人工智能（AI）爆發性增長是以強大的計算能力為基礎的，而提供計算力的載體是芯片。近年來國內得到資本熱烈追捧的獨角獸公司多與AI芯片有著密切的關系，亦從側面證明了AI芯片的重要性與廣闊的發展前景。然而，隨著越來越多新創公司、互聯網公司和傳統芯片公司開始進入AI芯片領域，其中蘊含的風險也需引起重視。AI芯片會是中國集成電路產業彎道超車的好機會嗎？其中含有哪些風險？如何才能抓住這次難得的產業機遇？

尷尬的產業鏈定位

要說如今科技圈什么最火，人工智能肯定是其中之一。而核心芯片則是決定一個新的計算時代的基礎。從源頭上掌控核心芯片架構將取得先發優勢，對于取得一個新計算時代主導權有著非常重要的意義。也正是基于這樣的考慮，谷歌、微軟、亞馬遜、IBM等全球科技巨頭才紛紛投入巨資加速人工智能核心芯片的研發，目標在于搶占新計算時代的戰略制高點，掌控人工智能時代主導權。

中國對于人工智能芯片產業同樣高度重視。工信部正式印發的《促進新一代人工智能產業發展三年行動計劃（2018-2020年）》中，著重強調要在智能傳感器、神經網絡芯片、開源開放平臺幾個領域率先取得突破。根據前瞻產業研究院發布的《2018-2023年中國芯片行業市場需求與投資規劃分析報告》，2016年全球人工智能芯片市場規模達到36億美金，預計到2021年將達到111億美金，年復合增長率達到25%。結合我國人工智能市場規模，推算2016年我國人工智能芯片市場規模約為15億元，到2022年市場規模將達到50億元左右，增長迅猛，發展空間巨大。

在看好AI芯片發展前景的情況下，吸引了越多越多互聯網公司和傳統芯片公司進入AI芯片領域，其中蘊含的風險也需引起人們注意。在近日召開的“2018年半導體市場年會”上，清華大學微電子所所長魏少軍在演講時笑稱：“有投資界人士問我，應不應該投資AI芯片。我的回答是‘投資可以，但一定不要成為那個持最后一棒的’。”

那么，中國企業投入AI芯片將會面臨哪些挑戰呢？從產業鏈角度觀察，人工智能包括了從芯片器件、計算設備、程序平臺到大數據、功能層、應用端等復雜結構。在這樣一個產業生態中，一些有實力的國際互聯網巨頭，如谷歌、Facebook、亞馬遜、百度以及蘋果公司，是以垂直整合模式介入的，它們成為最有實力的玩家。英特爾、高通、英偉達等國際芯片龍頭則以整合芯片、計算以及部分軟件程序為發展策略，力求扮演硬件設施平臺供應商的角色。一些有實力的終端品牌公司，包括近年來得到快速發展的中國智能手機廠商，如華為、小米、VIVO、OPPO，希望成為AI終端設備供應商。

在這樣的產業生態里，中國AI芯片廠商定位相對尷尬。在技術上他們尚難完全與英偉達、英特爾這樣為云端設備提供人工智能計算解決方案的廠商展開競爭，更多發展機會存在于終端市場，即面向不同應用端，提供針對性的芯片或者IP解決方案。問題在于，目前為止整個AI產業依然受到缺少“殺手級”應用的困擾。如果去除智能駕駛、智能汽車、智能監控、人臉識別、語音識別少數幾個應用市場，我們就很難再找到AI的典型應用場景了，特別是缺少與人們工作生活密切相關，又非AI支持不可的應用市場。

這樣，一個重要問題就會出現——是否存在像通用CPU那樣獨立的AI處理器？如果存在，它的架構是怎樣的？如果不存在的話，那么中國AI芯片廠商，向上很難與國際巨頭競爭云端市場，所立足的終端市場又存在細分化、碎片化，缺少殺手級應用的挑戰。其結果或許真的會像魏少軍所指出的那樣：“以滿足特定應用為主要目標的中國AI芯片，未來很可能只能以IP核的形式存在，最終被各種各樣的SoC所集成。”

如此，今天的部分，甚至是大部分AI芯片創業者將成為這場技術變革中的“先烈”。

新時代尋求IC設計新思路

在這樣的挑戰面前，架構創新成為中國AI芯片面臨的一個不可回避的課題——針對當前AI產業現狀，開發適應市場的芯片架構。盡管這樣的創新工作將非常艱難。

對此，魏少軍提出了“軟件定義芯片”的概念。從感知、傳輸到處理，再到傳輸、執行，這是AI芯片的基本邏輯。軟件是實現智能的核心，芯片是支撐智能的基礎。其中，軟件是實現智能的載體。技術上要求智能軟件具有自己學習的能力，形成知識和經驗的能力，持續改進和優化的能力，思維邏輯推理的能力以及做出正確判斷的能力等。而智能芯片則需要承載所需的計算，要求其具有高性能的計算能力，多任務并行計算能力，極高的能量效率，靈活高效的存儲能力，實時動態功能變換能力等。兩者的聯動，將重新定義AI芯片的設計理念，使AI芯片的設計更具靈活性，也在面向不同AI應用需求時更具可操作性。

Synopsys中國董事長兼全球副總裁葛群也表達了同樣的看法：“以前芯片設計中硬件與軟件的界限比較清晰，一般采用分層設計和優化的方法，這有利于簡化問題。然而，在今天的AI應用中已經很難再將它們分開處理了。也就是說，開發一款優秀的芯片和硬件產品必須考慮軟件方面的配合和系統層面的配合，甚至打破層次界限，進行深度優化。Nvidia的CUDA和GPU，Google的Tensorflow和TPU的成功都是很好的例子?！?/p>

事實上，EDA工具和AI存在密切的互動關系，對AI芯片的架構創新將發揮至關重要的作用。無論在云端還是終端設備上，在差異化的應用需求越來越多地影響芯片設計之際，針對云端AI訓練、自動駕駛、安防監控和各種智能IoT設備的解決方案需要從應用軟件、操作系統、硬件架構、IP、低功耗、安全性、驗證和測試等方面適應AI應用的特殊需求，更為強調整個系統綜合的軟硬件效率、安全性和可靠性。EDA工具作為芯片設計的基礎平臺，將會更多地把AI應用作為關鍵的場景，支持芯片設計者更好地完成各種AI算法和應用在芯片上的高效實現。

根據葛群的介紹，Synopsys從1986年初創開始，就采用人工智能的思想支撐EDA、芯片和系統的研發，目前正在積極探索設計方法學上的創新，推動AI芯片設計能力的提高。2017年Synopsys設立了全球人工智能實驗室，就是希望在更加開放的平臺上，與業界共同探索支持人工智能技術落地所必須的AI芯片軟硬件協同優化等新問題，尋求更為有效的方法學、工具和解決方案。

基于其應用場景的特殊性，AI芯片應當具備以下的基本要素：可編程能力，以適應算法的演進和應用的多樣化；構架能夠動態重構，在不明顯降低效率的前提下，能夠適應不同的算法；高效的架構變換能力；實現高效計算和存儲，低功耗、低延遲;滿足低成本、小尺寸的要求，以便能夠進入家電和消費類電子、移動設備和物聯網終端市場；應用開發簡便。