xiàn)28nm工藝流片，正在研發(fā)14nm FinFET，但與主流工藝仍有2～3代左右的差距。我國應(yīng)繼續(xù)加大工藝研發(fā)上的投入，面向人工智能芯片的工藝和集成技術(shù)做好布局。

（3）加快構(gòu)建人工智能生態(tài)系統(tǒng)

統(tǒng)籌兼顧已有的人工智能產(chǎn)業(yè)規(guī)模，加強(qiáng)應(yīng)用服務(wù)的建設(shè)和推廣，打造自主軟硬件全產(chǎn)業(yè)鏈。重視人工智能傳感器、開源平臺構(gòu)建，構(gòu)筑生態(tài)系統(tǒng)，加快形成人工智能產(chǎn)業(yè)體系。緊密跟蹤國際巨頭的技術(shù)發(fā)展進(jìn)程，并重視國產(chǎn)人工智能相關(guān)操作系統(tǒng)的自主研發(fā)。圍繞智能家居、智能機(jī)器人、智能可穿戴設(shè)備、智能助理、無人系統(tǒng)，開發(fā)新的應(yīng)用服務(wù)，以應(yīng)用帶領(lǐng)人工智能的產(chǎn)業(yè)體系的完善發(fā)展。

6 結(jié)束語

本文分析了人工智能芯片對人工智能發(fā)展的重要作用，從計算架構(gòu)的角度，提出當(dāng)前的人工智能芯片技術(shù)陣營存在兩大體系六大架構(gòu)的發(fā)展路線，并分析了每個架構(gòu)領(lǐng)域代表芯片的優(yōu)劣點(diǎn)。分析了我國在當(dāng)前的發(fā)展過程中面臨的問題和存在的機(jī)會，最后提出了推進(jìn)我國人工智能芯片技術(shù)和產(chǎn)業(yè)發(fā)展的關(guān)鍵點(diǎn)。