目前,，人工智能領(lǐng)域正不斷取得突破性進展。作為實現(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,，當前AI芯片的發(fā)展現(xiàn)狀究竟如何,？下一輪的爆發(fā)點又將在哪里出現(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)界普遍認為,，深度學習算法、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)來大幅增強人工智能研發(fā)的時機已經(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的神經(jīng)擬態(tài)芯片來支持超高能效比的自然學習方式。
綜合來看，如果以設(shè)計理念進行劃分的話,，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),，從而達到目標應用領(lǐng)域?qū)λ俣?、功耗、?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算法進行學習和推導,，處理包含感知,、理解、分析,、決策和行動的一系列任務(wù),，并且具有適應場景變化的能力。目前,，面向綜合,、自適應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)域進行布局,，英特爾也是如此,。而英特爾的獨特之處，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，可以靈活選擇至強可擴展處理器,、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)、自學習,、自適應的芯片來支持算法的演進和類人的自然智能,；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（如限定領(lǐng)域,、設(shè)計模型,、挑選訓練樣本、人工標注等）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)變換能力或自學習能力,、高計算效率,、高能量效率、應用開發(fā)簡潔,、低成本和體積小等特點,。就目前而言，實現(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)）,，二是實現(xiàn)的復雜度,。通用AI芯片的復雜度來自于任務(wù)的多樣性和對自學習、自適應能力的支持,。因此,，我們認為通用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,，因為理論模型和算法尚未完善。最有效的方式是先用一個多種芯片設(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殺手級應用還沒出現(xiàn)，未來還有很長一段路要走,。但必須承認的是,，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,，最終的應用必然通過芯片來實現(xiàn),。目前，AI算法都有各自長處和短板,，必須給它們設(shè)定一個合適的應用邊界,，才能最好地發(fā)揮它們的作用。因此,，確定應用領(lǐng)域就成為了發(fā)展AI芯片的重要前提,。
在應用方面，“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，是所有的應用都需要人工智能嗎,？我們希望人工智能解決哪些實際的問題,？什么才是AI的“殺手級”應用？這些問題目前依然等待答案,。但對于芯片從業(yè)者而言,，我們的當務(wù)之急是研究芯片架構(gòu)問題,。從感知、傳輸?shù)教幚?，再到傳輸,、?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，實現(xiàn)以高能效比支持多種智能任務(wù),，在實現(xiàn)AI功能時具有獨到的優(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。