关于AI芯片，这些头部企业是这么说的

当下，AI芯片的推动需要企业共同协作，而非竞争。

刚刚落下帷幕的“2018年中国人工智能峰会”活动中，分论坛关于AI芯片的议题引发了多方关注。在AI的第三次浪潮中，摩尔定律再次被唤起，应用端强烈的需求加速AI芯片的成长，但目前，芯片发展仍然制约着智能化发展。为此，论坛特别邀请了多位行业内企业代表和专家就芯片的发展现状和方向做了深入的探讨。

以下为现场嘉宾的演讲摘要：

Arm中国副总裁金勇斌——

图 | Arm中国副总裁 金勇斌

数字化浪潮中，PC真正实现将机器与人连接起来，而手机与互联网的结合实现了人与人的互联，但此前的技术都是在收集数据，现在的AI应当起到辅助决策的作用。

其实AI的本质一定是通过机器智能能够帮人做决策，以释放人的体力、脑力，让人更懒。我们谈AI的时候，如果这个AI应用需要人去关注和交互，那就脱离了AI本质的发展规律，也脱离了人性，因为需求存在，这也符合产业规律。这是个渐进的过程。AI芯片生态的演进过程，将会是先垂直封闭，然后出现轻量级平台，平台出现之后开发应用，产生大量附加生态，最后普及。

英特尔中国研究院院长宋继强——

图 | 英特尔中国研究院院长 宋继强

目前，人工智能的发展，实际主要是靠机器学习推动，而机器学习依赖的就是大量的数据。我们通过挖掘数据里面蕴藏的一些规律，让算法从这些数据里面学习出一些模型，然后去用这个模型处理新的数据，实现机器的智能处理。

但是，值得注意的是，它特别适合处理一些存在内在规律或经验驱动的任务，同时这里要用的数据必须具备多样性、能表征事物本身规律和具备稀疏数据特征、高准确度。

而人不是这样学习的，我们需要的终极人工智能要有自然智能的能力，能够处理不同场景下的一些奇异。在场景里，想要消除这样的奇异，机器需要有比较好的感知能力、知识处理能力和场景推理能力，并且能够随着场景的变换而更新。

华为硬件工程首席AI架构师吴澎——

图 | 华为硬件工程首席AI架构师 吴澎

全场景意味着什么？意味着我们在空间上，对AI能力的要求过量化，在时间和空间上的共同作用下，这种要求都会呈现出更复杂的需求。

华为之所以提出这样的全场景智能的愿景，一方面是因为我们相信，在可预期的未来，智能手机仍然是连接现实世界和数字世界的最高频的一个工具；另外我们在手机、芯片以及机器所使用的智能体验方面上的工作也为我们探索和构建全场景智能生态奠定了基础。

在全场景模式下，场景对芯片算力、能效比提出更高要求；而从芯片本身能效比角度去看，在诸多限制下，针对应用定制化所能达到的能效比也会更高。因而，在整个AI芯片设计中存在一个突出趋势，特别是从2017年、2018年展现出来的趋势，就是运用模型（软件）和硬件联合设计的方式，即结合应用开发。

地平线创始人、CEO，国家新一代人工智能战略咨询委员会委员余凯——

图 | 地平线创始人、CEO 余凯

自动驾驶贯穿了感知、语义理解、推理决策、控制等AI技术，是人工智能领域的珠穆朗玛峰，也是AI应用场景里最复杂，最不可控的。比如说一个典型的产品设计、开发到落地流程，包括一到两年的处理器设计的过程，一年左右的车规级认证系统方案开发，以及整车集成，功能开发、测试、验证、最后量产导入，整个过程通常要五年时间，相当考验团队的耐性跟恒心。

过去CPU主要的计算是面向控制流逻辑，今天人工智能计算主要是面向数据流，而自动驾驶处理器需要考虑多样化的数据流，比如激光这样的三维结构，恰巧这也是当前人工智能处理器突出的特点。那么面向不同计算，怎样以一个统一思路优化计算的效率，其中涉及了一个核心思考点：需要我们有选择地对各式各样计算任务都做不同程度的优化。

未来，软件公司做硬件是一个时代趋势。软硬结合，场景驱动使得运算效率进一步提升，同时新的摩尔定律软件跟硬件高度协同，还会继续往前奔跑。所以我们要更多关注软件算法、场景结合，定制化去设计处理器架构，这些都是未来的成功之道。

寒武纪副总裁罗韬——

图 | 寒武纪副总裁 罗韬

过去十年里，摩尔定律发展以及CPU稳定增长、GPU异军突起，使得人工智能的想法可以得到验证，并且得到产业化应用。但是在未来，我们可以观察到两个现象，一是人工智能的发展是不断变快的，另外就是摩尔定律逐渐放缓，所以可能会又一次遇到这样的情况：硬件成为人工智能发展的瓶颈。为了解决这个瓶颈，所以需要设计人工智能专用处理器的方式深耕架构，更好地利用有限的片状资源，让它更快地运行人工智能算法。

关于人工智能的应用是运行在终端上，还是在云端上？这可能是一个长久话题，终端的优势是实时性，有助于隐私保护并且不需要太大流量；云端优势可能是大数据、强算力。像安防监控领域，可以在终端把数据结构化，然后再传到云端，在云端进行大数据识别。同时，云端也会有一些视频监控的程序，可能涉及到端部分，又涉及到云部分。所以如果终端和云端使用的是同样一套芯片的生态编程，它对于程序的很多开发工作，都会有很大的便利。

云知声创始人、CEO黄伟——

图 | 云知声创始人、CEO黄伟

在实际应用中，我们发现芯片是加快AI应用落地的，一个SDK不可能完成对所有硬件设备的适配，芯片在整个IOT产业中至关重要。在AIOT领域内，我们不光需要云端能力，还需要终端能力，以后AIOT破局点是在芯片。但如果我们希望AI能够在很快时间内，解决所有的疑难杂症是不现实的，我们需要通过场景应用定义芯片。

做好一个AI芯片必须有几个前提，首先你必须具备一个全栈式AI技术能力，其次要有已验证的成熟业务场景，最后还需要有AI芯片设计能力。

从相对封闭的系统到开源开放，背后的出发点在于芯片能力的大幅度提高，它完全可以把不同场景里面共性的部分抽样出来，固化到芯片里面，完成交互里面80%甚至90%的工作。将产品的应用逻辑相关的代码开发出来，交给合作方、方案商、客户，也能够达到更低的成本，更低的功耗，以及更好的性能体验。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！