申请入会   |   会员登录   |   联系我们   |   会员查询    |   专家查询  |   二维码   

孙会峰:AI“芯”发展,引领新未来

时间:2019年9月20日  来源:中国电子劳动学会    

2019年8月30日,2019世界人工智能大会•AI引擎“芯”未来峰会在上海世博中心隆重举行。会议围绕“芯技术 芯架构 芯安全”主题,探讨了人工智能芯片的现状、困难、期待与趋势。

伴随着人工智能各种应用场景的普及与发展,海量多维的数据将在云端以及边缘侧展开大量处理计算,芯片也面临更加广泛以及多样化的需求,这对AI芯片的计算架构、运算能力、场景与算法适用性、安全可控等都提出了新的课题与挑战。

赛迪顾问有限公司总裁孙会峰,就近年来中国人工智能芯片发展的状况进行了深入分析,并总结了未来中国人工智能芯片发展四大趋势。

预览区

以下为演讲实录

算力是源动力

首先我们来看一下人工智能的整个产业链链条,我们把它分为三个部分,基础层、技术层和应用层。

预览区
数据来源:赛迪顾问

我们探讨很多技术问题的时候更多的是算力算法,后面应用层就涉及到很多行业的应用,比如刚才魏老师提到的无人驾驶、深度学习、视觉识别等等。这些应用的主要制约其实还是在算力的提升,而算力主要依赖芯片设计。

AI与场景融合,芯片产业千帆竞发

我们可以看到,人工智能在安全、金融和商业等领域已取得比较广泛应用。2018年,我国人工智能核心产业规模近千亿。未来,随着人工智能将与更多领域深度的融合,预计到2020年,中国人工智能核心产业规模将突破1600亿元。

预览区

预览区
数据来源:赛迪顾问,2019,01

中国人工智能产业的快速发展和场景落地,拉动我国人工智能芯片需求,无论是基于底层技术开发,还是针对上层应用,大批企业涌入芯片领域,形成传统企业与新进企业千帆竞发的态势。

预览区
数据来源:赛迪顾问

云端,还是终端?中国速度点亮全球

可以预见的是,不管是人工智能芯片的云端还是终端市场,都将保持高速增长。2021年,人工智能芯片云端市场超过百亿美元,年均复合增长率21.77%,而同期,中国云端市场年均复合增长率超过50%,远超全球平均水平。

预览区

预览区
数据来源:赛迪顾问,2019,01

 

其实人工智能芯片基于哪一种架构能够满足未来场景性的需求,可能是我们需要关注的重点,这也是我们解决核心关键技术的突破点或者需要主要努力的领域。

预览区
数据来源:赛迪顾问

基于以上分析,我们有以下判断

赢场景者得“天下”

目前芯片设计更多的是从技术角度出发,追求更高的工艺、更大的计算能力和更低的能耗。未来,人工智能时代下场景商业落地是根本,人工智能芯片研发方向将从聚焦技术难点转向解决场景痛点。无人驾驶、自动化的工业生产线,智慧金融、智慧医疗、智能语音等智能化应用场景对于芯片的设计和生产提出了不同的要求,如何解决场景痛点,通过什么样的技术和芯片产品,利用哪一种架构,满足不同场景下的计算需求将是人工智能企业更为关注的。这也是作为AI芯片企业的核心技术突破点和主要攻克的方向。未来场景化芯片应用将是人工智能芯片企业的重要抓手,借助未来智能场景规模性落地,从客户终端需求出发,打造智能时代AI芯片新生态,最终实现以芯片为核心的场景延伸。

预览区
数据来源:赛迪顾问

谁将打造人工智能“CPU”

目前应用在人工智能的芯片,主要技术路线分为更具通用性的GPU,半定制化的FPGA,全定制化的ASIC,以及尚处于探索阶段的类脑芯片。不同的架构体系,不同的芯片技术路线,在它的能耗、功效等方面有着很大的区别。

要适应不同场景下多样性算法要求、要强大的计算能力提供算力支撑、要高能耗比满足终端场景应用,则在芯片的设计上会有非常多样化的需求。通用性较强的CPU、GPU难以依据人工智能算法计算的特点提供高算力和低功耗,而定制化程度较高的FPGA、ASIC类型的芯片可迁移性较差,难以大规模生产以满足不同场景,而且随着智能算法的迭代更新,定制化的芯片难以快速反应。

未来人工智能芯片能不能成为更具有通用性的芯片,是否能从专用性走向通用性,这些是大家所关注的。我们期待有更加创新活力的,面向未来人工智能通用性芯片的企业诞生。我们需要专门为人工智能设计的更为灵活、通用的芯片,成为人工智能领域的“CPU”。

预览区
数据来源:赛迪顾问

云边协同为智能加速

智能计算从云端到云边协同。云端聚焦非实时、长周期数据的大数据分析,能够支持大量运算共同运行,对于人工智能应用来说,只有云端强大的计算能力才能够为智能算法模型的实现提供强有力的支撑。

过去十年里面大家更多谈到云计算、大数据集中化的处理,随着5G、6G以及很多场景的需求,边缘侧的计算也是非常重要的。

对于人们来说,人工智能大多是通过智能终端产品为我们提供服务。伴随IoT的发展和终端产品数量的不断增加,仅依靠云的计算能力难以处理每秒产生的数以万计的数据。边缘计算正是将部分计算能力下沉至应用场景附近,聚焦实时、短周短周期数据分析,从而减少云端负载,降低传输时间损耗,支撑本地业务实时智能化的处理与执行。

未来的智能时代将是云边协同的时代,如何解决云端与终端的配合问题,如何来解决两者之间的协同互动,甚至分工,值得我们思考和研究。

预览区
数据来源:赛迪顾问

合作从串行分工到融合共生

现阶段,AI芯片产业发展是以企业为主体,产品上下游企业相对独立运营和管理的方式,同环节企业高度竞争。未来,产业之间的分工模式将更加多样,人工智能企业的分工将会基于场景应用去做更多方面的创新。在半导体领域里面,串行的分工模式将向着融合共生演进。借助合资公司、共同搭建平台等方式,形成合作生态。发挥各企业、机构技术和资源优势,以特定应用场景及场景核心需求出发,形成有机的合作形态。

预览区

产业生态的各个角色,应该怎么做?

作为企业,更需要关注场景的落地。人工智能领域是广阔的蓝海,如何选择先发赛道,选择哪条赛道作为发力点,通过什么样的手段能够创造出基于产品的服务和场景,是需要企业持续探索的。人工智能芯片领域具有高投入和高壁垒的特点,企业需要借助更为通用的产品设计实现规模化生产,并通过融资投入和产业合作的方式加速企业发展。

对于专业园区,需要重点抢位布局。通过政策设计、创新基地建设、应用示范等方式,鼓励特定落地场景下的人工智能产业集群整体落户。如此,人工智能芯片企业借助地方定位将有更具针对性的研发与服务方向。通过形成产业集聚效应和品牌推广,扩大规模,实现落户企业正向盈利,形成产业园区生态闭环。

对于机构来讲,需要更加关注节奏力度。这个赛道的投资风险是很大的,如何去把握节奏力度,去关注一些核心的技术,头部的标的,包括对于我们所投标的未来规模应用评估,是需要关注思考的。同样,就像习主席所讲的,开放合作才能更快的来服务于创新。基于这样的开放环境,我们需要依托国际国内两种资源,要重视两种市场。