人工智慧爆發性增長是以強大的計算能力為基礎的, 而提供計算力的載體是晶片. 近年來國內得到資本熱烈追捧的獨角獸公司多與AI晶片有著密切的關係, 亦從側面證明了AI晶片的重要性與廣闊的發展前景. 然而, 隨著越來越多新創公司, 互聯網公司和傳統晶片公司開始進入 AI晶片領域, 其中蘊含的風險也需引起重視. AI 晶片會是中國整合電路產業彎道超車的好機會嗎?其中含有哪些風險?如何才能抓住這次難得的產業機遇? 尷尬的產業鏈定位 要說如今科技圈什麼最火, 人工智慧肯定是其中之一. 而核心晶片則是決定一個新的計算時代的基礎. 從源頭上掌控核心晶片架構將取得先發優勢, 對於取得一個新計算時代主導權有著非常重要的意義. 也正是基於這樣的考慮, 穀歌, 微軟, 亞馬遜, IBM等全球科技巨頭才紛紛投入巨資加速人工智慧核心晶片的研發, 目標在於搶佔新計算時代的戰略制高點, 掌控人工智慧時代主導權. 中國對於人工智慧晶片產業同樣高度重視. 工信部正式印發的《促進新一代人工智慧產業發展三年行動計劃(2018-2020年)》中, 著重強調要在智能感測器, 神經網路晶片, 開源開放平台幾個領域率先取得突破. 根據前瞻產業研究院發布的《2018-2023年中國晶片行業市場需求與投資規劃分析報告》, 2016年全球人工智慧晶片市場規模達到36億美金, 預計到2021年將達到111億美金, 年複合增長率達到25%. 結合我國人工智慧市場規模, 推算2016年我國人工智慧晶片市場規模約為15億元, 到2022年市場規模將達到50億元左右, 增長迅猛, 發展空間巨大. 在看好AI晶片發展前景的情況下, 吸引了越多越多互聯網公司和 傳統晶片公司進入AI晶片領域, 其中蘊含的風險也需引起人們注意. 在近日召開的 '2018年半導體市場年會' 上, 清華大學微電子所所長魏少軍在演講時笑稱: '有投資界人士問我, 應不應該投資AI晶片. 我的回答是 '投資可以, 但一定不要成為那個持最後一棒的' . ' 那麼, 中國企業投入AI晶片將會面臨哪些挑戰呢?從產業鏈角度觀察, 人工智慧包括了從晶片器件, 計算設備, 程序平台到大數據, 功能層, 應用端等複雜結構. 在這樣一個產業生態中, 一些有實力的國際互聯網巨頭, 如穀歌, Facebook, 亞馬遜, 百度以及蘋果公司, 是以垂直整合模式介入的, 它們成為最有實力的玩家. 英特爾, 高通, 英偉達等國際晶片龍頭則以整合晶片, 計算以及部分軟體程序為發展策略, 力求扮演硬體設施平台供應商的角色. 一些有實力的終端品牌公司, 包括近年來得到快速發展的中國智能手機廠商, 如華為, 小米, VIVO, OPPO, 希望AI成為終端設備供應商. 在這樣的產業生態裡, 中國AI晶片廠商定位相對尷尬. 在技術上他們尚難完全與英偉達, 英特爾這樣為雲端設備提供人工智慧計算解決方案的廠商展開競爭, 更多發展機會存在於終端市場, 即面向不同應用端, 提供針對性的晶片或者IP解決方案. 問題在於, 目前為止整個AI產業依然受到缺少 '殺手級' 應用的困擾. 如果去除智能駕駛, 智能汽車, 智能監控, 人臉識別, 語音識別少數幾個應用市場, 我們就很難再找到AI的典型應用場景了, 特別是缺少與人們工作生活密切相關, 又非AI支援不可的應用市場. 這樣, 一個重要問題就會出現——是否存在像通用CPU那樣獨立的AI處理器?如果存在, 它的架構是怎樣的?如果不存在的話, 那麼中國AI晶片廠商, 向上很難與國際巨頭競爭雲端市場, 所立足的終端市場又存在細分化, 碎片化, 缺少殺手級應用的挑戰. 其結果或許真的會像魏少軍所指出的那樣: '以滿足特定應用為主要目標的中國AI晶片, 未來很可能只能以IP核的形式存在, 最終被各種各樣的SoC所整合. ' 如此, 今天的部分, 甚至是大部分AI晶片創業者將成為這場技術變中的 '先烈' . 新時代尋求IC設計新思路 在這樣的挑戰面前, 架構創新成為中國AI晶片面臨的一個不可迴避的課題——針對當前AI產業現狀, 開發適應市場的晶片架構. 儘管這樣的創新工作將非常艱難. 對此, 魏少軍提出了 '軟體定義晶片' 的概念. 從感知, 傳輸到處理, 再到傳輸, 執行, 這是AI晶片的基本邏輯. 軟體是實現智能的核心, 晶片是支撐智能的基礎. 其中, 軟體是實現智能的載體. 技術上要求智能軟體具有自己學習的能力, 形成知識和經驗的能力, 持續改進和優化的能力, 思維邏輯推理的邏輯以及做出正確判斷的邏輯等. 而智能晶片則需要承載所需的計算, 要求其具有高性能的計算能力, 多任務並行計算能力, 極高的能量效率, 靈活高效的存儲能力, 即時動態功能變換能力等. 兩者的聯動, 將重新定義AI晶片的設計理念, 使AI晶片的設計更具靈活性, 也在面向不同AI應用需求時更具可操作性. Synopsys中國董事長兼全球副總裁葛群也表達了同樣的看法: '以前晶片設計中硬體與軟體的界限比較清晰, 一般採用分層設計和優化的方法, 這有利於簡化問題. 然而, 在今天的AI應用中已經很難再將它們分開處理了. 也就是說, 開發一款優秀的晶片和硬體產品必須考慮軟體方面的配合和系統層面的配合, 甚至打破層次界限, 進行深度優化. Nvidia的CUDA和GPU, Google的Tensorflow和TPU的成功都是很好的例子. ' 事實上, EDA工具和AI存在密切的互動關係, 對AI晶片的架構創新將發揮至關重要的作用. 無論在雲端還是終端設備上, 在差異化的應用需求越來越多地影響晶片設計之際, 針對雲端AI訓練, 自動駕駛, 安防監控和各種智能IoT設備的解決方案需要從應用軟體, 作業系統, 硬體架構, IP, 低功耗, 安全性, 驗證和測試等方面適應AI應用的特殊需求, 更為強調整個系統綜合的軟硬體效率, 安全性和可靠性. EDA工具作為晶片設計的基礎平台, 將會更多地把AI應用作為關鍵的場景, 支援晶片設計者更好地完成各種AI演算法和應用在晶片上的高效實現. 根據葛群的介紹, Synopsys從1986年初創開始, 就採用人工智慧的思想支撐EDA, 晶片和系統的研發, 目前正在積極探索設計方法學上的創新, 推動AI晶片設計能力的提高. 2017年Synopsys設立了全球人工智慧實驗室, 就是希望在更加開放的平台上, 與業界共同探索支援人工智慧技術落地所必須的AI晶片軟硬體協同優化等新問題, 尋求更為有效的方法學, 工具和解決方案. 基於其應用場景的特殊性, AI晶片應當具備以下的基本要素. 可編程能力, 以適應演算法的演化和應用的多樣化;構架能夠動態重構, 在不明顯降低效率的前提下, 能夠適應不同的演算法;高效的架構變換能力;實現高效計算和存儲, 低功耗, 低延遲;滿足低成本, 小尺寸的要求, 以便能夠進入家電和消費類電子, 移動設備和物聯網終端市場;應用開發簡便. 政府與企業共同推進 今年 3 月初 '人工智慧' 被寫入《政府工作報告》, 強調要加強新一代 AI 研發的應用, 在醫療, 養老, 教育, 文化和體育等多領域推進 AI 的應用和落地. 這顯示了中國政府對於人工智慧晶片產業的高度重視. 也抓住了當前AI產業發展中的關鍵環節. 如果說中國已經逐步發展成為全球AI產業的中心之一, 那麼應用缺乏, 數據環境和人才緊缺, 仍然是制約中國AI晶片產業發展面臨的主要難題. 在政策上, 從上述三個層面發力, 將可有效推進AI晶片產業的發展. 中國工程院院士倪光南表示: '人工智慧是未來很重要的一個發展方向. 因為人工智慧還是我們人創造出來的, 因此應該更好地為人類服務, 幫助人類擺脫繁雜的工作, 把重複性的勞動交給人工智慧, 人類去做更多有創造力的工作. ' 葛群指出: '這一輪的人工智慧爆發是與大數據共生的, 離開有效的數據, 人工智慧尤其是深度學習是很難取得進步的. 現在各個行業與不同企事業單位中存在著各種各樣的數據孤島, 而這些數據又都是推進人工智慧的關鍵因素. 政府如能推動打破資訊孤島, 將可極大促進人工智慧行業的發展, 對於AI晶片產業也具有巨大的帶動作用. ' 無論是晶片, 演算法, 還是數據, 應用, 人才, 任何短板都將使人工智慧難以實現快速均衡的發展. 國內廠商目前更應該保持一定的定力以及工匠之心, 基礎研究千萬不能落下. 政府則需要從國家層面進行政策引導和實際的支援. 唯有政府和企業共同推進, 才能讓中國的人工智慧與半導體產業走得更遠.
