在迭代中變強,AI芯片需破解落地難題

人工智能產業規模高速增長，全球市場調研機構IHS Markit發布數據顯示，到2025年AI應用市場規模將從2019年的428億美元激增到1 289億美元。

日前，AI芯片新老牌廠商“混戰”國際消費類電子產品展覽會，全面覆蓋當前人工智能六大核心落地場景，包括云端訓練、云端推理、智能手機、AIoT視覺推理、AIoT語音推理、自動駕駛等，國內AI芯片進入落地階段。

根據中國人工智能產業發展聯盟(以下簡稱聯盟)提供的數據，2019年以來國內外芯片廠商共發布AI芯片近30款。

AI芯片怎樣支撐多姿多彩的人工智能應用落地？評測標準進展如何？今年的亮點、看點又在哪？

AI芯片：驅動智能產品的大腦

目前消費類智能產品大量應用人工智能、大數據等技術，芯片作為硬件載體，承擔了“讓智能產品發揮作用”的功能。鯤云科技創始人兼CEO牛昕宇介紹，人工智能行業有三個核心驅動力：算法、算力和數據。人工智能芯片作為人工智能應用的底層硬件，為其提供算力支撐。“通過技術創新，不斷提升人工智能計算的性能、降低其成本和功耗，從而支持越來越復雜的人工智能應用。”

如果把運行各種人工智能技術集合比作一個人的話，人工智能芯片就是它的大腦實體，而各種聊天、視頻制作、自動駕駛應用就是它根據自己所能接觸到的數據，學習到的經驗知識進行的操作。一方面，隨著數據經驗的積累，它們運行的人工智能應用會越來越精確，另一方面，它的學習受限于大腦的容量(芯片計算能力)、培養成本(芯片成本)以及大腦運算消耗的熱量(芯片功耗)。

起步階段：加速芯片算力的迭代優化

人工智能芯片主要包含三個發展脈絡，一是由于前期人工智能落地的旺盛需求，英偉達的圖像處理器GPU因為可以支持CNN等算法網絡，滿足基本的人工智能落地需求，在這個時期獲得了大范圍應用，其也通過芯片架構不斷迭代，逐步轉型成為人工智能芯片供應商。二是因為算法的不斷迭代，對芯片和算力提出了更高的要求，這時候國內外的初創企業和華為等采用與英偉達類似的指令集技術路線，通過架構創新，推出了一批新的專用人工智能芯片。三是影響芯片性能的制程工藝發展日趨成熟，摩爾定律放緩對指令集技術路線的發展提出了挑戰，目前也有初創企業采用全新的數據流技術路線，推出新的專用人工智能芯片。

當前國內主要是后兩種人工智能芯片，各家企業都處于推出產品、進行市場化落地的階段。

2020年看點：“落地”被反復強調

從2018年年底開始，人工智能芯片的“落地”被反復強調。“不論是短期還是長期目標都是落地。”牛昕宇說。由此看來，人工智能芯片2020年的主要看點仍然在于新產品迭代和落地。加速人工智能應用落地，只有以市場需求為驅動的芯片才能持續創造價值。

當然，人工智能應用永遠需要性能更高、價格更低、功耗更低的芯片，如何能在這之上不斷滿足市場需求，考驗著每一家人工智能芯片企業的核心技術以及對市場所需產品的洞察。

“芯片和計算架構在人工智能的發展中扮演著重要角色。”聯盟計算架構與芯片組聯席秘書長張蔚敏說。2019年起，很多AI芯片產品都在底層架構設計上注重架構創新，2020年這種趨勢越發顯現。核心在于市場對芯片所能提供的更高實際算力的追求，將在真實使用場景中得到驗證。

三大難題：破解AI芯片落地的關鍵

落地，既是今年AI芯片的看點，也是難點。從研發角度來看，牛昕宇說，當前人工智能芯片主要面臨三方面問題，即芯片設計的底層技術路線同質化較高，軟件開發支持依然是短板，以及芯片性能測試處于起步階段、距離形成權威統一的評測標準還需要一定的時間。

技術路線同質化容易導致產品同質化。作為底層硬件芯片，不一定每個指標都需要最強，但是要找到對于市場需求獨一無二的價值，解決核心問題。這就要在技術路線方面進行創新，掌握自己的核心技術，從而在芯片性能和技術支持上掌握更多主動性。而芯片的使用和對算法的支持離不開軟件工具。目前有一些人工智能芯片仍然缺乏可用的軟件開發工具，或者軟件編譯工具設計復雜，用戶的開發和使用門檻過高，這些都需要在落地過程中不斷完善和迭代。至于AI芯片評測標準的制定進展，牛昕宇坦言，“目前這類標準還處于項目推廣的早期，各家采用的測試網絡和測試標準還缺乏統一性，可能對客戶的選型造成一定困難。”