智能時代，“中國芯”迎來新機遇

　　5月3日，在上海國際會議中心舉行的發布會上，寒武紀科技公司首席執行官陳天石展示新發布的芯片。 新華社發

　　芯片是人工智能的重要支撐。5月10日，參觀者在2018全球人工智能產品應用博覽會上觀看一輛無人駕駛概念車。 新華社發

圖為焊接在電路板上的芯片。 圖片來源于網絡

　　［閱讀提示］

　　芯片被譽為工業制造的“皇冠”，在人工智能技術如火如荼的今天，不論算法怎樣領先，想要最終應用，都必須通過芯片實現。

　　近日，在上海國際會議中心舉行的發布會上，由中國科學院孵化企業、智能芯片設計公司寒武紀科技公司（以下簡稱“寒武紀”）帶來的云端人工智能芯片Cambricon MLU100、寒武紀1M終端智能處理器IP產品，再次讓“中國智造”驚艷世界。

　　芯片如何站上云端？智能芯片與傳統的中央處理器（CPU）能否相互代替？要告別“芯痛”，我國應如何加速補齊短板？

　　1

　　站上云端的“中國芯”

　　采用最新架構與先進工藝，可在平衡模式（1GHz主頻）和高性能模式（1.3GHz主頻）下工作，平衡模式下的等效理論峰值速度達每秒128萬億次定點運算，高性能模式下的等效理論峰值速度達每秒166.4萬億次定點運算……發布會上，這款由寒武紀帶來的云端人工智能芯片Cambricon MLU100初一亮相，便因超快的運算速度成為全場矚目的焦點。

　　為什么Cambricon MLU100如此強大？

　　寒武紀相關負責人給出了答案：它是我國首款云端智能芯片。

　　“所謂云端，就是一款采用應用程序虛擬化技術的軟件平臺，它集搜索、下載、使用、管理、備份等多種功能為一體，可在獨立的虛擬化環境中封裝起來，使應用軟件不與系統產生耦合。”河北科技大學信息科學與工程學院王保柱教授解釋道，“好比我們刷微博和朋友圈，所看到的內容并非儲存在手機中，而是由那個看不到的‘云端’推送來的。使用云端可以最大限度地減小系統負荷，即便使用的軟件越來越多，系統也不至于越變越慢。”

　　正因融入了“云端”技術，盡管Cambricon MLU100的運算速度讓人驚嘆，但它的能耗卻并未跟著“直線飆升”。據寒武紀相關負責人介紹，其典型板級功耗僅為80瓦，峰值功耗不超過110瓦。

　　不僅如此，貫徹“云端協作”的理念，Cambricon MLU100還具有優良的通用性，可支持各類深度學習和經典機器學習算法，充分滿足視覺、語音、自然語言處理、經典數據挖掘等復雜場景下的云端智能處理需求，如大數據量、多任務、多模態、低延時、高通量等。

　　發布會上，同樣“吸睛”的還有寒武紀新一代IP產品。所謂IP產品，就是指寒武紀智能處理器的設計授權，只要客戶與寒武紀簽約即可使用。

　　2016年，寒武紀推出了第一代終端智能處理IP產品——寒武紀1A，目前，已成功應用于包括華為Mate10手機等在內的智能終端。

　　此次發布的寒武紀1M是該公司的第3代產品，不僅在計算力上又有所攀升，效能比

　　更可達每瓦5萬億次運算。

　　業內專家表示，過去，由于人工智能的計算量十分龐大，只有在云端才能進行學習訓練，寒武紀1M則是首款支持本地訓練的處理器，可為視覺、語音、自然語言處理及各類經典的機器學習任務提供更靈活高效的計算平臺，在智能手機、智能音箱、智能攝像頭、智能駕駛等領域將有廣泛應用。

　　“打個比方，以前識別物體、語音等通常需要大服務器，或者云上完成。而借助云端人工智能芯片，未來智能手機就可以變成一個翻譯機，可以同聲翻譯不同語言的人說話，讓大家互相之間都能聽得懂。”王保柱說。

　　2

　　人工智能的“專門武器”

　　關于智能芯片，許多人心里都曾有過這樣的疑問：它和傳統的中央處理器（CPU）間是何關系，能否相互替代？

　　給出答案前，我們不妨先將時針撥回至2016年，重溫“AlphaGo”對弈韓國棋手李世石的那場“人機大戰”。當年，這款由谷歌公司開發的圍棋程序以4∶1輕松取勝，秘訣就是模仿人類通過神經網絡進行“深度學習”。

　　“深度學習是機器學習研究中的一個新的領域，其動機在于建立模擬人腦進行分析學習的神經網絡，通過模仿人腦機制來解釋圖像、聲音和文本等各種數據，比如現在很火的人臉識別、語音識別等，都是對這種方法的應用。”王保柱說。

　　“AlphaGo”一戰成名，但在展現超高“腦算智商”的同時，也暴露出自身的先天短板：據媒體公開資料顯示，其剛亮相時，下一盤棋需要動用1000個中央處理器和200個圖片處理器，每分鐘僅電費消耗就高達300美元，網絡規模卻只有人腦的千分之一。

　　在王保柱看來，“AlphaGo”讓自己變“聰明”的方式并不特別：它使用的傳統處理器是在通用計算上發展起來的，通俗點講，就是沿著一個比較復雜的方程一步一步往下運算，任何人按照這個方程算下去，都能戰勝李世石。“只不過相較人腦計算，‘AlphaGo’的‘大腦’更多、速度更快罷了。”

　　“谷歌曾用1.6萬個處理器運行7天，來訓練一個識別貓臉的深度學習神經網絡，而‘AlphaGo’所需的處理器更為龐大，我們在日常的工作和生活中想要用到這項技術根本不可能。”王保柱說，簡而言之，傳統處理器雖然可以勉強應付深度學習，但它的學習效率并不高，而且消耗也大，并非完美無缺。

　　由此回到最初的問題，寒武紀公司創始人兼CEO陳天石就為CPU與智能芯片作了這樣的比喻：傳統的中央處理器好比“瑞士軍刀”，雖然通用，但并不專業。廚師想要烹出美味佳肴，就必須使用菜刀。而專業的深度學習處理器——智能芯片，就是這把能將“AI盛宴”做出特色的更高效、更快捷的“菜刀”。

　　寒武紀相關負責人介紹，如今，通過在計算機中模擬神經元和突觸的計算，寒武紀的AI芯片可對信息進行智能處理，再借助專門設計的存儲結構和指令集，其每秒可以處理160億個神經元和超過2萬億個突觸，功耗卻只有原來的十分之一，“未來，我們也許可以將‘AlphaGo’裝進手機里。”

　　“正如蒸汽機是工業時代的代表，CPU是信息時代的產物，智能芯片也將成為智能時代的核心載體。”王保柱說，目前，各國都在積極布局智能芯片產業，我國對此的相關政策支持也越來越多，國產芯片產業崛起已是蹄聲漸近。

　　3

　　告別“芯痛”的挑戰與機遇

　　據媒體公開資料顯示，2017年，我國集成電路產業的芯片設計、制造、封裝測試取得了超過10%的銷售增速，但在市場火爆的背后，必須正視我國芯片制造業的“芯痛”點。

　　“我國有全球最大的半導體市場，但不得不承認，國內集成電路設計企業的主流產品仍然集中在中低端，再加上基礎能力欠缺，強烈依賴國外的先進技術、工藝和外包設計服務。”王保柱說，加速補齊短板，才能告別“芯痛”。

　　在技術領域，目前，國際最先進的制程技術是10納米乃至7納米，而我國主流技術為28納米；在市場方面，國產芯片多數用于自身配套，自家用自家的產品，陷入了過分追求完全獨立和自主可控的怪圈。

　　“值得注意的是，大規模的資金和人才堆砌并不代表技術水準的提高，其背后仍然需要市場的引導。想要真正做活產業，就必須使芯片不斷改進迭代，在市場競爭中形成良性循環的態勢。”王保柱說。

　　此外，人才培養也同樣不容忽視。此前，中國科學院計算技術研究所研究員、“龍芯”處理器負責人胡偉武就曾表示，我國的芯片產業人才培養極不平衡，大多數人才都集中在技術應用層面，研究算法、芯片等底層系統的人才太少，“本質上都是在教學生怎么用計算機，而不是教學生怎么造計算機。就像汽車專業教了一堆駕駛員一樣。”

　　胡偉武舉了個例子，比如，絕大多數互聯網公司都在使用Java編程，相應的人才儲備能以百萬計數，但研究Java虛擬機（在實際的計算機上仿真模擬各種計算機功能的抽象化計算機）的人才，全國算下來卻鳳毛麟角。

　　盡管挑戰不斷，但機遇同樣并存。隨著人工智能的全面爆發，我國可穿戴設備、VR、無人機及物聯網等市場的大門已徐徐開啟，乘著這股東風，寒武紀、地平線、深鑒科技等國內AI芯片領域的初創企業加速成長，其針對定制化的芯片改造，將有利于國產芯片企業提前占領特色市場。

　　業內人士分析，總體來看，我國芯片要順利完成國產化進程，仍然需要一定時間，僅就目前而言，距離最近的時間節點就是5G通信的商用，即2020年左右。因此，5G也被認為是國產自主手機芯片趕超的關鍵，其中，紫光展銳、華為、小米等都在針對5G技術進行相應研發，希望實現與5G移動網絡同步推向市場。

　　“隨著5G的到來，信息數據傳輸速度將全面提檔，物聯網、汽車電子、智能電網、大數據、云計算、消費電子、自動化等新興行業的應用會逐漸上升，這將為國產智能芯片產業發展創造更加有利的需求條件。”王保柱說。（記者 張懷琛）