關于AI芯片，這些頭部企業是這么說的

當下，AI芯片的推動需要企業共同協作，而非競爭。

剛剛落下帷幕的“2018年中國人工智能峰會”活動中，分論壇關于AI芯片的議題引發了多方關注。在AI的第三次浪潮中，摩爾定律再次被喚起，應用端強烈的需求加速AI芯片的成長，但目前，芯片發展仍然制約著智能化發展。為此，論壇特別邀請了多位行業內企業代表和專家就芯片的發展現狀和方向做了深入的探討。

以下為現場嘉賓的演講摘要：

Arm中國副總裁金勇斌——

圖 | Arm中國副總裁 金勇斌

數字化浪潮中，PC真正實現將機器與人連接起來，而手機與互聯網的結合實現了人與人的互聯，但此前的技術都是在收集數據，現在的AI應當起到輔助決策的作用。

其實AI的本質一定是通過機器智能能夠幫人做決策，以釋放人的體力、腦力，讓人更懶。我們談AI的時候，如果這個AI應用需要人去關注和交互，那就脫離了AI本質的發展規律，也脫離了人性，因為需求存在，這也符合產業規律。這是個漸進的過程。AI芯片生態的演進過程，將會是先垂直封閉，然后出現輕量級平臺，平臺出現之后開發應用，產生大量附加生態，最后普及。

英特爾中國研究院院長宋繼強——

圖 | 英特爾中國研究院院長 宋繼強

目前，人工智能的發展，實際主要是靠機器學習推動，而機器學習依賴的就是大量的數據。我們通過挖掘數據里面蘊藏的一些規律，讓算法從這些數據里面學習出一些模型，然后去用這個模型處理新的數據，實現機器的智能處理。

但是，值得注意的是，它特別適合處理一些存在內在規律或經驗驅動的任務，同時這里要用的數據必須具備多樣性、能表征事物本身規律和具備稀疏數據特征、高準確度。

而人不是這樣學習的，我們需要的終極人工智能要有自然智能的能力，能夠處理不同場景下的一些奇異。在場景里，想要消除這樣的奇異，機器需要有比較好的感知能力、知識處理能力和場景推理能力，并且能夠隨著場景的變換而更新。

華為硬件工程首席AI架構師吳澎——

圖 | 華為硬件工程首席AI架構師 吳澎

全場景意味著什么？意味著我們在空間上，對AI能力的要求過量化，在時間和空間上的共同作用下，這種要求都會呈現出更復雜的需求。

華為之所以提出這樣的全場景智能的愿景，一方面是因為我們相信，在可預期的未來，智能手機仍然是連接現實世界和數字世界的最高頻的一個工具；另外我們在手機、芯片以及機器所使用的智能體驗方面上的工作也為我們探索和構建全場景智能生態奠定了基礎。

在全場景模式下，場景對芯片算力、能效比提出更高要求；而從芯片本身能效比角度去看，在諸多限制下，針對應用定制化所能達到的能效比也會更高。因而，在整個AI芯片設計中存在一個突出趨勢，特別是從2017年、2018年展現出來的趨勢，就是運用模型（軟件）和硬件聯合設計的方式，即結合應用開發。

地平線創始人、CEO，國家新一代人工智能戰略咨詢委員會委員余凱——

圖 | 地平線創始人、CEO 余凱

自動駕駛貫穿了感知、語義理解、推理決策、控制等AI技術，是人工智能領域的珠穆朗瑪峰，也是AI應用場景里最復雜，最不可控的。比如說一個典型的產品設計、開發到落地流程，包括一到兩年的處理器設計的過程，一年左右的車規級認證系統方案開發，以及整車集成，功能開發、測試、驗證、最后量產導入，整個過程通常要五年時間，相當考驗團隊的耐性跟恒心。

過去CPU主要的計算是面向控制流邏輯，今天人工智能計算主要是面向數據流，而自動駕駛處理器需要考慮多樣化的數據流，比如激光這樣的三維結構，恰巧這也是當前人工智能處理器突出的特點。那么面向不同計算，怎樣以一個統一思路優化計算的效率，其中涉及了一個核心思考點：需要我們有選擇地對各式各樣計算任務都做不同程度的優化。

未來，軟件公司做硬件是一個時代趨勢。軟硬結合，場景驅動使得運算效率進一步提升，同時新的摩爾定律軟件跟硬件高度協同，還會繼續往前奔跑。所以我們要更多關注軟件算法、場景結合，定制化去設計處理器架構，這些都是未來的成功之道。

寒武紀副總裁羅韜——

圖 | 寒武紀副總裁 羅韜

過去十年里，摩爾定律發展以及CPU穩定增長、GPU異軍突起，使得人工智能的想法可以得到驗證，并且得到產業化應用。但是在未來，我們可以觀察到兩個現象，一是人工智能的發展是不斷變快的，另外就是摩爾定律逐漸放緩，所以可能會又一次遇到這樣的情況：硬件成為人工智能發展的瓶頸。為了解決這個瓶頸，所以需要設計人工智能專用處理器的方式深耕架構，更好地利用有限的片狀資源，讓它更快地運行人工智能算法。

關于人工智能的應用是運行在終端上，還是在云端上？這可能是一個長久話題，終端的優勢是實時性，有助于隱私保護并且不需要太大流量；云端優勢可能是大數據、強算力。像安防監控領域，可以在終端把數據結構化，然后再傳到云端，在云端進行大數據識別。同時，云端也會有一些視頻監控的程序，可能涉及到端部分，又涉及到云部分。所以如果終端和云端使用的是同樣一套芯片的生態編程，它對于程序的很多開發工作，都會有很大的便利。

云知聲創始人、CEO黃偉——

圖 | 云知聲創始人、CEO黃偉

在實際應用中，我們發現芯片是加快AI應用落地的，一個SDK不可能完成對所有硬件設備的適配，芯片在整個IOT產業中至關重要。在AIOT領域內，我們不光需要云端能力，還需要終端能力，以后AIOT破局點是在芯片。但如果我們希望AI能夠在很快時間內，解決所有的疑難雜癥是不現實的，我們需要通過場景應用定義芯片。

做好一個AI芯片必須有幾個前提，首先你必須具備一個全棧式AI技術能力，其次要有已驗證的成熟業務場景，最后還需要有AI芯片設計能力。

從相對封閉的系統到開源開放，背后的出發點在于芯片能力的大幅度提高，它完全可以把不同場景里面共性的部分抽樣出來，固化到芯片里面，完成交互里面80%甚至90%的工作。將產品的應用邏輯相關的代碼開發出來，交給合作方、方案商、客戶，也能夠達到更低的成本，更低的功耗，以及更好的性能體驗。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！