提升企业效益就得不断发展人工智能芯片

       我国发展人工智能芯片的现状
      中国是全球最大的半导体与集成电路消费市场，但是90%依赖进口，自给比例仅10%左右，每年的进口金额超过2000亿美元。中国在人工智能芯片领域的资本与研发投入方面、产业发展现状与国际领先水平仍然存在较大差距，尚处于奋力追赶的落后局面。

       我国应正视国内外技术基础和技术水平上的差距，在人工智能芯片领域，冷静判断外部机遇和挑战，客观认识自身优势和弱点，厘清发展关键问题和相应对策，推动我国人工智能芯片产业做大做强、实现整个人工智能产业高质量发展。

国际传统芯片企业和全球新兴互联网巨头纷纷布局人工智能芯片，抢占制高点。我国需要积极布局，寻找突破，大力发展人工智能芯片产业，不断提升基础产业竞争实力。

        当前，信息技术加速发展，社会需求飞速变革，云计算、大数据、深度学习算法突破带动图像识别、语音识别、自然语言处理等智能技术长足进步，智能终端、智能医疗、智能机器人等智能应用日益深入大众生活。以芯片为代表的人工智能基础产业快速发展。

 一、人工智能芯片成为巨头争夺的重点领域

       当前，互联网为人工智能技术提供了丰富的数据资源，开源算法为企业进入该领域提供了平台，具有高性能计算能力又符合市场需求的芯片成为人工智能产业发展的关键要素。

       人工智能芯片成为生态竞争的热点。传统的芯片巨头如英伟达、英特尔、ARM等公司纷纷发布面向AI和机器学习的处理器，另一方面，美国互联网龙头企业如谷歌、苹果、脸书、亚马逊纷纷加入芯片竞争。未来主导芯片的产业生态系统有可能出现变革，类似谷歌、亚马逊这样的AI巨头，重整生态，用云服务来挤压底层硬件供应商的战略布局已经很明显。如谷歌推出的TPU(张量处理单元)是为机器学习定制的专用芯片(ASIC)，专为深度学习框架TensorFlow而设计。TPU3.0采用8位低精度计算以节省晶体管，比2017年的TPU 2.0性能提升八倍。微软基于FPGA的Brainwave平台以及脸书的PyTorch 1.0软件和硬件都与谷歌竞争，希望与Tensorflow+TPU进行抗衡。

       人工智能应用驱动传统计算机芯片架构升级。芯片过去几十年的发展动力主要来源于工艺、架构和应用。随着摩尔定律接近极限，应用需求从个人电脑、移动通信不断变化，人工智能应用的高性能计算需求成为当前芯片技术的主要驱动力之一。通用处理器的架构已经无法适应人工智能对芯片性能的高需求，架构成为AI芯片军备竞赛的焦点。GPU、TPU等异构芯片纷纷抢占先机，类脑神经元结构芯片的出现颠覆传统的冯诺依曼结构，给产业发展带来新的变革。

       二、人工智能芯片领域中国问题与机会并存

       我国在人工智能芯片方面积累较少。目前我国人工智能芯片完全依赖进口，在传统的桌面通用计算处理器(CPU)方面我国一直基础较差；在图形图像处理芯片(GPU)方面，美国企业处于绝对领先地位，专利布局众多，中国企业进入的难度较大。在移动芯片方面，华为海思、展讯等借助ARM架构的授权模式，降低了门槛，在商业市场取得成功，以美国为代表的发达国家以产品禁运、阻挠并购等方式对中国的实际干预也越来越多。

       我国人工智能芯片有研发布局且起步较早。不同的国内企业采用不同的技术架构，各个技术阵营均有企业布局(见表3)，但是尚未实现商业化量产。寒武纪、中星微、地平线、深鉴科技等企业研发不同架构的人工智能处理器芯片，百度发布全功能昆仑芯片，阿里巴巴等公司也在积极布局研发。中国在人工智能芯片学术研究上起步早，如中科院寒武纪芯片在2014年—2016年间在深度学习处理器指令集上获得创新进展，在2016年国际计算机体系结构年会中，约六分之一的论文引用寒武纪开展神经网络处理器研究。2016年寒武纪以IP指令集授权的方式获得市场订单，瞄准高性能服务器、高能效终端芯片、机器人芯片三大领域，积极抢位。