AI晶片的破局與機會

「如果說2017是AI晶片的元年，2018大家苦苦等待的爆發點卻遲遲沒有到來，而到了2019無論是AI晶片的新貴們還是厚積薄發的老牌大廠們都將迎來第一次期末考試。」該負責人指出，可以期待的是，AI推理晶片將首先會在智慧城市的場景里批量落地，並提供更好的性價比，「‘一花獨放不是春，百花齊放春滿園’，2019年將是這個領域群雄逐鹿的開始，to B的定制化服務能力將很大程度決定‘花期的長短’」。

清華大學電子工程系教授汪玉在2019新智元AI技術峰會上指出，「目前國內晶片僅應用軟件與世界先進水平相比，情況較理想，但原料與設備、製造、設計、系統軟件等方面與國際先進水平存在不同程度的差距。」具體到晶片設計而言，CPU(中央處理器)差距較大，市場被英特爾等老牌廠商占領；隨著地平線、寒武紀等一批晶片公司崛起，AI晶片設計的差距較小；新器件領域則處在同一起跑線。汪玉作為學術界成員，也認識到學術與產業界的合作的重要性及問題，呼籲構建半導體創新生態。

此外，從現實應用上講，數據中心仍然需要更強、更快的訓練能力，而「AI+」迫切需要遍布於從終端到雲的推理能力，這是促使科技巨頭大規模投入、互相競爭的根本。

中國AI造芯緊跟邊緣計算風口

隨著網路邊緣產生的數據逐步增加與物聯網的發展，許多新的計算模型正在不斷的提出。例如，如果能夠在網路邊緣節點處理、分析數據，那麼這種計算模型會比雲計算更高效。

對物聯網而言，邊緣計算技術取得突破，意味著許多控制將通過本地設備做到而無需交由雲端，處理過程將在本地邊緣計算層完成。這無疑將大大提升處理效率，減輕雲端的負荷。由於更加靠近用戶，還可為用戶提供更快的響應，將需求在邊緣端解決。

今年3月，科技巨頭的新動作引起了行業關注，Google對外發布搭載Edge TPU晶片的千元級開發板，執行推理速度優於任何其他處理器架構；英偉達也在GTC十周年之際發布了一款邊緣計算產品Jetson Nano人工智能計算機，僅售99美元；聚焦邊緣計算的AI晶片公司地平線融資6億美元，估值超過30億美元。

在英特爾、英偉達、Arm公司占領了數據中心和手機晶片市場的情況下，中國公司試圖從邊緣及終端突圍，利用中國巨大的製造業硬件產業鏈和場景優勢，試圖建立起自身AI晶片生態系統。

同時，AIoT(人工智能物聯網)的架構也在演變，從集中式和雲端到架構的轉變正在順利進行。與邊緣架構相關聯的整齊層將演變為更加非結構化的架構，包括在動態網格中連接的各種設備和服務，這些網狀結構將做到更靈活、智能和響應更快的物聯網系統。

AI晶片核心競爭力在智能算法

與此同時，AI晶片核心競爭力在智能算法，所以相比傳統晶片的迭代速度更快。雲天勵飛研發副總李愛軍曾表示，現在算法每半個月迭代一次，AI晶片則要同步迭代，而傳統晶片的迭代是按年計算。

據阿里巴巴達摩院智能計算實驗室資深算法專家楊紅霞介紹，阿里2017年就開始布局圖計算了，主要是在兩方面，一是與知識圖譜的結合。楊紅霞解釋，知識圖譜本身是比較精確的，但是模型的覆蓋面有一定限制而且挖掘的過程是比較耗時耗力，圖神經網路系統的覆蓋比較廣泛而且更加高效，所以兩者的結合可以帶來比較顯著的提升，知識圖譜挖掘的常識可以作為圖神經網路系統的「warm start」，同時圖神經網路系統的結果也可以更加高效的指導知識的挖掘。二是結合了大規模貝葉斯圖嵌入學習。通過貝葉斯網路可以有效的表達和融入常識，同時貝葉斯方法在實際表達不確定性和從不同來源數據中學習的能力，也推動了常識的融入和推理。「在阿里巴巴的流量最大段，搜尋推薦的各種產品和業務反饋上，我們得到了非常積極有效的結果。」楊紅霞透露。

而在算法和計算體系層面上，達摩院則認為無論是數據中心或者邊緣計算場景，計算體系將被重構。基於FPGA、GPU、ASIC等計算晶片的異構計算架構，以及新型存儲器件的出現，已經為傳統計算架構的演進拉開了序幕。而算力與算法發展將推動視頻等非結構化信息與其他結構化信息實時融合，城市實時仿真成為可能，未來會出現更多的力量進行城市大腦技術和應用的研發。達摩院預計，在新的一年，中國會有越來越多城市具有大腦。