張貝貝

人工智能的應(yīng)用與發(fā)展正在席卷全球，給整個(gè)半導(dǎo)體和芯片產(chǎn)業(yè)帶來了巨大的發(fā)展空間與商機(jī)，甚至影響著芯片產(chǎn)業(yè)的發(fā)展走勢(shì)。

人工智能并非是一個(gè)全新概念，在過去的70年中，以阿蘭·圖靈、馬文·明斯基和約翰·麥肯錫為代表的一批計(jì)算機(jī)科學(xué)家逐步奠定了其主要的理論和技術(shù)基礎(chǔ)，而今天，人們?cè)僬劦饺斯ぶ悄?，無論是其內(nèi)涵還是外延，其內(nèi)容都更加豐富。

在埃森哲發(fā)布的《人工智能：助力中國(guó)經(jīng)濟(jì)增長(zhǎng)》報(bào)告中，人工智能具備三大核心能力：

第一個(gè)能力是感知，計(jì)算機(jī)視覺和音頻處理技術(shù)能夠通過捕捉和處理圖像、聲響及語音，主動(dòng)感知周圍的世界。面部識(shí)別功能在邊境檢查站的使用，即是以此提高工作效率的實(shí)際應(yīng)用。第二個(gè)是理解，自然語言處理和推理引擎賦予人工智能系統(tǒng)分析和理解所能收集信息的能力，此類技術(shù)可用于支持語言翻譯功能，由此輔助搜索引擎工作。第三個(gè)是行動(dòng)，人工智能系統(tǒng)可以借助專家系統(tǒng)和推理引擎等技術(shù)采取行動(dòng)，或是指導(dǎo)實(shí)體世界的活動(dòng)，汽車的自動(dòng)駕駛和輔助制動(dòng)功能便是這方面的實(shí)例。

人工智能，正如我們看到的那樣，集多項(xiàng)技術(shù)于一身，使機(jī)器可以感受、理解、學(xué)習(xí)并采取行動(dòng)，無論是自食其力還是參與人類活動(dòng)。埃森哲研究了AI（人工智能）在12個(gè)發(fā)達(dá)經(jīng)濟(jì)體中所產(chǎn)生的影響，揭示了通過改變工作本質(zhì)創(chuàng)建人與機(jī)器之間的新型關(guān)系。經(jīng)預(yù)測(cè)，AI可將勞動(dòng)生產(chǎn)率提高40%，使人們能更有效地利用時(shí)間。到2035年，AI能使年度經(jīng)濟(jì)增長(zhǎng)率提高一倍。

國(guó)務(wù)院近日印發(fā)《新一代人工智能發(fā)展規(guī)劃》，提出了面向2030年我國(guó)新一代人工智能發(fā)展的指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點(diǎn)任務(wù)和保障措施，部署構(gòu)筑我國(guó)人工智能發(fā)展的先發(fā)優(yōu)勢(shì)，加快建設(shè)創(chuàng)新型國(guó)家和世界科技強(qiáng)國(guó)。

從全球經(jīng)濟(jì)發(fā)展來看，在邁過工業(yè)化階段后，信息技術(shù)所能賦予經(jīng)濟(jì)增長(zhǎng)的紅利期日趨收窄，全球經(jīng)濟(jì)已再度邁入嚴(yán)重的供需失衡階段。新經(jīng)濟(jì)時(shí)代人工智能發(fā)揮的作用日益明顯，已成為當(dāng)下政產(chǎn)學(xué)各界的共識(shí)。有人認(rèn)為，以人工智能為特征的第四次產(chǎn)業(yè)革命將深度影響世界經(jīng)濟(jì)新秩序的重建，那么人工智能時(shí)代，企業(yè)該如何抓住新的機(jī)遇，有效部署AI戰(zhàn)略？

此外，毫無疑問的是，人工智能將推動(dòng)新一輪計(jì)算革命，而芯片行業(yè)作為產(chǎn)業(yè)最上游，是人工智能時(shí)代的開路先鋒，也是人工智能產(chǎn)業(yè)發(fā)展初期率先啟動(dòng)、彈性最大的行業(yè)。未來，擁有更大應(yīng)用市場(chǎng)的人工智能時(shí)代必將孕育出更多芯片企業(yè)。

AI落地商用有多遠(yuǎn)

過去20多年，互聯(lián)網(wǎng)的誕生徹底改變了這個(gè)世界，科技界的焦點(diǎn)完成了從個(gè)人電腦向移動(dòng)端的切換，而未來可能掌握在人工智能（AI）手中。

AI市場(chǎng)熱鬧非凡

有數(shù)據(jù)顯示，僅在今年第一季度就有34家人工智能初創(chuàng)公司被收購(gòu)，為去年同期的兩倍?？萍计髽I(yè)想要鞏固自己在人工智能領(lǐng)域的優(yōu)勢(shì)，或者是彌補(bǔ)自己在該領(lǐng)域的不足，最快捷的辦法就是并購(gòu)。據(jù)了解，谷歌自2012年以來已經(jīng)收購(gòu)了11家人工智能公司，接下來才是蘋果、Facebook和英特爾。

蘋果公司在一年之內(nèi)先后收購(gòu)了Emotient、Turi和Tuplejump三家人工智能公司。英特爾則將Itseez、Nervana Systems和Movidius三家公司收入囊中。此外，亞馬遜收購(gòu)了具有圖片識(shí)別技術(shù)的人工智能初創(chuàng)企業(yè)Orbeus。Facebook早在2013年12月就成立了人工智能實(shí)驗(yàn)室，微軟正在籌建Microsoft Research AI研究院。

當(dāng)前，無論是海外科技巨頭，還是國(guó)內(nèi)的阿里、百度、騰訊等公司都在通過并購(gòu)獲取AI專有知識(shí)，人工智能相關(guān)公司的并購(gòu)新聞也越來越多。

值得特別提到的是，IBM在AI領(lǐng)域的探索早在20世紀(jì)80年代就顯露頭角。80年代專家系統(tǒng)的推出、1997年擊敗國(guó)際象棋冠軍卡斯帕羅夫的深藍(lán)計(jì)算機(jī)、2011年在美國(guó)智力競(jìng)賽節(jié)目《危險(xiǎn)邊緣》中戰(zhàn)勝其人類對(duì)手的沃森系統(tǒng)，均出自IBM在AI領(lǐng)域的探索。

在戰(zhàn)略層面，2016年當(dāng)初，IBM首席執(zhí)行官羅睿蘭（GinniRometty）在全球最大規(guī)模的國(guó)際消費(fèi)類電子產(chǎn)品展覽會(huì)（InternationalConsumer Electronics Show，簡(jiǎn)稱CES）上發(fā)表演講時(shí)指出：“IBM不再只是一家硬件公司或軟件公司，而已經(jīng)轉(zhuǎn)型為一家認(rèn)知解決方案云平臺(tái)公司。

在2017年IBM中國(guó)論壇上，IBM進(jìn)一步明確了發(fā)展“商業(yè)人工智能”的戰(zhàn)略，展示了IBM作為一家認(rèn)知解決方案和云平臺(tái)公司在全球范圍內(nèi)的突破性進(jìn)展。而且IBM方面表示，要在“助力行業(yè)轉(zhuǎn)型”上與中國(guó)本地伙伴在電子、能源、教育、汽車、醫(yī)藥、高性能材料及相關(guān)服務(wù)等行業(yè)或領(lǐng)域進(jìn)行廣泛合作。

今年，IBM推出了一款面向人工智能的基礎(chǔ)架構(gòu)解決方案—IBM認(rèn)知系統(tǒng)（Cognitive Systems）。該方案基于Power Systems而構(gòu)建，以往x86架構(gòu)下以CPU為核心的計(jì)算性能提升到達(dá)瓶頸，呼喚計(jì)算力的重構(gòu)。IBM通過專業(yè)的服務(wù)團(tuán)隊(duì)，為用戶提供基于自身需求的人工智能服務(wù)；包括BlueMind深度學(xué)習(xí)云平臺(tái)，PowerAI深度學(xué)習(xí)框架，以及使用NVLink技術(shù)的IBM Power System S822LCMinsky服務(wù)器提供一個(gè)硬件+軟件整合的解決方案，為主流人工智能框架更順暢地運(yùn)行在Power Systems上提供可能。

具體來說，在人工智能和認(rèn)知計(jì)算領(lǐng)域，IBM提供的是一個(gè)硬件+軟件整合的解決方案，為主流人工智能框架更順暢地運(yùn)行在Power Systems上提供可能。這一系統(tǒng)方案，不但有最底層的硬件（如服務(wù)器、存儲(chǔ)和網(wǎng)絡(luò)連接），之上還有集成優(yōu)化的PowerAI深度學(xué)習(xí)開發(fā)框架，以及幫助縮短開發(fā)周期優(yōu)化參數(shù)的BlueMind深度學(xué)習(xí)平臺(tái)。最上層是IBM的服務(wù)與支持，包括研發(fā)部門提供的定制化、滿足需求的研發(fā)服務(wù)。

其實(shí)，不同于為生活中某項(xiàng)便利性和娛樂性需求服務(wù)的“通用人工智能”，IBM開發(fā)和應(yīng)用人工智能及認(rèn)知系統(tǒng)的初衷是解決商業(yè)問題。一直以來，IBM專注于通過“商業(yè)人工智能”進(jìn)行專業(yè)領(lǐng)域研究和解決行業(yè)問題，例如在找到有效治理大氣環(huán)境問題方法的同時(shí)，如何最大程度地減少對(duì)經(jīng)濟(jì)的影響，還有利用認(rèn)知技術(shù)解決疾病風(fēng)險(xiǎn)防控和治療等難題。endprint

企業(yè)落地AI應(yīng)用有挑戰(zhàn)

沒有落地應(yīng)用的任何技術(shù)應(yīng)用和解決方案都是沒有意義的，人工智能和認(rèn)知計(jì)算雖然是特別火的話題，當(dāng)前無論從研究的角度看，還是從應(yīng)用前景考慮，AI都獲得了巨大成果，但是這些成果是不是能夠被企業(yè)所利用，轉(zhuǎn)換為企業(yè)的業(yè)務(wù)價(jià)值呢？

IBM全球副總裁、IBM中國(guó)系統(tǒng)開發(fā)中心總經(jīng)理謝東博士坦言，就目前的發(fā)展來看，人工智能落地應(yīng)用其實(shí)還有一點(diǎn)差距，而造成這種差距主要有兩方面的原因：“第一，在研究的過程中有很多模型，找出一個(gè)好的算法或者解決一個(gè)特定的問題比較容易做到。但很多時(shí)候典型的做法是一個(gè)模型需要研究不同參數(shù)的配置，然后跟原來的模型進(jìn)行比較。從理論到落地應(yīng)用情況和問題會(huì)更加具體和復(fù)雜，并不是你找到一個(gè)模型比原來的模型好就意味著你能把這個(gè)模型用起來了，實(shí)際上你還要達(dá)到很多能夠運(yùn)用的標(biāo)準(zhǔn)。第二，雖然現(xiàn)在模型很多，而且解決問題的手段非常有效，但實(shí)際上用的時(shí)候會(huì)涉及專業(yè)性，要把理論模型和實(shí)際相結(jié)合，對(duì)于各個(gè)企業(yè)來說還需要跨出一大步?！?/p>

事實(shí)上，相比各大IT巨頭在人工智能的布局，企業(yè)用戶更多地選擇謹(jǐn)慎思考，思考如何把人工智能的能力結(jié)合自己的業(yè)務(wù)應(yīng)用起來，或者是說企業(yè)如何具備這樣的一種能力，建立自己的人工智能架構(gòu)，開放人工智能的應(yīng)用。

對(duì)此，謝東認(rèn)為，基于Power Systems的IBM“認(rèn)知系統(tǒng)”平臺(tái)的目標(biāo)就是幫助大家能夠建立起自己的AI，能夠進(jìn)行AI應(yīng)用的開發(fā)。這個(gè)平臺(tái)的目標(biāo)或者說特點(diǎn)有五個(gè)：

第一，平臺(tái)涉及整個(gè)周期，從前端數(shù)據(jù)的收集、清洗、整理、處理，再到后面模型的訓(xùn)練，再到模型運(yùn)用以后進(jìn)行實(shí)施，幫助用戶完成一個(gè)生命周期的管理，使得你能真正把人工智能落到實(shí)際應(yīng)用中去，是一個(gè)端到端的方案。

第二，幫助大家在訓(xùn)練中選擇模型和更好地調(diào)優(yōu)、調(diào)參數(shù)。一個(gè)模型來了以后，選什么樣的神經(jīng)元網(wǎng)絡(luò)，機(jī)器學(xué)習(xí)的模型還是深度學(xué)習(xí)的網(wǎng)絡(luò)？這是需要精心設(shè)計(jì)和選擇的。

第三，提供實(shí)際可應(yīng)用的管理系統(tǒng)，要解決如何更好地并行化、進(jìn)行資源管理等，不能無限制擴(kuò)大，而是經(jīng)濟(jì)節(jié)省的系統(tǒng)。

第四，平臺(tái)是一種開放的設(shè)計(jì)，未來有很多新算法出現(xiàn)的時(shí)候，能夠讓用戶很快集成到這個(gè)平臺(tái)里面用起來，這是開放的特點(diǎn)。

第五，涉及實(shí)際入手的問題，幫助大家設(shè)計(jì)了很多模板，有行業(yè)特色的模板，讓大家通過這些模板更快地設(shè)計(jì)出自己的系統(tǒng)。

其實(shí)，近年來云計(jì)算、大數(shù)據(jù)、移動(dòng)、物聯(lián)網(wǎng)等技術(shù)應(yīng)用層出不窮，對(duì)于企業(yè)是不小的挑戰(zhàn)，無論是企業(yè)的CIO還是CTO，幾年前更多考慮的是企業(yè)里面數(shù)據(jù)的架構(gòu)是什么樣子的，云的架構(gòu)是什么樣子的，而現(xiàn)在還要更多地考慮人工智能的架構(gòu)應(yīng)該如何設(shè)計(jì)，讓這個(gè)架構(gòu)能夠跟公司的業(yè)務(wù)相結(jié)合。

謝東根據(jù)自己的觀察表示：“我們看到很多企業(yè)以及用戶，都處在建立自己人工智能團(tuán)隊(duì)和能力的過程之中。比如需要一個(gè)團(tuán)隊(duì)，要有數(shù)據(jù)科學(xué)家、人工智能科學(xué)家，他們能夠把計(jì)算的算力，把這些數(shù)據(jù)變成人工智能的應(yīng)用，而這個(gè)過程中，IBM可以為大家提供咨詢服務(wù)、技術(shù)支持，幫助這些企業(yè)設(shè)計(jì)出自己的人工智能的基礎(chǔ)架構(gòu)，幫助部門建立人工智能的團(tuán)隊(duì)、能力，更好地開發(fā)出新型的人工智能應(yīng)用?！?/p>

認(rèn)知系統(tǒng)的行業(yè)應(yīng)用

當(dāng)前，AI應(yīng)用場(chǎng)景正在不斷擴(kuò)大，實(shí)施質(zhì)量/監(jiān)控監(jiān)測(cè)分析，產(chǎn)品深入優(yōu)化，個(gè)性化設(shè)計(jì)研發(fā)，視頻/圖像識(shí)別，以及發(fā)現(xiàn)新趨勢(shì)AI技術(shù)等。在金融行業(yè)，如果有人在ATM機(jī)前操作時(shí)故意遮擋臉部，有理由認(rèn)為此人行為可疑，需要特別關(guān)注，但是由于遮擋行為的多樣性，傳統(tǒng)技術(shù)無法很好的實(shí)現(xiàn)對(duì)此類行為的自動(dòng)識(shí)別，人工無法同時(shí)處理海量的視頻，必然出現(xiàn)遺漏，而通過IBM提供深度學(xué)習(xí)，IBM智能影像識(shí)別系統(tǒng)可以實(shí)時(shí)檢測(cè)出各種類型的遮擋并進(jìn)行預(yù)警。

在醫(yī)療領(lǐng)域，可以通過深度學(xué)習(xí)應(yīng)用場(chǎng)景實(shí)現(xiàn)醫(yī)療影像病癥特征的輔助識(shí)別。比如，大部分中小醫(yī)院和社區(qū)醫(yī)院缺乏能判讀影像的醫(yī)生，醫(yī)生的誤診、漏診可導(dǎo)致醫(yī)患關(guān)系緊張；大醫(yī)院人滿為患，讀片醫(yī)生疲于應(yīng)付，導(dǎo)致誤診、漏診；海量的影像數(shù)據(jù)沒有有效的使用方法，成為負(fù)資產(chǎn)；專家長(zhǎng)期積累的經(jīng)驗(yàn)很難大范圍的分享和傳承。利用人工智能，從歷史數(shù)據(jù)中學(xué)習(xí)和總結(jié)，可快速判讀影像中的病癥特征，輔助醫(yī)生進(jìn)行病癥分析，提高診治效率和準(zhǔn)確性。

在工業(yè)制造領(lǐng)域，人工智能實(shí)現(xiàn)電力系統(tǒng)自動(dòng)巡檢與預(yù)測(cè)分析。外國(guó)某電力公司通過將技術(shù)工人置于高風(fēng)險(xiǎn)的環(huán)境手動(dòng)檢查其龐大的傳輸網(wǎng)絡(luò)，這種方法既昂貴且伴隨危險(xiǎn)，同時(shí)很難擴(kuò)展。為了解決這個(gè)問題，提高工人的生產(chǎn)力，客戶正尋求部署無人機(jī)進(jìn)行輸電塔的可視化檢查。

為了圖像處理自動(dòng)化，客戶使用PowerAI訓(xùn)練了一個(gè)深入學(xué)習(xí)網(wǎng)絡(luò)來標(biāo)識(shí)無人機(jī)捕獲的潛在維護(hù)問題。在人工智能應(yīng)用實(shí)踐的場(chǎng)景中， IBM是唯一能夠提供使用with NVIDIA NVLink連接NVIDIA Tesla P100到POWER8 CPUs的供應(yīng)商，這為深度學(xué)習(xí)提供了獨(dú)特的便利性。

人工智能“冷思考”

對(duì)于長(zhǎng)期觀察人工智能領(lǐng)域發(fā)展的華為副總裁楚慶來說，當(dāng)下人工智能的興起，并不是什么令人驚訝的“新事”。

事實(shí)上，自1956年達(dá)特茅斯會(huì)議以來，人工智能歷經(jīng)兩起兩落，眼下這一波已是60年來的第三次浪潮?！斑@次高潮其實(shí)是對(duì)過往兩波人工智能浪潮的繼承。”楚慶表示，人工智能前60年的發(fā)展取得了令人印象深刻的階段性成果?！坝捎谏刑幱跇O早期階段，當(dāng)時(shí)的理論及實(shí)踐探索并沒有受到過多的邊界限制，從思想到實(shí)踐都非常自由，碰撞出很多火花?？上У氖?，受限于當(dāng)時(shí)的理論水平和計(jì)算條件，前兩次人工智能興起都以冬眠告終。當(dāng)然，這也符合科學(xué)發(fā)展的一般規(guī)律。”

此次人工智能再掀浪潮，在楚慶看來是技術(shù)和資本共同作用的結(jié)果：“就技術(shù)而言主要出于三個(gè)原因，一是神經(jīng)網(wǎng)絡(luò)新數(shù)學(xué)模型及算法的不斷涌現(xiàn)，二是摩爾定律作用下，芯片的計(jì)算能力不斷加強(qiáng)，大大優(yōu)化了計(jì)算條件，三是互聯(lián)網(wǎng)大發(fā)展帶來的數(shù)據(jù)爆炸，極大地豐富了計(jì)算資源。endprint

此外，互聯(lián)網(wǎng)獲得巨大商業(yè)成功后，資本也在積極尋找下一個(gè)熱點(diǎn)，人工智能正是他們狩獵名單上的頭號(hào)獵物。人工智能技術(shù)本身在兩次起落后進(jìn)入一個(gè)新的高速發(fā)展期，再加上資本的推波助瀾，使此次浪潮從學(xué)界、產(chǎn)業(yè)界蔓延至一般商業(yè)語境，并進(jìn)入大眾視野，從而發(fā)酵成跨界跨領(lǐng)域的明星話題?！?/p>

人工智能能否就此長(zhǎng)盛不衰？曾經(jīng)的寒潮會(huì)不會(huì)再度來臨？楚慶認(rèn)為，目前下斷言還為時(shí)尚早，但人工智能要順利發(fā)展，還有以下幾大問題等待解決：理論瓶頸—目前人工智能所用的學(xué)習(xí)理論，本質(zhì)上仍然是上一次浪潮的遺產(chǎn)，對(duì)于無監(jiān)督學(xué)習(xí)的探索仍在繼續(xù)?！巴ǔ?，我們認(rèn)為，人工智能可分為弱人工智能、強(qiáng)人工智能兩類。如果站在強(qiáng)人工智能的角度來看，人工智能理論本身目前并沒有真正夠分量的重大突破，我們?nèi)匀惶幱谌跞斯ぶ悄茈A段?！背c認(rèn)為，人工智能的真正突破，關(guān)鍵在于解決無監(jiān)督學(xué)習(xí)這一理論瓶頸，這意味著，我們要從理論高度真正理解大腦的運(yùn)作機(jī)制以及人類學(xué)習(xí)的本質(zhì)，并解決知識(shí)表達(dá)問題，將知識(shí)及信息完整、精確地轉(zhuǎn)換為數(shù)據(jù)?！捌渲凶铌P(guān)鍵的一步，就是走出現(xiàn)有的理論邊界，與神經(jīng)科學(xué)、認(rèn)知科學(xué)、心理學(xué)等學(xué)科實(shí)現(xiàn)真正的融合。”

芯片和處理器制約，一方面，隨著人工智能的不斷發(fā)展，傳統(tǒng)的馮·諾依曼架構(gòu)已成為瓶頸。目前以Deep Learning為代表的多層次人工神經(jīng)網(wǎng)絡(luò)算法，無需過多編程，但對(duì)芯片并行數(shù)據(jù)處理能力有非常高的需求，而傳統(tǒng)處理器架構(gòu)在海量數(shù)據(jù)并行運(yùn)算面前明顯力不從心，計(jì)算資源捉襟見肘。另一方面，摩爾定律面臨失效，而人工智能要快速發(fā)展，芯片計(jì)算能力提高的腳步不能變慢，只能更快。因此，在未來的人工智能研究上，芯片架構(gòu)和微架構(gòu)設(shè)計(jì)需要做出更多貢獻(xiàn)?！叭绾巫孉I從芯片開始，將是一個(gè)重要課題、一個(gè)重大機(jī)遇?！?/p>

生態(tài)建設(shè)—盡管在局外人看來，人工智能似乎只是科學(xué)家和工程師們的事，但楚慶認(rèn)為，任何一個(gè)新科技的成熟，都是以生態(tài)系統(tǒng)的建立為標(biāo)準(zhǔn)，人工智能也不例外。“只有真正為社會(huì)創(chuàng)造了價(jià)值、能夠孕育并良好運(yùn)行生態(tài)系統(tǒng)，才說明這項(xiàng)科技已走向成熟。這意味著，圍繞該科技的技術(shù)、社會(huì)機(jī)制已走過早期的混沌期，進(jìn)入良性成長(zhǎng)軌道。這需要人才結(jié)構(gòu)、商業(yè)模式、社會(huì)運(yùn)作的全面成熟，倫理、法律等爭(zhēng)議已取得基本共識(shí)。”

目前的人工智能，和成熟顯然相距甚遠(yuǎn)，但楚慶認(rèn)為，生態(tài)系統(tǒng)建設(shè)問題，應(yīng)當(dāng)從現(xiàn)在起就擺在“遠(yuǎn)見者”們的案頭?！敖鼇?，人工智能在社會(huì)上引發(fā)巨大爭(zhēng)議。一方面，大量資本、社會(huì)資源爭(zhēng)先恐后，都想趁人工智能方興未艾之際盡早搶位，好分一杯羹，某種程度上已出現(xiàn)泡沫。另一方面，人工智能自誕生伊始就伴隨著法律、倫理等多種憂慮，人工智能威脅論始終甚囂塵上?！背c笑稱，“好萊塢簡(jiǎn)直成了人工智能測(cè)溫計(jì)，想知道人工智能有多火，看看有多少電影準(zhǔn)備用它來滅絕人類就明白了?！边@樣一門劃時(shí)代的科技，要最終成熟并真正惠及人類，需要各領(lǐng)域決策者，從一開始就以全局化的戰(zhàn)略眼光，思考生態(tài)系統(tǒng)建設(shè)問題，這也是人工智能真正商業(yè)化的關(guān)鍵。

楚慶認(rèn)為，人工智能毫無疑問將是一項(xiàng)革命性科技，也是一個(gè)重大發(fā)展機(jī)遇。但一方面，人工智能要走向成熟還為時(shí)尚早，從理論、工具到生態(tài)都有大量課題亟待解決；另一方面，我國(guó)人工智能整體發(fā)展水平與發(fā)達(dá)國(guó)家相比仍存在差距，如何借此機(jī)遇帶動(dòng)國(guó)家競(jìng)爭(zhēng)力的整體躍升，需要從戰(zhàn)略高度統(tǒng)籌布局，但目前大量資源盲目介入，蹭熱點(diǎn)、堆泡沫，這樣的環(huán)境并不利于人工智能的健康發(fā)展?！皬倪@兩個(gè)方面看，目前對(duì)人工智能多一點(diǎn)冷思考，并不是一件壞事。”

人工智能從“芯”出發(fā)

人工智能的應(yīng)用與發(fā)展正在席卷全球，給整個(gè)半導(dǎo)體和芯片產(chǎn)業(yè)帶來了巨大的發(fā)展空間與商機(jī)，甚至影響著芯片產(chǎn)業(yè)的發(fā)展走勢(shì)，了解芯片行業(yè)的人都知道，從芯片設(shè)計(jì)開始，到輔助軟件、設(shè)備、制造、工藝和封裝，是很長(zhǎng)的產(chǎn)業(yè)鏈，其中任何一個(gè)環(huán)節(jié)的發(fā)展都會(huì)受到人工智能的影響，而相對(duì)應(yīng)的，其中任何一個(gè)環(huán)節(jié)的發(fā)展受阻，都會(huì)制約我國(guó)人工智能芯片產(chǎn)業(yè)的發(fā)展。

如今芯片業(yè)的發(fā)展和變化是建立在傳統(tǒng)芯片的基礎(chǔ)上的，截至目前，在人工智能領(lǐng)域，世界范圍內(nèi)的科研人員已經(jīng)開創(chuàng)了幾類不同的技術(shù)路線。傳統(tǒng)芯片巨頭如英特爾、英偉達(dá)都把人工智能領(lǐng)域作為企業(yè)未來的主要戰(zhàn)略發(fā)展方向，加大了企業(yè)并購(gòu)和新產(chǎn)品研發(fā)的力度；IT 巨頭微軟和新興的互聯(lián)網(wǎng)公司，如谷歌、百度、亞馬遜、阿里，都在人工智能領(lǐng)域投入了巨資，期望在機(jī)器理解、無人駕駛等領(lǐng)域占得先機(jī)，這些開拓性的工作不約而同地正在催生大量創(chuàng)新的芯片方案。

而在人工智能的影響下，傳統(tǒng)芯片向人工智能芯片的發(fā)展邁進(jìn)，一般表現(xiàn)在幾個(gè)方面：必須可編程，這樣才能適應(yīng)算法和應(yīng)用的持續(xù)演進(jìn)；架構(gòu)的動(dòng)態(tài)可變性和高效的架構(gòu)變換能力，因?yàn)闆]有一個(gè)單一架構(gòu)的芯片可以適應(yīng)所有的算法；高計(jì)算效率和高能量效率。此外，還必須低成本、體積小，應(yīng)用開發(fā)簡(jiǎn)便。

事實(shí)上，人工智能之所以能夠快速崛起，首先是因?yàn)樾酒脑O(shè)計(jì)和制造技術(shù)的突破，從而實(shí)現(xiàn)了計(jì)算能力的大幅度提升。當(dāng)然，神經(jīng)網(wǎng)絡(luò)算法的突破和大數(shù)據(jù)的運(yùn)用也是人工智能發(fā)展的重要推手。

華夏芯（北京）通用處理器技術(shù)有限公司創(chuàng)始人，董事長(zhǎng)李科奕認(rèn)為，目前主流人工智能的芯片解決方案分為兩大陣營(yíng)：以傳統(tǒng)的CPU（中央處理器）、GPU（圖形處理器）、DSP（數(shù)字信號(hào)處理器）、FPGA（現(xiàn)場(chǎng)可編程門陣列）為一方；以谷歌以及一大批的芯片startup公司（其中也包括很多中國(guó)的優(yōu)秀初創(chuàng)公司）為另一方，它們推出了TPU（張量處理器）及各種架構(gòu)的專用處理器。兩大陣營(yíng)各有優(yōu)勢(shì)和劣勢(shì)，前者容易編程、大量之前開發(fā)的軟件庫(kù)可以重用，但是很多神經(jīng)網(wǎng)絡(luò)的特定計(jì)算效率比后者低不少；后者是針對(duì)特定神經(jīng)網(wǎng)絡(luò)進(jìn)行的針對(duì)性開發(fā)，計(jì)算效率高，但是編程復(fù)雜，需要自建生態(tài)。最新的趨勢(shì)是有一些公司，試圖將兩者結(jié)合起來，揚(yáng)長(zhǎng)避短，兼收并蓄。

誠(chéng)如所言，不管是用于學(xué)習(xí)和訓(xùn)練的后端計(jì)算集群還是最靠近用戶的前端智能設(shè)備，都需要更強(qiáng)計(jì)算和處理能力來提高機(jī)器認(rèn)知的準(zhǔn)確性和速度。endprint

從專業(yè)角度來說，評(píng)價(jià)一款芯片競(jìng)爭(zhēng)力的指標(biāo)主要是4P：即計(jì)算能力（Performance）、功耗（Power）、效率（Productivity）和價(jià)格（Price）。因此，任何一個(gè)創(chuàng)新的芯片架構(gòu)，必須考慮在大幅度提升計(jì)算能力的同時(shí)，能否保持（或者降低）功耗，能否提升芯片開發(fā)者的編程、調(diào)試效率，減少開發(fā)人員投入，縮短開發(fā)周期，能否通過合理的工藝選擇降低芯片的生產(chǎn)成本和投入風(fēng)險(xiǎn)，在售價(jià)和銷量之間尋找平衡點(diǎn)等多個(gè)因素。

李科奕強(qiáng)調(diào)，傳統(tǒng)的單核、多核CPU時(shí)代，一般計(jì)算任務(wù)是由CPU完成的。但是，目前人工智能、移動(dòng)計(jì)算應(yīng)用中，大部分計(jì)算任務(wù)是CPU不擅長(zhǎng)的并行計(jì)算，因此需要采用異構(gòu)計(jì)算架構(gòu)，將并行計(jì)算任務(wù)從CPU卸載到更合適承擔(dān)的DSP、GPU、以及專用的NN加速器等計(jì)算單元上，芯片設(shè)計(jì)人員需要考慮的是如何讓CPU、GPU、DSP、NN加速器等不同的計(jì)算單元在同一個(gè)SoC上實(shí)現(xiàn)高效的協(xié)同計(jì)算。非常頭疼的是這些復(fù)雜的計(jì)算單元往往許可自不同的IP供應(yīng)商，需要通過復(fù)雜的底層驅(qū)動(dòng)、大量的數(shù)據(jù)交換才能實(shí)現(xiàn)不同計(jì)算單元之間的協(xié)同計(jì)算。為此，不僅芯片設(shè)計(jì)公司需要維持一個(gè)龐大的設(shè)計(jì)團(tuán)隊(duì)，而且芯片設(shè)計(jì)及后續(xù)的應(yīng)用開發(fā)周期長(zhǎng)、編程困難、調(diào)試?yán)щy、優(yōu)化困難。

IBM大中華區(qū)硬件系統(tǒng)部服務(wù)器解決方案副總裁施東峰認(rèn)為，計(jì)算系統(tǒng)與架構(gòu)持續(xù)演進(jìn)對(duì)計(jì)算系統(tǒng)的重塑提出了更高的要求，IBM Cognitive Systems的推出，與近來計(jì)算系統(tǒng)的演變趨勢(shì)緊密相關(guān)。以往，數(shù)據(jù)是集中式的，傳統(tǒng)的計(jì)算邏輯往往采取程序化的計(jì)算方式，以CPU為中心提升計(jì)算性能，探索如何有效加速計(jì)算流程從而達(dá)到更好的數(shù)據(jù)處理效果。然而隨著分布式數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)逐漸成為主流，計(jì)算正在從“程序化的計(jì)算”向“以數(shù)據(jù)處理為中心的計(jì)算”演進(jìn)。

對(duì)于數(shù)據(jù)價(jià)值的挖掘也更需要內(nèi)外部結(jié)合，將數(shù)據(jù)整合在一起提供更以數(shù)據(jù)為中心、更具效率與智慧的計(jì)算，而非僅僅是對(duì)數(shù)據(jù)的流程化的處理。

人工智能相關(guān)負(fù)載需要高性能的數(shù)據(jù)傳輸，并需要具有最佳準(zhǔn)確度的訓(xùn)練模型，以高效、快速地找出“超級(jí)參數(shù)”，從而大幅節(jié)省模型的訓(xùn)練時(shí)間。因此，AI堆棧的基礎(chǔ)首先是正確的硬件：帶有加速器的服務(wù)器，以及正確的存儲(chǔ)設(shè)備。GPU加速計(jì)算良好地適應(yīng)了深度學(xué)習(xí)訓(xùn)練“計(jì)算密集”這一特性，具有最高CPU-GPU 帶寬的服務(wù)器能夠?qū)崿F(xiàn)高性能的數(shù)據(jù)傳輸，而這一點(diǎn)正是規(guī)模更大、更為復(fù)雜的深度學(xué)習(xí)模型所需的優(yōu)勢(shì)。

IBM認(rèn)為其一直在探索的是，如何利用新的技術(shù)，讓計(jì)算能力從以往的程序式計(jì)算向未來的有關(guān)認(rèn)知的計(jì)算模式轉(zhuǎn)型，這也是IBM在未來有關(guān)計(jì)算的發(fā)展方向。IBM非?？粗卦谡J(rèn)知時(shí)代下對(duì)計(jì)算系統(tǒng)的重塑，希望通過IBM Cognitive Systems，確保CPU、GPU、I/O、內(nèi)存等結(jié)合在一起，一站式地提供客戶應(yīng)用人工智能所需的計(jì)算能量。

其實(shí)，談到人工智能，無論是中國(guó)還是美國(guó)都出現(xiàn)了不少?gòu)氖氯斯ぶ悄苄酒O(shè)計(jì)的初創(chuàng)公司，他們未來的前景和發(fā)展機(jī)遇會(huì)怎樣呢？對(duì)此，李科奕提出了自己的觀點(diǎn)，從集成電路發(fā)展歷史來看，很多美國(guó)中小型芯片初創(chuàng)公司一直是引領(lǐng)行業(yè)創(chuàng)新的生力軍，人工智能時(shí)代也是如此，中國(guó)也將如此。

芯片設(shè)計(jì)初創(chuàng)公司往往以與眾不同的視角發(fā)現(xiàn)問題、解決問題，針對(duì)新興市場(chǎng)，大膽創(chuàng)新。同時(shí)，中國(guó)作為全球人工智能最活躍的創(chuàng)新力量之一，具有市場(chǎng)、資金、人才、數(shù)據(jù)等多方面的優(yōu)勢(shì)。

長(zhǎng)期以來，中國(guó)在CPU、GPU、DSP處理器設(shè)計(jì)上一直處于追趕地位，絕大部分芯片設(shè)計(jì)企業(yè)依靠許可國(guó)外的處理器IP核設(shè)計(jì)芯片，在自主創(chuàng)新上受到了極大的限制。事實(shí)上，人工智能的興起，無疑為中國(guó)在處理器領(lǐng)域?qū)崿F(xiàn)換道超越提供了絕佳的機(jī)遇。

“第一，中國(guó)在人工智能領(lǐng)域的專用處理器設(shè)計(jì)已經(jīng)走在了世界前列。第二，人工智能領(lǐng)域的應(yīng)用目前還是處于面向行業(yè)應(yīng)用階段，生態(tài)上尚未形成壟斷，因此國(guó)產(chǎn)處理器廠商完全可以與國(guó)外競(jìng)爭(zhēng)對(duì)手在人工智能這一全新賽場(chǎng)上，共修跑道，共建賽場(chǎng)，共同制定游戲規(guī)則。因此，基于技術(shù)和市場(chǎng)方面的優(yōu)勢(shì)，中國(guó)在建立人工智能生態(tài)圈方面將大有可為?！崩羁妻日f道?？梢灶A(yù)見，未來誰在人工智能領(lǐng)域先掌握了生態(tài)系統(tǒng)，誰也就掌握住了這個(gè)產(chǎn)業(yè)的主動(dòng)權(quán)。endprint