魏少军：大部分AI芯片企业都会成为“先烈”

2018年3月9日，由智东西联合极果、AWE举办的GTIC 2018全球AI芯片创新峰会在上海举办。本次峰会以“走进AI世界，从芯看未来”为主题，汇集了清华大学微电子所所长魏少军、NVIDIA亚太区AI技术中心首席技术官Simon See、联发科技副总经理暨家庭娱乐产品事业群总经理游人杰以及深鉴科技联合创始人兼CEO姚颂、启英泰伦创始人&董事长何云鹏等众多行业人士，共谈AI芯片的最新技术动向及产业落地前景。

会上， 清华大学微电子所所长魏少军呼吁，当前，AI领域芯片已“炒作”过热，在目前还没有出现AI通用算法的芯片，以及，AI杀手级应用尚未出现的情况下，AI芯片未来发展还有长路要走。而推进AI芯片需要软件、硬件“双轮驱动发展”，其中，软件更是扮演核心的关键角色。

人工智能是一个老的新话题

我们看到，近年来，在人工智能领域有两件事情，刺激了人们的神经。

首先是在去年，谷歌的alphago和两位世界级围棋选手分别进行了对弈，而alphago都取得了胜利。对于这件事情，很多人都认为这件事情代表了人工智能取得了重大的进步。

但是，魏少军教授对于这件事情并没有抱着过于悲观的态度。他认为，从alphago与人类对弈的初衷目的来说，并没有达到最初目标。最开始谷歌的目标是alphago在没有经过人工干预的情况下获得最终的胜利，从而证明机器做能够自我学习，战胜人类。但是最终的结果显示，这两场比赛，都有人工干预的成分在其中，alphago才取得了最终的胜利。

第二件事情就是在2011年，IBM举行了一场名叫《危险边缘》的比赛，这场比赛更能够反映人工智能作用。虽然比赛中计算机的体积不大，但是它的人工智能程度远远高于alphago。“与这类机器相比较而言，alphago只能算是专门用于下围棋的机器。”魏少军教授表示。

但是，尽管如此，魏少军教授认为人工智能依旧是一个老的新话题。

芯片是实现人工智能的当然载体

魏少军他指出，当前人工智能算法非常多，层出不穷并没有统一，根据应用不同，因应算法也不同；从硬件芯片来说，需要具备AI深度学习引擎，从云端向终端迁移的过程，需要极高效能通用深度学习引擎。

那么人工智能芯片是什么呢？

从目前主要的几个机器学习芯片平台来看。

首先是GPU。目前GPU的计算能力要比CPU高很多倍。从全部图形芯片市场来看。英特尔目前占了71%，英伟达占了16%，AMD占了13%。但是从分立式GPU市场来看，英伟达占了71%，AMD占了29%。所以英伟达在分立式GPU市场产品中占有绝对的优势，其产品广泛应用于数据中心的人工智能训练。

此外，人工智能芯片的第二个发展方向就是FPGA和TPU。

FPGA所实现的人工智能芯片，能够在相同的情况下，功耗下降到GPU环境的20%。但是这依旧很难在移动设备上使用。

而TPU的问题在于精度不高。所以TPU主要适用于不需要极高精度的机器学习相关计算。与GPU相比，TPU旨在以较低的精度来提高性能，功耗下降到GPU环境的10%左右。

芯片是实现AI实现智能的当然载体，“无芯片，不AI”。这也使得如今的芯片行业进入到一个高爆发和强竞争的阶段，例如英伟达在分立式GPU产品上占有优势，产品广泛应用于数据中心的人工智能训练；AMD能够提供异构GPU/CPU（即APU），以及集成或分立的GPU；同时还有深鉴科技、寒武纪科技等国内创业公司在细分行业领域的深耕。

构成智能芯片的关键要素

从人工智能芯片的架构来看，前端有很多的传感器，后端则是很多的执行器，而连接着两个部分的，绝不仅仅只是单一的芯片，而需要很多的功能。

在此基础上，我们总结出了，人脑的的相关的工作结构，其中包括：多输入/多输出系统；高度复杂的互连结构；多任务且高度并行化运行系统；多处理器单元系统；并行分布式存储；并行分布式软件；分布式处理与集中控制系统。

综上所述，构成智能芯片的关键要素到底有哪些呢？在魏少军教授看来，主要包含一下部分：

一． 可编程性：适应算法的演进和应用的多样性；

二． 架构的动态可变性：适应不同的算法，实现高效计算；

三． 高效的架构变换能力：< 10 Clock cycle， 降低开销；

四． 高计算效率：避免使用指令这类低效率的架构。

五． 高能量效率：~5TOps/W

       某些应用：功耗 < 1mW

       某些应用：识别速度 > 25f/s

六． 低成本：能够进入家电和消费类电子；

七． 体积小：能够装载在移动设备上；

八． 应用开发简便：不需要芯片设计方面的知识；

但是，魏少军教授认为，目前的CPU、CPU GPU、CPU FPGA、CPU ASIC的作法均不是理想的架构。

AI杀手级应用还没出现

魏少军教授认为，现在AI芯片已经被过度“炒作”, 尤其媒体跟风起到很大作用。实际上，目前还没有出现像CPU一样的AI通用算法芯片，AI杀手级应用还没出现，未来还有很长一段路要走。

在应用方面，“无行业不AI”，无论是人脸识别，语音识别、机器翻译、监控、交通规划、无人驾驶、智能陪伴、舆情监控、智慧农业等等，似乎AI涵盖了人们生产生活中的方方面面。然而，哪些应用真的需要AI？我们希望AI帮助解决什么样的问题？什么是AI的“杀手级”应用？什么样的AI应用是我们每天都需要的？这些问题到今天仍旧没有解决。

AI应用落地还有很长的路要走，而对于从业者来讲，当务之急是研究芯片架构问题。从感知、传输到处理，再到传输、执行，这是AI芯片的一个基本逻辑。但是智慧处理的基本架构是什么？还没有人能够说得清，研究者只能利用软件系统、处理器等去模仿人类。软件是实现智能的核心，芯片是支撑智能的基础。

总结

魏少军在演讲最后总结出如下五点思考：

1、AI芯片是当前科技、产业和社会关注的热点，也是AI技术发展过程中不可逾越的关键阶段，不管有什么AI算法，要想最终得到应用，就必然要通过芯片来实现。

2、由于还不存在适应所以应用的“通用”算法，确定应用领域就成为发展AI芯片的重要前提。遗憾的是，AI的“杀手”级应用目前尚未出现，已经存在的一些应用对于老百姓的日常生活来说也还不是刚需，因此，AI芯片的外部发展还有待优化。

3、架构创新是AI芯片面临的一个不可回避的课题。一个重要问题：是否会出现像通用CPU那样独立存在的AI处理器？如果存在的话，它的架构是怎样的？如果不存在，那么目前以满足特定应用为主要目标的AI芯片就一定只能以IP核的方式存在，最终被各种各样的SoC所集成。如果真是这样，那么今天从事AI芯片研究的设计公司该何去何从？

4、可重构计算芯片技术允许硬件架构和功能随软件变化而变化，实现软件定义芯片，在实现AI功能时具有独到的优势，具备广阔的前景。

5、目前大部分的AI芯片创业者都会成为“先烈”，而这将成为AI发展中最令人钦佩也最令人动容的伟大事件