“AI芯片是AI技術發(fā)展過程中不可逾越的關鍵階段，不管有什么好的AI算法，要想最終得到應用，都必然通過芯片來實現(xiàn)。”

作為清華大學微電子所所長、芯片行業(yè)頂級大牛，魏少軍斷言，芯片是實現(xiàn)人工智能的當然載體。

如此，也造成了目前芯片行業(yè)格外躁動和火熱，不管是巨頭公司還是創(chuàng)業(yè)公司，不管是傳統(tǒng)制造公司還是互聯(lián)網公司，都在布局AI芯片行業(yè)。

| AI時代，芯片的架構創(chuàng)新是不可回避的課題

隨著市場對芯片計算能力的需求提高，芯片制造工藝也在不斷提高，與之而來的是芯片制造成本也隨著漲高。有業(yè)內人士稱，如今設計制造一顆10nm芯片的成本要幾千萬美元，就算目前寒武紀、深鑒科技等專門做AI芯片的企業(yè)，即使采用28nm的芯片工藝，前期從投入到流片的成本都要超過400萬美元。也就是說，單一品類的芯片出貨量沒有百萬級很難收回成本。

魏少軍同時向網易智能表示，要想讓AI芯片能夠在使用中變得更”聰明“，架構創(chuàng)新就是它面臨的一個不可回避的課題。AI算法目前處于不斷的變化中，芯片公司都希望找到能夠適應所有算法的結構，“高能效通用的深度學習引擎是AI芯片的必備特征。”

基于此，魏少軍列出了AI芯片應該具備的幾個基本要素：

1、可編程性，適應算法的演進和應用的多樣性;

2、架構的動態(tài)可變性，適應不同的算法并實現(xiàn)高效計算;

3、高效的架構變換能力，<10 Clock cycle，低開銷、低延遲;

4、高計算效率，避免使用指令這類低效率的架構;

5、高能量效率，~10 TOPS/W;

6、低成本，能夠進入家電和消費類電子;

7、體積小，能夠裝載在移動設備上;

8、應用開發(fā)方便，不需要芯片設計方面的知識。

根據(jù)以上要素判斷，目前的CPU+SW、CPU+GPU、CPU+FPGA、CPU+ASIC的作法都不是理想的架構。

與此同時，魏少軍在現(xiàn)場從軟硬件可以編程性維度將現(xiàn)在的AI芯片方案做了劃分：

第一個方案就是CPU、DSP等處理器，芯片硬件可編程性很弱，軟件可編程性強，芯片運行需要軟件。這類芯片雖然具備通用性、高靈活性，但是成本高、價格貴，能量效率和計算效率不高，而且被行業(yè)寡頭壟斷。

第二種方案是ASIC、SoC等專用集成電路，芯片軟硬件可編程性都很弱，雖然價格便宜、能量效率和計算效率很高，但是專用芯片不具備靈活性，一旦制造完成硬件就不可更改。

第三種方案是FPGA、EPLD等可編程邏輯器件，這種芯片硬件可編程性強，軟件可編程性很弱。雖然硬件可編程，但是靜態(tài)編程，一旦配置完畢就不可更改，邏輯不可復制，而且成本高昂、芯片研發(fā)周期長，能量效率和計算效率低。

第四種方案是RCP、CGRA等軟件定義芯片(SdC)，軟件、硬件均可編程，芯片功能隨軟件變化而變化，而且具備通用和高靈活性，未來擴大用量就可以降低成本。

| 提出軟件定義芯片，Thinker芯片課題組將融資并成立公司

軟件定義芯片是魏少軍帶領的清華微電子所提出的全新芯片架構定義，實現(xiàn)了讓芯片根據(jù)軟件進行適應與調整?；谶@種架構，清華微電子所相關課題組研發(fā)出了全新的Thinker系列芯片，使用了可重構計算芯片架構。在這個架構中，Thinker可以根據(jù)控制單元的要求配置計算單元陣列并執(zhí)行，也可以根據(jù)軟件的要求將劃分后的任務送到數(shù)據(jù)通道執(zhí)行。而且，不同于馮諾依曼等效架構，可重構計算模式為函數(shù)化的硬件架構。

目前，Thinker系列芯片已經推出了面向通用神經網絡計算的Thinker 1代，面向極低功耗神經網路計算的Thinker 2，以及面向極低功耗語音應用的Thinker S。之前有媒體還報道稱，Thinker芯片的功耗非常低，只需要7號AA電池就能運行一年。

魏少軍還向網易智能透露，Thinker芯片的研發(fā)課題組目前正在融資，著手成立新公司進行市場化運作，但是對于融資額度，魏少軍表示不方便透露。

| 給國內造芯企業(yè)建議：光靠錢是砸不出來的，一定要開放

對于目前中國企業(yè)布局芯片，魏少軍表示支持，但是提出了一些建議。他說，“做芯片需要大量的人力和經驗，光靠錢是砸不出來的，所以一定要開放，不要封閉。”魏少軍同時表示，“如果是互聯(lián)網巨頭公司做芯片，我還要加一條建議，他們已經大到足以影響行業(yè)發(fā)展，所以在關鍵技術上要起到引領作用，能夠有更大的雄心，肩負起社會責任。”

在談到目前的AI芯片發(fā)展時，魏少軍表示，現(xiàn)在的AI芯片市場被過度炒作。“目前，國內芯片的很多領域都存在問題，他們都在吹牛，有人還提出超越英特爾，我反對這樣的說法。”

“英偉達當年做GPU就知道人工智能嗎?我想未必，只是最后發(fā)現(xiàn)GPU用在人工智能上面很好用，才逐漸做起來。”魏少軍認為，科研成果是很少能過計劃出來的，都是遇到市場機會做出來的。“科技研究很多都是無心插柳柳成蔭。”

| AI芯片能否獨立存在?還不知道，但是做語音芯片不要自欺欺人

“我們現(xiàn)在還不清楚AI芯片有沒有獨立存在的可能性，如果有，我們就能夠有機會創(chuàng)造出與英特爾一樣偉大的公司。”魏少軍坦言，“但是這個問題現(xiàn)在沒有答案。”

談到國內很多創(chuàng)業(yè)公司開始做語音芯片的時候，魏少軍這樣評論說，語音芯片到底要干嘛?要實現(xiàn)什么樣的功能?這個首先要搞清楚。”比如說，你要進行語義理解的識別，這個需要用到人工智能技術;但是你只是想做一個簡單的語音命令識別，不一定用到人工智能技術，現(xiàn)在其他技術完全夠用。“

在魏少軍看來，做語音芯片一定要看應用場景，目前很多場景下并不需要用到人工智能技術或者專門的語音芯片。“現(xiàn)在做人工智能，就一定會用到大量的計算，功耗一定更大，有時候得不償失。不要殺雞用牛刀，更不要不要自欺欺人。”魏少軍說到。

魏少軍最后表示，AI技術雖然正在不斷進步，但目前還主要集中在單個事務的訓練和推理上，要讓AI真的可以像人類一樣同時做出多個判斷和決定，算法研究還需要有更偉大的突破。“人的決策是多元的，但現(xiàn)在機器決策是單一的，現(xiàn)在是IA(增強智能)的時代。”