隨著AlphaGo的誕生，“深度學習”日益普及，人工智能開始從智能化工具向智能機器進軍。原有的MCU已無法滿足深度學習的高速海量數據運算要求，AI芯片便應運而生。如今嵌入式芯片領域正面臨AI芯片的新一輪機遇。那么在AI成為風口的當下，AI芯片到底是噱頭還是發展趨勢？嵌入式系統又該如何面對AI芯片帶來的新一輪機遇？《單片機與嵌入式系統應用》小編特邀請了幾位專家和工程師談談對此問題的看法，也歡迎大家留言討論！

業界聲音

AI芯片已然存在，與既往的嵌入式處理器不可混淆！

北京航空航天大學教授 何立民

“AI芯片”的確存在，其概念不僅被廣泛應用，也無法用其他的概念，如MCU、MPU等所替代。

有的人認為不存在AI芯片，可能認為AI芯片只是原有嵌入式處理器的功能擴展而已。殊不知隨著嵌入式處理器的功能不斷外延，已從量變產生了質變。自從人工智能進入機器的深度學習時代，原有MCU的硬件加速已無法滿足高速海量數值計算要求，以及大數據的云間交互要求。這樣一來，在嵌入式領域便出現了MCU與AI芯片兩個有本質差異的芯片群。前者是滿足工具智能化的智能控制芯片（以控制見長）；后者是滿足智能機器深度學習的計算芯片（以計算見長）。

未來，在人工智領域會逐漸形成智能化工具與智能機器兩大領域。目前，智能化工具領域業已成熟，智能機器領域依托AI芯片、神經網絡、深度學習、云際交互逐漸向強人工智能領域進發。當前，AI芯片形式多樣，屬于初級發展階段，盡管有些概念尚可商榷，但原有的各種嵌入式處理器的概念已無法沿襲，“AI芯片”可能會約定俗成。

以人臉識別為例，用于門禁的實時人臉識別，也許可以用MCU+圖形加速器方案，但要從眾多人群中實時識別特定的人臉，就要引入深度學習，不斷提高其識別能力。為了與眾多人臉對比，還要與云端大數據交互，無論多么高明的MCU都無法承擔如此重任。也許“深度學習”、“云端交互”是AI芯片的兩大重要特征。

目前AI芯片領域競爭激烈，也許一時難以形式統一的結構體系，但逐步完善后，作為嵌入式領域中的又一新兵，在人工智能領域，與MCU相互補充、各盡其職，既不可相互替代，又有不同的技術發展方向。MCU與AI處理器用在不同領域，兩者都有巨大的發展潛力。

AI芯片真的來了嗎？

西安電子科技大學電子信息與通信工程學科專業國家級實驗教學示范中心主任、教授 陳彥輝

AI是當前IT領域乃至社會關注的熱點之一，其基本愿景是人類充分享受人工智能帶來的智能成果。人工智能顧名思義是人造的智能體，而這個智能體只有在通過了圖靈測試才能稱之為人工智能體，從此具備了人類的智能。

人工智能技術的研究早已有很好的成果，諸如人機圍棋大戰的深藍和AlphaGo，可以說通過了圖靈測試，具備了人類的智能。但其難以普及，其基本原因是其算法復雜性高、實現平臺成本高。IT領域需要開發輕量級的人工智能成果，使其融入到人類日常生活中，諸如自動售貨機、自動駕駛。這種輕量級的人工智能成果發展得益于低功耗、高集成度的半導體制造和先進的通信網絡。前者產出速度更快、功耗更低的多核處理器系統及大容量可編程器件，使復雜的算法通過高速運算變為現實產品供人類消費；后者提供量大速快的通信網絡系統以及寬帶移動互聯產品，為人工智能的應用提供更為廣闊的空間。

目前所謂的“AI芯片”是為輕量級的人工智能成果發展需求而應運產出。絕大多數本質上是面向應用所開發的人工智能高速計算專用電路，無論如何包裝，這種芯片永遠只是一種特殊的專用器件，這種專用的AI芯片針對特殊領域具備了人類的基本智能能力：計算能力、控制能力、通信能力、情感能力或者是它們之間的組合。

未來的AI芯片是智慧級的人工智能成果，應該具備包括適應能力和學習能力在內的人類高級智能能力，如同新出生的嬰兒一樣，其智能能力是逐步成長的，同時與他/她成長環境有關。將來有一天，研究人員把人工智能算法采用模塊化分析和形式化描述并融入現代嵌入式系統中，智慧級AI芯片才會粉墨登場，它不僅是基于存儲和計算的，同時也是面向通信和邏輯的，具有若干人工模擬神經元構成的可編程的片上通信邏輯網絡，依據成長環境生成人工神經元，構建具備軟硬協同并行處理的人類智能系統，開創人工智能新紀元。

（這位嘉賓帥到不好意思露真容啦）

談AI芯片——談算法不談智能，談實現不談芯片

鄭州大乘信息科技有限責任公司 段新亞

說起來所謂的人工智能熱潮，人工智能寒冬，已經至少是第三次了。第一次，在20世紀50年代左右，被稱為人工智能之父的約翰麥卡錫創造了lisp語言，也引領了以symbol概念為核心的符號主義人工智能。第二次，在20世紀70年代左右，BP算法的提出，則是引領了一波以神經網絡這個概念為核心的連接主義人工智能。而現在這一波人工智能概念重新被人們拉出來炒作，則是所謂以機器學習這個概念爆炒。但單講機器學習這個概念，卻發現無論是蒙特卡洛算法、貝葉斯定理、貝葉斯網絡、NN神經網絡、RNN網絡，還是提出了一個包含多隱層的所謂深度學習，其實并沒有見到什么新鮮的面孔，反而都是些幾十年前早已經有的東西。可能唯一的不同是現在的硬件性能遠遠高于從前的硬件性能，FPGA、GPU、ZYNQ等更新鮮的設計模型，芯片工藝的大幅提升，讓制作芯片的成本急劇下降，讓從前很多在數學，在理論上已經的東西，可以在一個人所能接受的速度和響應環境下工作。

這也就提到了上述我的觀點，我們談算法不談智能。所謂強人工智能，確實不是我們現階段能實現的，獲取暫且是連頭緒都沒有的虛無縹緲的目標。至少人類的認知和意識的模型，我不認為是現在盛行的神經網絡連接主義的主流想法，將大量數據作為“經驗”堆積出的回歸算法。無論是最大似然估計的思維方式、symbole描述的方式，還是貝葉斯最大后驗估計的做法，我們與其說做的是智能，不如講我們在使用“看起來比較智能”的算法。

就像是馮.諾依曼認為蒙特卡洛算法是最接近上帝的思維方式的算法那樣。一個靠隨機數據堆積的，幾乎不能被稱之為算法的算法，又算的上什么上帝的思維？又算得上什么思維？

筆者認為AI芯片，不過是狹義的機器學習派系中大量的算法的不同實現方式罷了。與其去談用硬件作為AI算法載體的芯片是否存在，不如去講是用硬件作為算法載體的芯片是否存在。原本AI算法在評估后，也只是與常規的算法本質上無異的“算法”而已。算法是否可以由硬件直接作為載體，而不需要通過軟件這個概念，答案當然是肯定的，原本軟件就是以硬件為載體工作的。那這個意義上的AI芯片當然是存在的。

簡單暢想一下人工智能的未來：現在這波基于機器學習和深度學習算法引爆的人工智能熱潮，筆者個人不認為會維持多久。雖然因為硬件和芯片工藝的提升，讓從前因硬件成為瓶頸的問題得到了一定程度的緩解。但哪怕完全解決了運算速度瓶頸，我們制造的不是智能，只是將計算機與統計學幾十年前的技術做了一次深度結合罷了。

“人工智能芯片”——一個商業概念

賽諾微醫療科技（浙江）有限公司電子設計主管 唐思超

“人工智能芯片”是一個商業性概念，因為其技術本質仍未跳出現有技術體系，沒有技術層面的本質革新。

自20世紀50年代人類首次提出人工智能概念，其范疇始終隨著時間的推移而發生變化。廣義上，可以認為人工智能就是用機器模擬人類的思維和推理，即一個系統在其原始程序設定之外的學習能力。

以近期炙手可熱的智能手機“人工智能芯片”為例。依據廠商的宣傳，這類人工智能芯片的主要功能是圖像識別。然而，基于通用CPU、GPU、DSP或FPGA 就可以完成圖像識別工作，只是效率的問題。那么，為什么還要單獨使用“人工智能芯片”？廠商宣稱，人工智能芯片獨立的數據處理能力大大減少了將數據發送到云端進行處理的需求，可減少云端的數據處理時間；可降低終端CPU使用率，讓其有更多的時間專注于其他任務；同時減少電池的消耗?？梢?，這類人工智能芯片的意義在于：可以加速處理機器學習、深度學習和神經網絡依賴的特定類型的任務，因為其比通用CPU、GPU或DSP具有更強的浮點運算能力，同時具有更低的功耗。然而技術層面上，其并無本質突破。

放眼全球，主流半導體廠商都有推出各自的人工智能芯片方案。Intel有基于眾核架構CPU的方案；NVIDIA有針對人工智能的GPU方案；CEVA和Cadence推出用于人工智能的DSP IP核；Altera（現屬于Intel）、Lattice等可編程邏輯器件廠商推出基于FPGA的方案。此外，谷歌和IBM也推出了相關方案。

綜上所述，人工智能的實現無法脫離芯片的支持，但“人工智能芯片”就目前的情況看有過分炒作之嫌。一些媒體鼓吹中國將依靠人工智能芯片彎道超車，依靠人工智能芯片打破西方x86、ARM等技術壟斷。但目前來看，所謂的“人工智能芯片”只是特定算法加速器，仍是CPU、GPU、FPGA、DSP等技術手段的集成，前述媒體的論調顯然缺乏基本的技術常識。認清所謂“人工智能芯片”的本質才能使全社會的注意力從“新瓶裝舊酒”的各種眼花繚亂的應用提法轉向真正的技術突破，避免重蹈中興事件的覆轍。

編輯視角

各方觀點不同，原因在于AI芯片確實不是一個新出現的事物，一時之間難以有一個明確的統一定義，只是希望芯片搭乘AI這股東風的同時，能夠提供更便捷、更智能的應用，也算是完成了一次進化！