AI場景落地，軟硬結合是關鍵

諸玲珍

在人工智能整個產業鏈中，中國企業的發展布局多集中于技術層和應用層.產業和技術研發短板在于基礎層的芯片領域。那么，人工智能產業究竟需要什么樣的芯片？企業如何做出滿足業內需求的芯片？

AI芯片需要計算能力支撐

人工智能算法的實現需要強大的計算能力支撐，特別是深度學習算法的大規模使用，對計算能力提出了更高的要求。

人工智能算法的實現需要強大的計算能力支撐，特別是深度學習算法的大規模使用，對計算能力提出了更高的要求。隨著人工智能與各個應用領域的深度結合，自動駕駛、視覺識別等領域的人工智能應用都需要開發專用的人工智能算法和芯片。天數智蒜CEO李云鵬在最近舉辦的“AI硬件亞洲峰會”期間接受記者采訪時表示，從技術角度看，目前，大多數芯片廠商做的AI芯片都是一個加速器，是針對AI的算法特征或者神經網絡的計算特征，實現專用的加速功能，這要有強大的算力做背書。

賽迪顧問高級分析師李振告訴《中國電子報》記者，GPU、FPGA、ASIC等三類人工智能芯片是目前AI產業芯片領域主流。他解釋說，第一類是利用GPU（圖形處理器）等傳統通用類芯片，通過搭建人工神經網絡模型，從功能層面模仿大腦的能力。近十年來，人工智能的通用計算GPU完全由英偉達引領，AMD也在逐步進入該市場。除了傳統的CPU、GPU大廠，移動領域的眾巨頭在GPU的布局也非常值得關注。ARM也開始重視GPU市場，其推出的MALl系列GPU憑借低功耗、低價等優勢正在逐漸崛起。

第二類是FPGA芯片，FPGA憑借其功耗低、高效率、高可擴展性、靈活編程的優點，在人工智能計算環節中也逐漸扮演越來越重要的角色，代表廠商有賽靈思、英特爾等。

第三類是ASIC專用計算芯片，改變硬件結構層來適應人工智能算法，在硬件結構層進行功能定制化開發，如Google的TPU、寒武紀的NPU等。

李振強調，相比于英特爾、英偉達、AMD等國際巨頭，國內AI芯片企業實力較弱、技術積累迭代有一定差距。但隨著國內華為、阿里等巨頭的不斷布局以及寒武紀科技等新興企業的不斷涌現，中國在AI芯片領域的實力正在不斷增強。

賽迪智庫電子信息研究所研究員、人工智能產業創新聯盟秘書處副主任王哲在接受《中國電子報》記者采訪時表示，人工智能產業的各環節中，芯片是產業發展的關鍵核心技術，目前，國內已經有一批在AI芯片方面做得不錯的企業。“在目前的情況下，國內AI芯片企業要堅持做下去，這是帶動我國電子信息產業根基實現突破的機會。”王哲說。

AI時代軟件與硬件結合將更加緊密

AI時代軟件與硬件的結合將會更加緊密，芯片企業不能以單純的軟件思維或者硬件思維去做精算力，軟硬件協同才能更好地打造良性生態。

針對近幾年國內芯片設計企業與產品數量猛增的火熱現狀，李云鵬認為絕大部分企業都集中在了AI芯片領域，而且大都專注于神經網絡類算法的加速領域，并不具備通用屬性，或者僅針對當前市場需求推出短周期芯片產品。“這導致了市面上的AI芯片產品同質化比例非常高，不僅會嚴重影響芯片企業產品迭代的良性運轉，同時大部分芯片由于算法或場景設計的限制，市場應用領域不夠寬泛。”他認為，現在市場需要的是極度靈活的、完整的、標準化的產品。AI芯片企業應該認清這個趨勢，從而考慮自己未來的發展方向。

李云鵬同時表示，AI時代軟件與硬件的結合將會更加緊密，芯片企業不能以單純的軟件思維或者硬件思維去做精算力，軟硬件協同才能更好地打造良性生態。“因為兩者的疊加會產生乘法效應，若AI芯片企業能夠巧妙地利用乘法效應，將會收到十倍的效果。”李云鵬說，“軟件是場景的關鍵，肩負開拓市場和創造直觀價值的重任;硬件是基石和推動者，是技術實力和降低成本的關鍵因素。把軟件作為承載其生態的關鍵，迅速在行業場景中推出具體落地的應用解決方案，為芯片產品獲取一個入口，適時推出AI芯片，通過軟件加硬件的方式不僅提升算力的均值，還將提升算力的峰值。同時，通過可透明遷移的軟件平臺更好地獲取客戶，在行業場景中，如果芯片表現達到預期，后續硬件的迭代將進一步增強其實力，以特定領域的應用獲得認可，再以通用的芯片向更多應用領域拓展。”

在他看來，AI是某一類型算法的統稱，算法迭代的速度很快，但基礎性產品的迭代周期又很長，這兩者之間有矛盾。對于一家芯片企業而言，能夠成功的關鍵是產品在20年后是否還流行。云端市場代表相對穩定的需求，產品迭代的周期也相對較長，更加強調通用性。如果芯片沒有前瞻性的通用支撐能力的話，即使做出來，也會在短短幾年內失去生命力。

AI落地要場景化

產業界尤其要加強產學研用的合作，重視AI基礎設施建設，才可能推動人工智能產業化規模化落地。

人工智能從概念到實現大規模應用，落地場景十分重要。王哲告訴記者，AI產業發展要選好合適的應用場景。產業界尤其要加強產學研用的合作，重視AI基礎設施建設，才可能推動人工智能產業化規模化落地。在此過程中，尤其要注重將人工智能技術能力用于解決老齡化社會的養老問題、教育資源不平等條件下的教育問題、人口流動和集聚帶來的醫療問題、城鄉一體化進程中帶來的城市建設管理問題等，只有這樣.才能讓老百姓有切實的獲得感，AI產業化才能算是落地生根。

“AI是個‘+行業，它需要和已有的行業做深度結合，如何以技術的方式把AI無縫切入到傳統產業中去，這很關鍵。換句話說，必須找到一個領域能夠讓AI完整落地，才能使產業進一步發展。”李云鵬說，“落地實際上是一個對數曲線，它前端的系數決定市場場景的劃。在與AI相關的芯片領域，企業能夠成功的關鍵是找到一個真正可以大規模市場化落地的場景。可以以軟件的思維切入市場，找到產業中真正的需求，然后讓自己的AI芯片很順暢地進入市場，從而實現場景落地，技術迭代。”

而在李振看來，AI產業發展除了要有落地的場景外，政府提供優良的產業發展環境、加大產業引導力度以及企業增加研發投入也缺一不可。他同時指出，企業增加研發投入的同時，應給予科研更多的容錯能力，加強與科研單位的合作，進行成果轉化。此外，還應加強與國際上其他可合作單位的技術合作，外聯內培。

AI需要復合型人才

人工智能算法和計算架構特點決定了行業需要既懂軟件又懂硬件的復合型人才。國內必須加快培養交叉學科人工智能人才。

就像其他高科技領域一樣，如何培養出符合產業實際需求的AI人才，成為產業走向繁榮的基石。人工智能算法和計算架構特點決定了行業需要既懂軟件又懂硬件的復合型人才。王哲分析說，目前，全世界范圍內，人工智能領域跨界型、應用人才都是短缺的，國內相關人才的培養尤其需要引起重視，因為中國人工智能產業的快速發展給人才提出了新的迫切要求。王哲認為，國內必須加快培養交叉學科人工智能人才，建立多學科共同參與的培養機制;必須培育應用型人工智能人才，因為人工智能應用要發展，僅有高端人才遠遠不夠，需要一大批能應用人工智能的人，為此，人工智能應該作為國家教育體系中的基礎課;應該以產學研用打通為目標，創新人工智能人才培養模式，比如，目前北京智源研究院、浙江之江實驗室等一些不以高校為主導的培養體系正不斷孕育，這些新的人才培養方式可以給予高校和企業人才培養雙向激勵，調動企業和大學雙方的積極性。

李云鵬表示，目前國內很多高校都設立了人工智能專業，加大了對AI人才的培養力度，但由于學校學的內容和業內需要的實操技能存在差異，因此不能形成有效對接，這就造成看似存在“AI人才荒”現象，但其實只是在人才產業化培養環節上有缺失。他建議AI企業用好現有的人才，構建人才金字塔，把高端人才用在關鍵環節。