我国应深耕AI芯片基础技术

王哲

近日，市场研究和咨询公司 Compass Intelligence 发布了2018年度全球AI芯片公司24强（Top24）排行榜，美国英伟达公司名列首位。中国华为海思等7家企业入围，显示出我国在AI芯片领域取得了突出进步。但同时也应清醒认识到，我国AI芯片的技术创新和产业应用与美国相比仍有很大差距，我国芯片行业目前整体上还落后于一些发达国家。未来我国应深耕AI芯片的基础架构技术，加快提升产业应用结合能力。

中美两国企业占据全球AI芯片企业榜单主体

中美两国领跑全球AI芯片企业榜单。Compass Intelligence 以供应商指标、商品及客户指标、经济指标三个维度作为评分依据，从100余家涉及人工智能芯片业务的企业中，评选出排名前24名的企業。榜单中有14家美国企业，7家中国企业，英国、韩国、新加坡企业各1家。就入围数量来看，美国企业领跑AI芯片领域创新，中国企业紧随其后。入围的美国企业依次为英伟达、英特尔、IBM、谷歌、苹果、AMD、高通、恩智浦、新思科技、Marvell、赛灵思、CEVA、铿腾电子和General Vision；中国企业依次为华为海思、联发科、Imagination、瑞芯微、芯原、寒武纪和地平线机器人。

美国入围企业多是深耕半导体行业的超级巨头。上榜的美国企业中，除谷歌和苹果是互联网时代新崛起的科技公司外，其余12家企业都是深耕半导体行业30年以上的老牌半导体厂商，有深厚的集成电路设计和制造基础，并积极通过并购及商业合作拓展业务领域。以排名第一的英伟达为例，其于1999年发明了图形处理器架构（GPU），重新定义了现代计算机图形技术，彻底改变了并行计算。当前英伟达占据了70%以上的GPU全球市场份额，垄断优势明显。

中国入围企业有传统电子信息制造商、自国外并购的企业、专攻AI芯片的初创企业三种类型。一是传统电子信息制造商，包括华为海思、联发科和瑞芯微，它们具备较强半导体产业实力，主要基于自身的IC设计能力研发AI芯片，产业链积累较为完整。二是自国外并购的企业，如Imagination和芯原。Imagination在GPU、神经网络处理器（NPU）方面实力突出，在2017年被中国私募基金凯桥资本收购前，是苹果公司的GPU供货商；芯原的前身是美国思略科技公司上海分部，2002年通过扩资和股权转移实现主体剥离，近年来主攻芯片平台即服务（SiPaaS）的商业模式，可导入Caffe和TensorFlow架构生成的神经网络算法。三是专攻人工智能芯片的初创企业，例如寒武纪和地平线机器人，二者成立时间均不足3年，已推出成功流片的人工智能芯片产品。

对全球AI芯片企业榜单的三点认识和反思

AI芯片概念虽被热炒，但目前在技术架构上并无颠覆式创新。AI芯片指专门设计用来加速有关人工智能算法或任务的芯片，与通用芯片相比速度更快、效率更高。就目前上榜企业的主要技术和产品路线看，神经元芯片尚无具体商用产品出现，现有AI芯片技术大多处于对特定算法的加速阶段，仅在某些具体、特定的任务上可以大幅超越人的能力，其通用性与适应性与强人工智能还有相当大的差距。

我国在AI芯片领域取得了突出进步，但与美国比尚有较大差距。中国企业在全球AI芯片企业24强中占据7席，数量仅次于美国。但也要清醒认识到，我国在AI芯片研发和产品应用能力上与美国相比依然有很大差距。英伟达的Volta架构、谷歌的TPU、AMD的Vage架构、英特尔Knight Mill芯片、苹果A11仿生芯片等都针对人工智能应用做了算法加速创新，并部署应用到相关产品或生态平台上。相比之下，我国开展人工智能应用研究的机构大多还是采购NVIDIA的GPU来实现程序的加速，并未实现自主知识产权，我国AI芯片的研发技术能力虽已达到国际先进水平，但在商用落地方面还远不成熟，产业链条上下游衔接存在困难。

人工智能芯片的崛起对芯片行业发展有一定带动作用，但无法彻底改变我国芯片行业整体落后的现状。目前，国际主流的芯片工艺已经达到7nm，我国还大多停留在28nm，存在严重的代差，AI芯片研发设计能力的单点发力无法改变我国半导体产业整体落后的现状。应清醒认识到，第一，人工智能芯片只是芯片产业的一部分，英特尔和英伟达等老牌巨头已经在通用芯片中加入了对人工智能任务的加速支持，进一步冲击了人工智能专用芯片的发展，通用CPU、DSP芯片系统的研发仍然是整个芯片产业链的龙头。第二，即使拥有领先的AI芯片设计技术，若缺乏芯片制造工艺，依然无法实现智能芯片的全自主研发，我国如果只关注人工智能芯片的发展，不注重通用芯片的技术攻关，最终只能设计一系列加速器芯片，难以构建通用、兼容的人工智能系统，无法从根本上改变我国芯片行业整体落后的现状。

对我国AI芯片发展的两点建议

深耕AI芯片的基础架构技术。从芯片发展趋势看，AI芯片尚处于技术发展初级阶段，感知、传输、处理、执行的基本逻辑和技术架构尚无定论，目前的技术能力仅集中在利用软件系统、处理器等模仿人类智能。我国应加强深耕AI芯片的基础核心架构研发，加大对神经拟态芯片技术和可重构计算芯片技术的科研攻关，提升硬件架构对软件变化的支持力度，推动AI芯片架构从特定算法和领域向更高灵活性、适应性的智能芯片演进。

提升AI芯片的产业应用能力。从应用场景角度看，AI芯片主要有两大部署方向，一是在数据中心云端，二是在消费终端。从功能角度看，AI芯片主要完成两大任务，一是主要部署在云端的训练任务，二是正由云端向终端迁移的推理任务。我国可针对不同应用场景和功能环节的竞争形势，建立分类引导的产业推进机制，避其锋芒，多点发力，在云端市场扶植龙头企业参与国际竞争，在终端市场鼓励应用创新，并联合互联网企业打造产业协同发展生态。