芯片是人工智能技術發(fā)展過程中繞不過的話題，好的AI算法要想導入應用，就需要通過芯片來實現(xiàn)?？v觀AI芯片的演進，經歷了從“通用”到“專用”的變化。相伴而生的是，AI驅動芯片產業(yè)變革已逐漸轉向芯片驅動AI產業(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，清華大學微電子所所長魏少軍教授分享了AI芯片演進路線，指出架構創(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，海思平臺與關鍵技術開發(fā)部部長夏禹為摩爾定律站臺，表示摩爾定律還會持續(xù)不斷的推動半導體產業(yè)發(fā)展，但她也承認先進半導體工藝技術目前只空有數(shù)字，需要用另一種方式來呼應摩爾定律。

而依圖制定“算法即芯片”路線的初衷也和摩爾定律有關。

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

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AI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任首席技術官一職，并表示顏水成博士加入后的重點工作就包括帶領團隊進一步夯實依圖在人工智能基礎理論和原創(chuàng)算法方面的技術優(yōu)勢，為依圖在商業(yè)化場景落地方面提供強有力的技術支持。

走向高階智能，何為AI關鍵“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設施?；A設施提升的關鍵，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，只有具備高經濟性、高性價比的基礎設施，才能推動智能水平的躍遷。

朱瓏強調，點亮AI是一場基礎設施的革命，基礎設施的提升，關鍵在于提升一個區(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)據提升，還有“經濟”維度的考量。

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

依圖科技也曾向集微網記者表示，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展到了群體智能。例如在城市場景中，基礎設施智能密度達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普及并向高階邁進的關鍵。