▶ 王查娜

　　2017年以后，人类进入“机器的深度学习时代”。谷歌DeepMind旗下的AlphaGo战胜了世界围棋冠军，掀起新一轮人工智能发展高潮。目前，人工智能技术在多个领域已超过人类，智能化的发展在未来将会带来无法想象的成果，也会更大规模地改变我们的生产和生活。

　　剖析本轮智能化浪潮崛起背后的因素，算法、数据、算力构成了其基本要素。近日，由清华经管创业者加速器与HICOOL商学院共同发起的第三期“未来科创+”系列活动，聚焦AI芯片生态的建设和完善，多位专家学者对算力的未来走势，人工智能的发展机遇，AI芯片前景进行深度读解。

　　算力成为重要生产力

　　“算力的支持是人工智能发展必不可少的部分。”清华大学集成电路学院教授魏少军这样说。

　　据了解，算法主要是模仿人工神经网络，通过神经网络的构建把数据用来训练，从而得到一个能够实现要求的模型和具体计算结果，但是不管什么样的算法和数据，都需要以强大的计算能力作为支撑。

　　“例如对传统蛋白质的结构预测，就目前而言还是相当难实现的。从早期的AlphaFold演进到AlphaFold2模型，要预测高精度的蛋白质结构，使用128TPU（P级算力），即每秒19的15次方的计算也要花费几个月，但如果能把计算能力提升到18次方的计算，就可以实现以天为单位的预测响应。”魏少军坦言，未来，通过AI方式预测蛋白质的3D结构，将会极大加速结构生物学领域的科研成果发表进程。

　　“再比如网络模型，OpenAI的最大的模型是GPT-3，可以根据人类的语言和文字来创作图像，基于1024个GPU，即使百P级算力也要训练4个月左右，但如果能把计算能力提升到每秒10的18次方，就可以将时间缩短到1-2天。再进一步，如果能做到每秒10的21次方，可以将时间缩短至几小时甚至几分钟。” 魏少军说。

　　根据业界权威预测，2025年时全球数据量会达到175个ZB（10的25次方），而处理这些数据，对算力增长速度的要求大约是每10倍。运算模型的复杂度加上数据量剧增，对算力的要求将呈指数级增加。

　　人工智能强劲发展机遇

　　对算力高度依赖的人工智能，其发展离不开内在动力和外在动力。魏少军分析说，内在动力主要是国内产业对于芯片的需求很大，以及国内企业数据中心有迫切降低成本的需求。从外在动力来说，政府对人工智能的发展非常关注，出台一系列政策和文件，旨在为人工智能的发展创造一个良好的环境。

　　“正是因为内外因素的共同驱动，使得目前中国人工智能在很多方面已经达到世界领先水平，甚至在一些领域已达到和国际一流并驾齐驱的水平。” 魏少军说。

　　创新工场执行董事兼半导体总经理王震翔表示，在全球范围内，传统的计算架构已无法满足下一代的计算负载，例如AI对算力的要求，云对海量数据、互联的需求。为满足下一代计算负载而催生的下一代计算架构已形成新的战场，传统芯片巨头已无法继续垄断，创业公司亦拥有平等竞争机会。

　　“近年，国内AI芯片领域出现很多优秀的创业公司，目前落地出货最多的AI芯片都集中在端侧，而云端普遍面临软件生态难题。英伟达GPU在软件生态上已经构建了非常成熟的生态圈和壁垒，但要代替并超越CUDA生态依然困难。” 王震翔说。

　　王震翔预测，在2020年到2030年的10年期间，在服务器CPU这个数千亿大市场，ARM+R-V架构可能会取代英特尔的统治地位。相应地，国内也会大兴浪潮，出现数个千亿级的CPU芯片公司。最先成熟的是ARM架构服务器CPU，10年间发展成熟的ARM生态可以直接被下游的云计算厂商接受，ARM的多核、低功耗等特性可以大大降低数据中心的成本，助力这一时代的算力大发展。

　　“在下一代计算架构的投资蓝图中，除了GPU等Al芯片外，通用CPU架构变革(如 ARM、R-V) 也是大的时代机遇；再有Chiplet等技术创新领域，到更远期非冯诺依曼架构，如类脑芯片，感知计算一体、存感算一体等，还有非硅基的光子、量子芯片等，都是新时代创业公司的巨大机遇，值得大家关注并布局。” 王震翔说。

　　智能化之路还很长

　　近几年国内的芯片产业发展迅速，在云游戏、自动驾驶和移动设备等领域均有一些芯片推出。北京旷视科技有限公司合伙人兼总裁付英波认为，目前国内芯片产业中芯片设计表现亮眼，但在发展过程中也存在短板。一方面，芯片的生产和制造受制于人，特别是偏消费端的7纳米及其以下的高精度芯片。国内芯片的核心器件也多来自于欧美国家，存在不确定性和风险。另一方面，工具链的完善也是芯片产业发展中面临的极大挑战。工具链的丰富和完善，需要不断迭代，是一个不可回避的螺旋周期，往往需要消耗很长的时间。

　　魏少军指出，算力增长并不是计算机设备的堆砌，目前的计算架构不适合现在高速增长的算力需求，主要的技术障碍体现在三个方面。一是分布式算力集约化应用，关键在于高密度算力集成及统一异构调度，满足大模型、多任务、低成本要求。二是实现高效能绿色计算，通过高度灵活的数据流重构能力提高计算效率、存储-计算紧密结合解决存取瓶颈，提高scale-out能力解决通信瓶颈。三是确保算力平台的信息安全，需建立一个体系健全，覆盖计算节点、软件平台、网络节点及存储节点的全方位信息安全网络。

　　“虽然本轮智能化发展与理想状态仍有差距，但已取得极大进步。目前，机器在多个领域已超过人类。我们有理由相信，智能化的发展在未来将会带来无法想象的巨大成果，让我们拭目以待。” 魏少军说。