中國人工智慧晶元發展概況精簡版

來源：內容來自「集成電路產業研究」，謝謝。

人工智慧（Artificial Intelligence，英文縮寫AI)，近幾年成為最熱門的研究和投資領域。基於深度學習的人工神經網路演算法需要有運算和存儲的晶元作為硬體基礎，人工智慧的發展也激發了對晶元的大量需求，成為驅動集成電路產業發展的新動力。我國在人工智慧晶元領域與世界處在同一發展階段，結合目前產業發展的技術和應用現狀，發展應用於人工智慧領域的晶元將給我國集成電路產業發展帶來一次難得的機遇。

一、人工智慧簡介

目前普遍認為人工智慧是研究、開發用於模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門科學技術，本質是對人類思維過程的模擬。人工智慧並非近幾年誕生的新事物，而是已經有了六十多年的發展歷程，從1956年提出這一概念，其發展歷程經歷起伏。

近年來興起的AI的發展浪潮，是由多方面因素推動的。一是理論演算法的革新，2006年，加拿大多倫多大學教授Geoffrey Hinton提出深度學習神經網路，使AI演算法向前邁進一大步；二是大數據產業的發展，數據量呈現爆炸性增長態勢，提供了基於深度學習的人工神經網路演算法需要的海量數據；三是計算能力的提升，無論是雲計算技術的發展，還是晶元技術的發展，都提供了大量的計算資源；四是網路設施的進步，從互聯網到移動互聯網再到物聯網，基礎網路設施水平的提升拓展了人工智慧應用的邊際。

這一系列的因素推動了AI自2013年以來迎來第三次發展浪潮並持續至今，人工智慧技術正在成為新一代通用技術。「AI＋X」模式日趨成熟，AI向經濟社會各領域快速滲透融合，在金融、安防、醫療、交通、教育等領域提供了新的技術和業態支持，推動了一系列新模式和新產品的推出，成為經濟社會發展的新引擎，重塑整個社會發展，這也是AI驅動新一輪技術革命的主要方式。

全球各國也紛紛在AI領域加大研發投入,以期在這一新興技術革命中穩立潮頭。歐盟委員會計劃在2018-2020年在AI領域投資240億美元，美國白宮成立AI專門委員會，以確保AI領域美國第一。

二、人工智慧晶元技術

人工智慧有三大核心要素，即核心演算法、運算能力、數據資源，而這三大要素的實現都離不開晶元作為硬體基礎。從某種程度上說，也正是因為集成電路的快速發展，推動了人工智慧演算法的實現、海量數據的獲取、存儲和計算，催生了新一輪人工智慧的熱潮。

人工智慧晶元並不是一個嚴格的定義，可以認為所有面向人工智慧應用的晶元都可以稱為人工智慧晶元。在2007年以前，受限於演算法、數據等因素，通用的CPU即可滿足人工智慧的應用需求。但隨著基於深度學習的人工神經網路演算法的提出，大數據技術提供的海量的數據，通用CPU無法滿足這種需要海量數據並行運算的算力需求，催生了面向深度學習應用的晶元強烈需求，人工智慧晶元應運而生。這也是通常所提到更具體的人工智慧晶元的概念，即運行深度學習演算法的晶元。

從人工智慧的技術層級來看，晶元技術剛好處在各層級的中間，起著關鍵作用。晶元技術向上支撐演算法和應用的實現，向下牽引工藝、器件和材料的研發。一方面目前通過不斷的設計和架構的優化以滿足演算法和應用的性能需求，驅動了人工智慧晶元的研發，另一方面半導體基礎技術的研究發展也從工藝、器件等角度推動了晶元性能的提升。

從技術架構來看，AI晶元分為以GPU為代表的通用晶元、以FPFA為代表的半定製化晶元和ASIC定製化專用晶元和類腦晶元四大類。各類晶元的特點如表1所示。

同時還可以從應用場景和功能角度來對AI晶元進行分類。從應用場景角度看，AI晶元可以分為在數據中心部署的雲端晶元和在消費者終端部署的終端晶元。從功能角度看，AI系統主要包括訓練（Inference）和推斷（Inference）過程，也可以從實現的功能不同對晶元進行分類。結合這兩個維度，可以總結AI晶元的應用需求，如表2所示。

傳統的CPU由於架構限制，無法滿足目前AI演算法的需求，相比之下，GPU的並行計算特性恰好適應人工智慧演算法及大數據並行計算的需求，可以提高几十倍的運算效率。通用GPU，特別是NVIDIA系列GPU晶元，被廣泛應用於雲端的深度神經網路訓練和推理。同時由於FPGA、ASIC等在功耗、靈活性、可定製化等方面的優勢，逐漸在AI領域開始應用，尤其是作為加速神經網路、深度學習的晶元。

類腦晶元是真正模擬人腦進行設計和計算，這應該是AI晶元未來發展的方向，主流理念是採用神經擬態工程設計的神經擬態晶元，採用硬體模擬人腦的神經突觸。這項技術面臨相當多的難題，目前還處在實驗室研發階段。

除運算晶元外，在人工智慧領域，還需要應用存儲晶元。由於並行訪問大量數據的需求，人工智慧和大數據處理需要高帶寬、大存儲容量的內存。由於傳統的片外存儲器會帶來較大的數據讀寫損耗，開發新型的片上存儲和更高容量、更快速度的存儲器成了應對人工智慧需求的研發方向。

三、我國人工智慧晶元發展概況

根據中信證券研究預測，2020年全球AI市場規模有望突破1200億美元，作為AI核心部分的AI晶元，預計到2020年，其市場規模將超過145億美元，佔全球AI市場規模12%，年複合增速達43%。AI技術的革新使其從構架到應用，都和傳統處理器與演算法有巨大的差異，這給創業者和投資者提供了廣闊的空間。

各大科技行業巨頭，如Intel、IBM、Apple、高通、AMD、Nvidia、NXP等公司均有涉足AI晶元產業。據市場研究顧問公司Compass Intelligence在2018年5月發布關於AI晶元最新調研報告，排名前三的依次是Nvidia、Intel和IBM，在排名最高的前24家公司中有7家中國公司入圍，依次是華為（12名）、聯發科（14名）、Imagination（15名）、瑞芯微（20名）、芯原（21名）、寒武紀（23名）、地平線（24名）。

目前Nvidia佔據全球AI晶元50%以上市場份額，由於CUDA開發平台的普及，Nvidia的GPU是目前應用最廣的通用AI硬體計算平台，廣泛用於AI訓練環節。由於傳統巨頭的控制，雲端AI晶元無論是從硬體還是軟體，給新公司預留的空間極小。國內的AI晶元公司，主要瞄準了在以針對深度學習演算法的專用晶元與國外公司展開競爭，這也是目前AI晶元中形式最多、創新最快的領域。中國科學院計算所研究員、寒武紀創始人陳雲霽博士預計，未來3~5年，通過設計專門的指令集、微結構、人工神經元電路、存儲層次，有可能將深度學習模型的智能處理效率提升萬倍。

國內AI晶元發展呈現出百花齊放、百家爭鳴的態勢，各公司瞄準的應用領域遍布安防、無人駕駛、金融、商品推薦、早教機器人等眾多領域，催生了大量的人工智慧晶元創業公司，並且吸引了部分高校、科研院所和傳統晶元公司加入。在地域分布方面，北京地區成為國內AI晶元創新創業最活躍的地區，企業數量佔據全國一半以上。這是由於北京具備全國最密集的人工智慧和微電子領域的智力資源，不僅有如清華大學、中科院系統、北航等國內AI骨幹研究單位，同時還有百度、京東、小米、阿里、滴滴等互聯網巨頭在AI領域的全力投入，以及眾多的投資機構、行業研究機構和媒體等助力，使得北京成為AI晶元創新創業的沃土。

目前國內諸多AI晶元初創企業受到了資本的親睞。如全球AI晶元界首個獨角獸寒武紀，在2017年8月獲得1億美元A輪融資，2018年6月完成25億美元B輪融資。深鑒科技於2017年5月獲得數千萬美元A輪融資，2017年10月完成了約4000萬美元A 輪融資。ThinkForce 在2017年12月完成4.5 億元A 輪融資。瑞芯微電子也在2018年11月宣布獲得大基金戰略投資。眾多AI晶元領域初創企業獲得機構投資或戰略入股，也充分說明了資本看好在這個領域國內企業的發展潛力。在AI領域的投資上，我國已經超越美國成為世界第一，其中大筆資金投向了AI專用晶元領域。

AI晶元作為半導體集成電路領域新的、快速發展的應用領域，不斷革新的技術，大量的資本和資源的投入，將會對我國計算晶元乃至集成電路行業的發展產生非比尋常的影響。一方面，在深度學習AI晶元領域，中國和其它國家站在同一起跑線上，這給了中國追趕世界先進水平的機會；另一方面，中國集成電路產業整體實力偏弱，尤其是在半導體工藝、材料等方面，這些是上游集成電路設計和應用的基礎，AI晶元的發展會帶動這些細分產業環節的發展，提升我國整體行業水平。

THE END

伴隨著AI產業第三次爆發，AI晶元的核心地位和作用日益突顯，尤其是AI很有可能引領新一輪的信息技術革命，這給未來全球科技產業發展的格局變化帶來了巨大的空間。AI晶元的快速發展給我國集成電路產業帶來了新的增長點，也成為了驅動整個產業技術實力提升的新動力。我國AI晶元領域聚焦了大量的智力和資金資源，已經在國際上嶄露頭角，但也必須正視國內集成電路產業整體實力偏弱、人才隊伍水平不足、基礎科研水平不夠的現狀。牢牢把握AI給國內集成電路產業帶來的這次難得的機會，穩紮穩打，直道追趕，力爭在新動能的驅動下提升我國集成電路整體實力。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！