芯片是人工智能技術(shù)發(fā)展過程中繞不過的話題，好的AI算法要想導(dǎo)入應(yīng)用，就需要通過芯片來實現(xiàn)。縱觀AI芯片的演進(jìn)，經(jīng)歷了從“通用”到“專用”的變化。相伴而生的是，AI驅(qū)動芯片產(chǎn)業(yè)變革已逐漸轉(zhuǎn)向芯片驅(qū)動AI產(chǎn)業(yè)變革，而“綁定式”發(fā)展也必將是未來兩者相生的狀態(tài)。

走過通用到專用，AI還有哪些“芯”思路

在今天舉辦的CDNLive China上，清華大學(xué)微電子所所長魏少軍教授分享了AI芯片演進(jìn)路線，指出架構(gòu)創(chuàng)新是AI芯片面臨的一個不可回避的課題。在他看來，英特爾CPU、英偉達(dá)GPU、Xilinx FPGA等都處于AI芯片0.5階段，谷歌TPU等處于AI芯片1.0階段。對于AI芯片的未來，魏少軍教授也提供了一種新的思路，即軟件定義芯片。

繼“軟件定義芯片”之后，并非傳統(tǒng)IC企業(yè)出身的依圖科技聯(lián)合創(chuàng)始人、CEO朱瓏進(jìn)行了CDNLive China的壓軸演講并提出了“算法即芯片”的新思路。

CDNLive是一場半導(dǎo)體行業(yè)盛會，而此次壓軸演講由初跨入IC行業(yè)的依圖科技來進(jìn)行，也極具思考意義。

提及芯片，都會談及摩爾定律的問題。例如，在2018年CDNLive China上，海思平臺與關(guān)鍵技術(shù)開發(fā)部部長夏禹為摩爾定律站臺，表示摩爾定律還會持續(xù)不斷的推動半導(dǎo)體產(chǎn)業(yè)發(fā)展，但她也承認(rèn)先進(jìn)半導(dǎo)體工藝技術(shù)目前只空有數(shù)字，需要用另一種方式來呼應(yīng)摩爾定律。

而依圖制定“算法即芯片”路線的初衷也和摩爾定律有關(guān)。

在朱瓏看來，隨著摩爾定律走向終結(jié)，為了滿足不斷增長的計算需求，應(yīng)該向算法要算力。

依圖科技聯(lián)合創(chuàng)始人、CEO朱瓏

毋庸置疑，作為算法起家的依圖，其優(yōu)勢必然在于算法。依圖科技曾表示要用最好的算法造就世界級的AI芯片。今年5月9日，依圖科技首款A(yù)I芯片questcore發(fā)布，questcore成為“算法即芯片”的首個“踐行者”。

此外，7月29日，依圖科技宣布業(yè)界大牛顏水成博士加入依圖擔(dān)任首席技術(shù)官一職，并表示顏水成博士加入后的重點工作就包括帶領(lǐng)團(tuán)隊進(jìn)一步夯實依圖在人工智能基礎(chǔ)理論和原創(chuàng)算法方面的技術(shù)優(yōu)勢，為依圖在商業(yè)化場景落地方面提供強(qiáng)有力的技術(shù)支持。

走向高階智能，何為AI關(guān)鍵“抓手”？

在過去30年間的信息時代，CPU運算能力提升了100萬倍，存儲能力提升了100萬倍，通訊能力即數(shù)據(jù)的傳輸速度也提升了100萬倍。而在智能時代，提升100萬倍需要的時間卻大大縮短。從2019年回溯過去五年，機(jī)器的算法水平已提升了100萬倍。

值得注意的是，在算法提升100萬倍的同時，算力的提升是10萬倍。這似乎預(yù)示著，算力的提升還有很大的潛力，似乎可以作為重要突破口。畢竟，目前僅僅是處于弱人工智能發(fā)展階段，向強(qiáng)人工智能、超人工智能階段發(fā)展還有很長的路要走。

朱瓏也給當(dāng)前的人工智能發(fā)展水平做了一個非常冷靜、克制的評價，他認(rèn)為，AI所及仍是低階智能，智能要往前躍遷，最重要的就是提升基礎(chǔ)設(shè)施?；A(chǔ)設(shè)施提升的關(guān)鍵，在于提升一個區(qū)域或城市的智能密度。

智能密度需要從宏觀與微觀兩個維度考量。宏觀上，要從單體智能發(fā)展到群體智能；微觀上，則是提升單位面積的智能算力，只有具備高經(jīng)濟(jì)性、高性價比的基礎(chǔ)設(shè)施，才能推動智能水平的躍遷。

朱瓏強(qiáng)調(diào)，點亮AI是一場基礎(chǔ)設(shè)施的革命，基礎(chǔ)設(shè)施的提升，關(guān)鍵在于提升一個區(qū)域或城市的“智能密度”，“智能密度”的提升，將帶來革命性的成果，最終實現(xiàn)更高階的智能文明。

算法、數(shù)據(jù)和算力是人工智能崛起的三個基本要素。而隨著AI算法的高速發(fā)展、半導(dǎo)體摩爾定律的失效，AI算力不足的問題逐漸凸顯 。換而言之，AI行業(yè)蓬勃發(fā)展的同時AI算力卻無法滿足企業(yè)和消費者日益增長的需求，算力問題成為AI行業(yè)面臨的共同痛點。

無論英偉達(dá)GPU算力革命、華為智能計算、還是百度與英特爾合作等，都是以打破算力瓶頸為出發(fā)點。但對于普惠AI而言，攻克算力課題除了單純的數(shù)據(jù)提升，還有“經(jīng)濟(jì)”維度的考量。

因此，AI算法提升驅(qū)動算力提升，企業(yè)競速背后是產(chǎn)品單位性能、功耗、成本之間的博弈。

依圖科技也曾向集微網(wǎng)記者表示，依圖并非為了做芯片而做芯片，而是從場景出發(fā)，提供性能、功耗和成本最優(yōu)的一體化解決方案。

由此不難發(fā)現(xiàn)，依圖“智能密度”概念的提出也是在此思路下提出的，并從單體智能的考量維度擴(kuò)展到了群體智能。例如在城市場景中，基礎(chǔ)設(shè)施智能密度達(dá)到一定程度便可以解鎖更多的城市管理場景。

或者換個角度詮釋，算力和算法決定了智能的密度，提升智能密度也將成為AI普及并向高階邁進(jìn)的關(guān)鍵。