AI芯片的發(fā)展，離不開人工智能技術(shù)的成熟。人工智能從1956年誕生至今，共經(jīng)歷過三次大的浪潮。進(jìn)入21世紀(jì)，由于計(jì)算機(jī)性能的提升和海量數(shù)據(jù)的產(chǎn)生，以及機(jī)器學(xué)習(xí)和CNN技術(shù)（Convolutional Nerual Networks，卷積神經(jīng)網(wǎng)絡(luò)）獲得突破，算法、算力和數(shù)據(jù)都滿足了人工智能的商業(yè)化落地需求，人工智能迎來了高速發(fā)展的階段。

實(shí)際上，人工智能產(chǎn)業(yè)得以快速發(fā)展，離不開目前唯一的物理基礎(chǔ)——芯片?？梢哉f，“無芯片不AI”，能否開發(fā)出具有超高運(yùn)算能力、符合市場(chǎng)需求的芯片，已成為人工智能能否可持續(xù)發(fā)展的重要因素。

近年來，AI芯片產(chǎn)業(yè)發(fā)展迅猛，眾多企業(yè)紛紛布局。但從芯片的起步、發(fā)展、成熟的三個(gè)階段來看，人工智能芯片仍然處于起步階段。

巨頭新銳，共遇產(chǎn)業(yè)瓶頸

按應(yīng)用場(chǎng)景的不同，AI芯片設(shè)計(jì)可分為云端訓(xùn)練、云端推斷、終端推斷三部分。其中云端訓(xùn)練芯片主要以英偉達(dá)的GPU為主，新入競(jìng)爭(zhēng)者是谷歌的TPU，以及深耕FPGA的賽靈思與英特爾。在云端推斷方面，代表企業(yè)有AMD、谷歌、英偉達(dá)、百度、寒武紀(jì)等。

在終端推斷方面，由于移動(dòng)終端、自動(dòng)駕駛等應(yīng)用場(chǎng)景需求逐漸爆發(fā)，布局企業(yè)包括傳統(tǒng)芯片巨頭和初創(chuàng)企業(yè)，如高通、華為海思、地平線、寒武紀(jì)、比特大陸等。

不難發(fā)現(xiàn)，在市場(chǎng)格局上，雖然目前都是傳統(tǒng)芯片巨頭占據(jù)著AI芯片市場(chǎng)的霸主地位。但AI芯片落地難，是困擾巨頭與新銳的共同問題。??

地平線聯(lián)合創(chuàng)始人兼副總裁黃暢告訴億歐科創(chuàng)：AI芯片落地之所以難，首先是大家技術(shù)上都遇到了共同的瓶頸，也是所謂的“馮·諾依曼瓶頸”。

提高AI芯片性能的關(guān)鍵之一，在于支持高效的數(shù)據(jù)訪問。在傳統(tǒng)馮·諾伊曼體系結(jié)構(gòu)中，數(shù)據(jù)從處理單元外的存儲(chǔ)器提取，處理完之后再寫回存儲(chǔ)器。AI芯片本身基于馮·諾伊曼體系結(jié)構(gòu)，使用簡(jiǎn)單的功能是完全沒問題的。

但由于運(yùn)算部件和存儲(chǔ)部件存在速度差異，當(dāng)運(yùn)算能力達(dá)到一定程度，由于訪問存儲(chǔ)器的速度無法跟上運(yùn)算部件消耗數(shù)據(jù)的速度，再增加運(yùn)算部件也無法得到充分利用，即形成所謂的馮·諾依曼瓶頸，或“內(nèi)存墻”問題，這是長(zhǎng)期困擾計(jì)算機(jī)體系結(jié)構(gòu)的難題。

目前常見的方法是利用高速緩存（Cache）等層次化存儲(chǔ)技術(shù)，盡量緩解運(yùn)算和存儲(chǔ)的速度差異。然而，AI芯片中需要存儲(chǔ)和處理的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)大于之前常見的應(yīng)用。這都使得馮·諾依曼瓶頸問題在AI應(yīng)用中愈發(fā)嚴(yán)重。“可以不夸張地說，大部分針對(duì)AI提出的硬件架構(gòu)創(chuàng)新都是在和這個(gè)問題做斗爭(zhēng)?！秉S暢補(bǔ)充道。

不過，也正是由于人工智能芯片的技術(shù)難題，導(dǎo)致不論是巨頭還是新銳都處于同一起跑線，這給國(guó)產(chǎn)企業(yè)提供了良好的超越“賽道”。這也避免了傳統(tǒng)巨頭利用自身已有優(yōu)勢(shì)，快速甩開對(duì)手。

問鼎全球，如何彎道超車

19年6月20日，寒武紀(jì)推出第二代云端“思元270”；6月21日，華為發(fā)布人工智能手機(jī)芯片“麒麟810”；7月3日，百度發(fā)布人工智能芯片遠(yuǎn)場(chǎng)語音交互芯片“鴻鵠”；10月29日，地平線發(fā)布AIoT邊緣計(jì)算人工智能芯片“旭日二代”。

可以發(fā)現(xiàn)，國(guó)產(chǎn)企業(yè)在AI芯片領(lǐng)域的布局已初見雛形，有一戰(zhàn)之力。但想問鼎全球，仍需改善一些不足。

針對(duì)國(guó)產(chǎn)AI芯片的發(fā)展，中國(guó)工程院院士倪光南多次表示，芯片設(shè)計(jì)門檻極高，只有極少數(shù)企業(yè)能夠承受中高端芯片研發(fā)成本，這也制約了芯片領(lǐng)域創(chuàng)新。我國(guó)可以借鑒開源軟件成功經(jīng)驗(yàn)，降低創(chuàng)新門檻，提高企業(yè)自主能力，發(fā)展國(guó)產(chǎn)開源芯片。

“開源軟件正成為當(dāng)前軟件產(chǎn)業(yè)的主流，芯片產(chǎn)業(yè)也可以采用開源這種模式?！蹦吖饽蠌?qiáng)調(diào)，目前在芯片開發(fā)方面，新的RISC－V指令集是一種能夠降低處理器芯片IP成本的新模式。企業(yè)可以自由免費(fèi)使用RISC－V進(jìn)行CPU設(shè)計(jì)、開發(fā)并添加自有指令集進(jìn)行拓展等。RISC－V對(duì)于當(dāng)前AI芯片架構(gòu)的優(yōu)化，成本的控制，都有很好的效果。

關(guān)于AI芯片架構(gòu)，其實(shí)我國(guó)企業(yè)已有不少可圈可點(diǎn)的案例，例如華為的達(dá)芬奇架構(gòu)，寒武紀(jì)的Cambricon－X架構(gòu)，鯤云科技的CAISA架構(gòu)，地平線的伯努利架構(gòu)等。

比起人工智能芯片架構(gòu)，我國(guó)更應(yīng)該關(guān)注人工智能芯片的產(chǎn)業(yè)鏈完整度。

我國(guó)制造芯片的最新設(shè)備和工藝比國(guó)際先進(jìn)水平落后多代，因此一些人工智能芯片需要送到境外進(jìn)行制造和封裝。這就會(huì)造成芯片產(chǎn)量不足，以及價(jià)格過高的問題。使得下游很多使用其模組的產(chǎn)品無法量產(chǎn)，造成惡性循環(huán)，不利于行業(yè)的發(fā)展。

作為國(guó)內(nèi)邊緣側(cè)AI芯片領(lǐng)域的先行者，嘉楠科技早在2016年就掌握了16nm制程工藝，之所以現(xiàn)階段的AI芯片制程工藝仍為28nm，主要也是受價(jià)格和出貨量的限制。

賽迪顧問《中國(guó)人工智能芯片產(chǎn)業(yè)發(fā)展白皮書》顯示，中國(guó)人工智能芯片市場(chǎng)規(guī)模保持高速增長(zhǎng)。云端領(lǐng)域，2018年云端市場(chǎng)全球占比17．0％；預(yù)計(jì)2021年將達(dá)221．5億元，CAGR達(dá) 51．23％。終端領(lǐng)域，2021年將達(dá)84．1億元，CAGR為59．3％。

面對(duì)如此廣闊的市場(chǎng)，希望國(guó)產(chǎn)企業(yè)能潛心突破瓶頸，問鼎全球。