作為人工智能（AI）産業發展的基石，AI晶片近年來發展迅猛，眾多企業紛紛佈局。然而，在日前于上海舉行的2019世界人工智能大會上，業界人士表示，當前AI晶片發展看似火熱，其實全球AI晶片産業尚處於“嬰兒期”，未來發展仍需找準突破點。

 

AI晶片需求廣闊迎來爆發

 

算力是人工智能發展的關鍵因素之一，隨著深度學習演算法的普及應用，人工智能對算力提出了更高要求，傳統的CPU架構無法滿足深度學習對算力的需求，因此，具有海量數據並行計算能力、能夠加速計算處理的人工智能晶片應運而生。

 

近年來，AI晶片産業發展迅猛，眾多企業紛紛佈局。結合應用場景和功能劃分來看，AI晶片設計可分為雲端訓練、雲端推斷、終端推斷三部分。其中雲端訓練晶片主要以英偉達的GPU為主，新入競爭者是谷歌的TPU，深耕FPGA的企業包括XILINX、英特爾。在雲端推斷方面，各企業呈現出百家爭鳴局面，代表企業有AMD、谷歌、英偉達、百度、寒武紀等。在終端推斷方面，移動終端、自動駕駛等應用場景需求逐漸爆發，佈局企業包括傳統晶片巨頭和初創企業，如高通、華為海思、地平線、寒武紀、雲知聲等。

 

賽迪顧問在 2019世界人工智能大會上發佈的《中國人工智能晶片産業發展白皮書》顯示，受宏觀政策環境、技術進步與升級、人工智能應用普及等眾多利好因素影響，2018年中國AI晶片市場規模達到80.8億元，同比增長50.2%。

 

在地方政府加快推進公有雲、私有雲、數據中心等建設的拉動下，2018年中國雲端訓練晶片市場份額達到51.3%。中國AI晶片市場規模依然以雲端訓練晶片為主，隨著中國人工智能應用需求不斷落地，未來本地化運算將是人工智能發展的趨勢之一，終端推斷晶片也將迎來新的發展機遇。

 

目前來看，華北、華東和中南地區穩居中國AI晶片區域市場三甲，是中國AI晶片市場發展最為領先的區域，市場總體規模佔據全國領先位置；在市場增速方面，隨著西部地區加快投入大數據中心建設，西南、西北地區的雲端AI 晶片市場規模呈現高速增長，市場份額進一步提升。

 

人工智能應用市場的爆發，使得以基礎層為核心的AI晶片受到資本的廣泛關注。最近一年多來，寒武紀、燧原科技、比特大陸、地平線等多家廠商宣佈獲得融資消息。獲得投融資的廠商希望能夠進一步提高AI晶片技術研發水準，並加速AI晶片産品規模商業化，增強市場對其未來收益的預期。

 

不過，賽迪顧問總裁孫會峰表示：“當前，中國乃至全球AI晶片産業仍處於産業化早期階段”。他説，隨著5G、物聯網時代來臨，預計未來三年中國AI晶片市場規模仍將保持50%以上增長速度，到2021年將達到305.7億元。另外，以邊緣計算為主的AI晶片將迎來一輪投資熱潮。

 

“近年來，我國在晶片和軟體領域攻克了一些關鍵技術難關，為人工智能晶片創新奠定了好的基礎。”工業和信息化部相關負責人表示，工信部在推動人工智能産業發展方面主要聚焦在幾個方面，其中之一即聚焦核心技術，圍繞人工智能晶片、演算法、開源開放平臺等關鍵技術發展，加大資源投入。

 

喧囂背後市場痛點猶存

 

AI晶片已成為中外科技企業競爭的焦點之一，以至於清華大學微電子所所長魏少軍用“無産業不AI，無應用不AI，無晶片不AI”這樣的話語描述當下的人工智能熱潮。

 

在市場格局上，作為傳統晶片巨頭，英偉達目前佔據著AI晶片市場的霸主地位。通過積極佈局，高通在移動領域的AI晶片市場擁有較強的話語權。阿裡巴巴、亞馬遜在AI晶片領域的佈局也已初見雛形。如寒武紀、地平線、比特大陸等其他 AI晶片初創企業的發展前景同樣值得期待。

 

在專家看來，隨著機器學習等技術的快速發展，人工智能産業發展正以其高端的新興技術、巨大的商業價值、廣闊的應用前景和龐大的産業空間，成為新的重要經濟增長點。伴隨著人工智能各種應用場景的普及與發展，海量多維的數據將在雲端以及邊緣側展開大量處理計算，晶片也面臨更加廣泛以及多樣化的需求，這對AI晶片的計算架構、運算能力、場景與演算法適用性、安全可控等都提出了新的課題與挑戰。

 

目前，AI晶片技術主流路徑有GPU、FPGA、ASIC等，其中GPU、FPGA是較為成熟的晶片架構，ASIC是針對特定應用場景的專用晶片。GPU架構的晶片能滿足深度學習大量計算需求，釋放人工智能的潛能，但缺點在於功耗較高；FPGA架構的晶片具有足夠的計算能力、較低試錯成本和足夠的靈活性，缺點在於價格較高、編程複雜；ASIC架構的晶片能夠在特定功能上進行強化，具有更高的處理速度和更低能耗，但缺點是成本高，有用量足夠大時才能夠降低成本，而且由於是定制化，可複製性一般。

 

據計算機視覺公司雲從科技副總裁張立介紹，傳統晶片企業通常更關注是如何把晶片做成通用化，以支持各種不同應用場景。但這樣的通用化，在AI場景落地時會遇到問題，比如公司對AI晶片考慮較多的是單位功耗，而晶片企業對功耗要求可能不是首要優先級。公司在將AI場景落地的過程中，發現通用晶片完全滿足不了需求。這給從事AI解決方案和核心演算法的企業帶來了難題——公司的演算法是統一的，但需要在不同的場景適配不同的晶片和模組。

 

“目前，AI晶片發展還處在嬰兒期”。張立表示，現在企業使用的很多AI晶片因為工藝要求較高，很難在大陸流片，都是在臺積電進行流片。同時，也正因這工藝複雜度較高，導致晶片價格較高，使得下游很多使用其模組的産品無法量産。

 

作為國內邊緣側AI晶片領域的先行者，嘉楠科技早在2016年就掌握了16nm製程工藝，之所以現階段的AI晶片製程工藝仍為28nm，主要也是受出貨量的限制。

 

嘉楠科技CEO張楠賡表示，從功耗角度而言，很多雲端訓練的AI模型無法順利部署至邊緣側設備，應用場景也無法支持較高的晶片功耗。雖然一些雲端晶片巨頭也在向邊緣側延伸，但是裁剪AI演算法去適配晶片更多體現了巨頭們削足適履的局限。對嘉楠科技而言，從事邊緣側晶片的開發就是在“帶著鐐銬舞蹈”，要在功耗和成本的嚴格約束下，不斷提升算力，適配場景，提升晶片的專用性。

 

AI晶片發展需探索新路徑

 

“我們離人工智能還有多遠？目前很多企業所做的只是增強智慧而不是真正的人工智能，離真正的人工智能還差得很遠”。魏少軍表示，人工智能網絡能夠崛起取決於三個因素，演算法、數據和算力。當前，AI晶片面臨兩個現實問題：其一，演算法仍在不斷演進，新演算法層出不窮，每隔幾個月演算法就發生新的變化；其二，一種演算法對應一種應用，沒有統一的演算法，而讓晶片處理不同的演算法十分困難。

 

在魏少軍看來，AI晶片應該具備的要素包括可編程性、架構的動態可變性、高效的架構變換能力、高計算效率、高能耗效率、低成本等。按照這些要求，目前業界流行的一些作法均不是理想的架構。過去幾年，AI晶片領域一個重要變化就是架構的變化。人工智能晶片不在於追求算力，而在於架構創新。業界也需要找到一種針對人工智能計算的全新計算引擎。

 

針對國産AI晶片的發展，中國工程院院士倪光南表示，晶片設計門檻極高，只有極少數企業能夠承受中高端晶片研發成本，這也制約了晶片領域創新。我國可以借鑒開源軟體成功經驗，降低創新門檻，提高企業自主能力，發展國産開源晶片。

 

“開源軟體正成為當前軟體産業的主流，晶片産業也可以採用開源這種模式”。倪光南表示，目前在晶片開發方面，新的RISC—V指令集是一種能夠降低處理器晶片IP成本的新模式。用戶可以自由免費使用RISC-V進行CPU設計、開發並添加自有指令集進行拓展等。RISC-V對於當前國家提倡的智慧+新一代信息技術、新一代人工智能技術的發展等，都是很好的支撐。

 

賽迪顧問認為，人工智能晶片未來將呈現新發展趨勢——晶片開發將從技術難點轉向場景痛點。目前，人工智能晶片設計更多是從技術角度出發，以滿足特定性能需求。未來，晶片設計需要從應用場景出發，借助場景落地實現規模發展。而且，現在應用於AI領域的晶片多為特定場景設計，不能靈活適應多場景需求，未來需要專門為人工智能設計的靈活、通用的晶片，成為人工智能領域的“中央處理器”。另外，現階段AI晶片産業的發展方式主要以企業為主體，産品上下游企業的運營和管理相對獨立，但同環節的企業卻高度競爭，未來産業發展應以合作為主線，形成産業生態。