TC 杭州 | 造芯片真的跟菜市场买白菜一样简单？

早在中兴工作之前，我国便现已悄然兴起了 AI 芯片热，不过，只需在中兴工作之后，AI 芯片才敏捷爆红成人尽皆知的网红，就在人们为我国高端芯片业被美国掐住脖子而愤勃然之际，越来越多的 AI 企业也纷繁宣告入局 AI 芯片，给人一种造芯片跟买白菜相同简略的幻觉。

可是，AI 芯片职业的本相究竟是怎样的？

为此，2018 年 7 月 2 日，在 

TechCrunch 世界立异峰会杭州 2018

 自动驾驶专题论坛上，咱们特别邀请了异构智能我国区总裁周斌以及西井科技首席技能官张波，企图拨开职业迷雾，让咱们一眼看清 AI 芯片本相。

什么是 AI 芯片？

这个问题看似简略，但或许是由于职业开展太快，现在业界对 AI 芯片的界说却没有一个一致，乃至有观念以为一块能够跑 AI 算法的电路板，也都能够称之为 AI 芯片。

显着，周斌与张波并不能直顶替职业为 AI 芯片做界说，但他们观念或许有助于 AI 芯片一致界说的构成。

周斌以为，到现在为止全球其实还没有呈现一款真实的 AI 芯片。“为什么？由于咱们远远没有完结真实的人工智能，现在一切套着 AI 芯片大帽子的，其实都仅仅在做某些特定范畴内的作业，这是不是真实的人工智能呢？这要打一个大大的问号。”周斌更倾向于将现在所谓的 AI 芯片叫做增强的机器学习和增强的模式辨认。

当然，假如硬要将这种芯片叫做 AI 芯片，周斌以为其有必要满意如下条件。即相应设备有必要能够高效地履行人工智能里最中心的算法，比方深度学习等。“咱们以为深度学习功能要满足高，比方超越 10 万亿次每秒，由于只需到了这样的功能目标，机器才干够有满足强的才干完结杂乱使命。不然纵然是挂了芯片的外衣，咱们也不能称之为真实的 AI 芯片。”周斌表明。

周斌好像只重视 AI 芯片的功能目标，而并不关怀芯片的详细形状。对此，张波弥补以为，AI 芯片完结的计划或许有多种，包含 CPU、GPU、DSP 等等。至于为什么要把它称之为 AI 芯片？张波与周斌的观念颇有几分类似：“火爆的深度学习需求许多的核算，而这就需求有硬件来供给如此大的核算。因而，假如非要把能跑深度学习算法的设备称作 AI 芯片，我以为也有必定的道理。”

最终，周斌表明，关于什么是 AI 芯片，其实每个人都有自己的观念，要想构成一个社会遍及认可的 AI 芯片界说，或许还需求很长时刻。

自动驾驶 AI 芯片的必要性与特殊性

动点科技了解到，此前，许多自动驾驶企业都不敢将样车的后备箱翻开，由于后备箱里塞满了用于数据处理的 GPU 以及相应的散热器等，整个体积会十分大，并且功耗也不小。而这便是自动驾驶职业急需高功能、低功耗、低成本 AI 芯片的一个重要原因。

除此之外，自动驾驶职业急需 AI 芯片是否还有其他更重要的原因？

“现在车上相机比较多，并且还有激光雷达等，这儿就有一个重要的问题，这么多传感器怎样有用交融？”据了解，在自动驾驶的完结上，现在业界比较公认的观念是，依托单传感器肯定是不可的，多传感器交融是完结自动驾驶的必经之路。对此，张波介绍，在交融进程中有一个需求处理的关键问题，那便是传感器之间的同步。“假如不同传感器传输（速度）不同，最终的交融作用则会遭到很大的影响。”

张波以相机举例介绍，传统相机数据的处理是先将相机发生的原始数据传回到数据处理中心进行处理，而这个时刻推迟会比较大。因而，张波以为，使用 AI 芯片将运算前移，让传感器直接“吐”出可用数据，能够削减数据传输时刻，“而这也是 AI 芯片发挥作用的当地”。

关于削减时延的另一个优点，周斌弥补以为这能够在关键时刻救人命。“前一段时刻有家闻名的出行公司（Uber）自动驾驶撞死了一个行人，分明是一切人都能够防止的事，为什么这么多传感器、这么多设备、这么显着的方针，该车却没有显着的刹车就直接撞上去了？是它的电脑死机、蓝屏了，仍是传感器呈现问题了？刚刚说到的问题或许性不大，或许性最大的是它的处理速度不够快和推迟问题，它的处理体系从发现方针到检算，到决议计划，到最终的履行动作推迟过大，导致它在很短时刻内没有方法做出反响。”

因而，周斌以为，不论在前端仍是后端，都需求高效率、低推迟、高功能的芯片（即 AI 芯片）来发现问题并作出决议计划。

可是有意思的是，已然自动驾驶 AI 芯片如此重要，但动点科技观察到，尽管现在业界做 AI 芯片的企业不少，但许多都是在做语音辨认、人脸辨认等芯片，为自动驾驶职业做专门 AI 芯片的企业反而并不多，而这就触及到了自动驾驶 AI 芯片的难度和特殊化问题。

对此，周斌表明，轿车电子是一个要求极高、收效极慢、投入极大的职业，而自动驾驶 AI 芯片则是一个愈加难上假难的工作。“为什么？首要，芯片联系到咱们车的安全自身。这就要求芯片核算才干有必要要到达必定的高度，只需这样才干完结满足好的自动驾驶算法运算，才干够满足好地完结相应使命，假如没有好的算力供给，咱们的自动驾驶便是空谈。”

怎么处理 AI 芯片与算法晋级问题？

一般来说，软件算法的更新迭代都是比较快的，可是，咱们一旦将算法芯片化之后，算法晋级的空间就会削减许多，那么，职业界是否有方法处理这一问题？

对此，周斌以为这个问题其实并不难处理。“AI 算法本质上来说便是一些根底的运算，而现在干流的深度学习算法的根底数学运算在必定时刻内其实是安稳的，因而，只需在根底运算的层面上供给一整套的解析体系，芯片就能够十分广泛的习惯各式各样的模型。当然，假如未来的模型算法彻底不是现在的深度学习架构，那芯片就或许要适应变化了，可是咱们以为在可见的未来两三年之内，深度学习仍是这一代 AI 的干流，所以只需咱们能够十分好的支撑深度学习，咱们就必定能够处理掉大部分的使用算法问题。”

别的，张波弥补道，芯片能否规划化也是算法是否需求固化的重要目标。“前期在芯片规划不是很老练的情况下，能够经过其他的一些代替计划，比方 FPGA 计划去完结，等场景老练可完结规划出货之后，再将算法固化成 AI 芯片。”

怎么点评中兴工作揭穿的我国高端芯片被美国“卡脖子”的现实？

关于这个问题，周斌以为全球化的趋势是不可防止的，这种封闭，这种所谓的卡脖子仅仅一个暂时的现象。

“举一个比如，一台通讯基站里边有成百上千个芯片，尤其是一些中心的芯片，显着没有一个国家现在能够把一切芯片都做完。即便翻开美国的设备，里边也有许多的日本的、韩国的芯片，全球化的大分工是一个竞合的联系，咱们只需开展自己中心的技能，并在这儿找到自己的一席之地，那咱们也能够去卡他人的脖子，这样反过来就不怕被他人卡脖子了。”周斌如此表明。

因而，周斌着重，在开展 AI 芯片职业的进程中，咱们必定要把握自己的中心技能。

别的，关于商场受中兴工作影响而旋起的造芯浪潮，周斌表明，有热门总之是一件功德。不过，周斌也着重做芯片并不是一蹴即至的，也不是有了本钱，就能够大力去开展的。尤其是在国内芯片方面人才缺少的现状下，周斌主张创业者必定要理性、客观对待这个造“芯”这件事。

中美在造芯方面的距离？

关于中美在造芯方面的距离问题，张波以为我国现在从芯片规划到出产制作以及封装其实都是有必定根底的，并且在加上现在本钱的投入，这现已使得我国在芯片尤其是 AI 芯片的制作方面有了新的时机。“由于 AI 芯片是专用处理芯片，而在这个范畴，咱们和欧美也算是在一个起跑线上。”张波如此表明。

关于我国现已有了芯片制作根底的观念，周斌表明同意，并着重咱们的某些根底条件现已十分好了，许多当地乃至现已超越了美国。

不过，两位嘉宾仍是指出了我国在许多方面仍然存在缺少。

张波以为，现在国内缺少经历过芯片生命周期人才的现实或许将成为我国开展芯片工业的瓶颈。

而周斌则表明我国在相关的软件配套、激励机制、职业气氛的建造等方面或许与美国比较还有一个较大的距离。尤其是美国企业更乐意静下心来扎扎实实地、充溢敬畏心肠干事，即便是坐 10 年冷板凳也不在乎，而国内创业企业则更倾向于追风口。

“咱们现已看到了芯片职业无数次的起起落落，而炒完之后必定是一地鸡毛。”周斌如此表明。