以深度學(xué)習(xí)為核心的新一代人工智能技術(shù)，近年來(lái)在機(jī)器視覺(jué)、語(yǔ)音識(shí)別等領(lǐng)域迅速發(fā)展，已經(jīng)開(kāi)始像水電煤一樣賦能于各個(gè)行業(yè)。作為引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，人工智能受到了各國(guó)政府的高度重視，我國(guó)也將其提升到了國(guó)家戰(zhàn)略層面。本輪人工智能產(chǎn)業(yè)的迅猛發(fā)展主要得益于算法、數(shù)據(jù)和算力三大要素。目前我國(guó)在數(shù)據(jù)和算法方面具備一定優(yōu)勢(shì)，而為人工智能產(chǎn)業(yè)發(fā)展和應(yīng)用落地提供強(qiáng)大算力支撐的芯片是較大短板，極大依賴于進(jìn)口。本文從人工智能芯片發(fā)展現(xiàn)狀和主流技術(shù)路徑入手，通過(guò)分析人工智能芯片國(guó)產(chǎn)化現(xiàn)狀與瓶頸問(wèn)題，進(jìn)而得出發(fā)展思路建議。

一、人工智能芯片市場(chǎng)分析

根據(jù)中商產(chǎn)業(yè)研究院數(shù)據(jù)，2017年全球人工智能芯片市場(chǎng)規(guī)模達(dá)到44.7億美元，約占全球半導(dǎo)體市場(chǎng)總規(guī)模的1.1%；預(yù)計(jì)2020年有望突破百億大關(guān)，發(fā)展空間巨大。而我國(guó)的人工智能芯片行業(yè)發(fā)展尚處于起步階段，2017年我國(guó)人工智能芯片市場(chǎng)規(guī)模為33.3億元，同比增長(zhǎng)75%；預(yù)計(jì)隨著5G、物聯(lián)網(wǎng)、大數(shù)據(jù)等應(yīng)用的發(fā)展，人工智能芯片的發(fā)展未來(lái)3年將迎來(lái)新一輪的爆發(fā)，市場(chǎng)前景十分廣闊（見(jiàn)圖1、圖2）。

二、人工智能芯片技術(shù)路徑對(duì)比分析

人工智能芯片是一個(gè)方興未艾的領(lǐng)域，尚未形成統(tǒng)一的標(biāo)準(zhǔn)和方案。最初的深度學(xué)習(xí)場(chǎng)景采用的芯片是CPU，但CPU的并行計(jì)算能力太低，很快便無(wú)法滿足深度學(xué)習(xí)對(duì)算力的需求。目前業(yè)界主流的技術(shù)路徑主要有GPU、FPGA、ASIC等，針對(duì)神經(jīng)網(wǎng)絡(luò)算法而言，在通用性和性能功耗比等方面各有優(yōu)劣（見(jiàn)表1）。

GPU，即圖形處理器，最初是用作繪圖運(yùn)算的微處理器，可以快速地處理圖像上的每一個(gè)像素點(diǎn)，后來(lái)發(fā)現(xiàn)，其海量數(shù)據(jù)并行運(yùn)算的能力與深度學(xué)習(xí)需求不謀而合，因此較早被引入深度學(xué)習(xí)。GPU目前已成為深度學(xué)習(xí)訓(xùn)練的首要選擇。GPU的關(guān)鍵性能是并行計(jì)算，適合深度學(xué)習(xí)計(jì)算的主要原因一是高帶寬的緩存有效提升了大量數(shù)據(jù)交互時(shí)的效率。GPU的緩存結(jié)構(gòu)為共享緩存，相比于CPU，GPU線程之間的數(shù)據(jù)通信不需要訪問(wèn)全局內(nèi)存，而在共享內(nèi)存中就可以直接訪問(wèn)。二是多計(jì)算核心提升并行計(jì)算能力。GPU具有數(shù)以千計(jì)的計(jì)算核心、可實(shí)現(xiàn)10～100倍于CPU的應(yīng)用吞吐量。

FPGA，即現(xiàn)場(chǎng)可編程門陣列，一種集成大量基本門電路及存儲(chǔ)器的芯片，可通過(guò)燒入FPGA配置文件定義這些門電路及存儲(chǔ)器間的連線，進(jìn)而實(shí)現(xiàn)特定功能。FPGA沒(méi)有預(yù)先定義的指令集概念和確定的數(shù)據(jù)位寬，可基于應(yīng)用場(chǎng)景的高度定制，因此FPGA在應(yīng)用于深度學(xué)習(xí)時(shí)具備可定制、可重構(gòu)的特點(diǎn)。此外，F(xiàn)PGA適合用于低延遲的流式計(jì)算密集型任務(wù)處理，所以FPGA做面向海量用戶高并發(fā)的云端推斷，相比GPU具備更低計(jì)算延遲的優(yōu)勢(shì)。FPGA廣泛使用的主要瓶頸是成本高昂，且使用者必須具備電路設(shè)計(jì)能力。 

ASIC，即專用集成電路，是不可配置的高度定制專用芯片。不同于GPU和FPGA的通用性和靈活性，定制化的ASIC一旦流片后則無(wú)更改余地，若市場(chǎng)深度學(xué)習(xí)方向一旦改變，ASIC前期投入將無(wú)法回收，意味著ASIC具有較大的市場(chǎng)風(fēng)險(xiǎn)。但ASIC作為專用芯片性能高于GPU和FPGA，如能實(shí)現(xiàn)高出貨量，其單顆成本可做到遠(yuǎn)低于FPGA。

類腦芯片，其架構(gòu)是一款模擬人腦的新型芯片編程架構(gòu)，完全不同于傳統(tǒng)的馮諾依曼架構(gòu)。這種芯片的功能類似于大腦的神經(jīng)突觸，處理器類似于神經(jīng)元，而其通信系統(tǒng)類似于神經(jīng)纖維，可以允許開(kāi)發(fā)者為類腦芯片設(shè)計(jì)應(yīng)用程序。通過(guò)這種神經(jīng)元網(wǎng)絡(luò)系統(tǒng)，計(jì)算機(jī)可以感知、記憶和處理大量不同的情況。類腦芯片尚處于實(shí)驗(yàn)室研發(fā)階段，如IBM研發(fā)的真北芯片（TrueNorth）。

從功能上看，深度學(xué)習(xí)可分為訓(xùn)練（Training）和推斷（Inference）兩個(gè)環(huán)節(jié)?；谏鲜龈黝惾斯ぶ悄苄酒男阅芴攸c(diǎn)，在訓(xùn)練環(huán)節(jié)，主要以GPU為主；在云端推斷環(huán)節(jié)，除了使用GPU進(jìn)行運(yùn)算外，F(xiàn)PGA和ASIC也發(fā)揮了重大作用；終端推斷環(huán)節(jié)，所用芯片則主要以ASIC為主。

三、人工智能芯片國(guó)產(chǎn)化現(xiàn)狀

GPU、FPGA依賴進(jìn)口，國(guó)產(chǎn)化程度低。全球70%的人工智能GPU芯片市場(chǎng)都被NVIDIA占據(jù)。FPGA行業(yè)呈現(xiàn)典型的寡頭競(jìng)爭(zhēng)格局，主要4家生產(chǎn)廠家都在美國(guó)。根據(jù)Gartner的數(shù)據(jù)，F(xiàn)PGA器件的廠家主要有Xilinx(賽靈思)、Altera(阿爾特拉)、Lattice(萊迪思)和Microsemi(美高森美)，這4家公司都在美國(guó)，總共占據(jù)了98%以上的市場(chǎng)份額。其中全球份額Xilinx占49%，Altera占39%，剩余的占比12%。國(guó)內(nèi)廠商在GPU方面鮮有布局，F(xiàn)PGA方面也僅有復(fù)旦微電子等少數(shù)芯片廠商涉足，但與國(guó)外差距巨大。

ASIC芯片國(guó)產(chǎn)化程度較好。由于ASIC芯片的高度定制化和專用性，因此市場(chǎng)集中度不高，芯片供應(yīng)廠商較多，或是由終端應(yīng)用廠商自行研發(fā)設(shè)計(jì)。ASIC主要企業(yè)包括Google的TPU系列處理器，以及國(guó)內(nèi)的寒武紀(jì)、地平線、深鑒科技等公司。

四、人工智能芯片國(guó)產(chǎn)化瓶頸問(wèn)題

（一）通用芯片被國(guó)外牢牢把控，僅在定制化芯片方面有布局

美國(guó)在人工智能芯片的各條技術(shù)路線均有布局，Nvidia、Xilinx、Google三家龍頭企業(yè)分別沿著GPU、FPGA、ASIC路線不斷大力投入人工智能芯片研發(fā)，三管齊下，無(wú)論哪家公司最終取得成功，都將大大增強(qiáng)美國(guó)在人工智能領(lǐng)域的話語(yǔ)權(quán)和領(lǐng)導(dǎo)力。而相比國(guó)內(nèi)，包括寒武紀(jì)、地平線、華為海思等各家公司都只基于ASIC技術(shù)發(fā)展AI芯片，未能進(jìn)入GPU、FPGA等通用芯片領(lǐng)域。

（二）人工智能計(jì)算框架及芯片生態(tài)由國(guó)際巨頭主導(dǎo)

計(jì)算框架是人工智能技術(shù)體系的核心，而目前主流的深度學(xué)習(xí)框架如TensorFlow、Caffe等主要由谷歌、亞馬孫等國(guó)際巨頭主導(dǎo)，人工智能芯片公司在芯片設(shè)計(jì)和編譯器開(kāi)發(fā)過(guò)程中都需要考慮到與主流計(jì)算框架之間的適應(yīng)性。其次，國(guó)際芯片巨頭如英偉達(dá)等廠商已經(jīng)具備較強(qiáng)的生態(tài)優(yōu)勢(shì)，市場(chǎng)對(duì)其芯片的指令集和配套軟件都較為熟悉，易于用戶編程開(kāi)發(fā)。此外，EDA等芯片設(shè)計(jì)的基礎(chǔ)開(kāi)發(fā)工具也長(zhǎng)期受制于人。這些生態(tài)及軟件問(wèn)題都極大限制了國(guó)產(chǎn)人工智能芯片的發(fā)展。

（三）國(guó)產(chǎn)人工智能芯片需求前景不明朗

鑒于可靠性和風(fēng)險(xiǎn)考量，國(guó)內(nèi)人工智能應(yīng)用層廠商使用國(guó)產(chǎn)芯片替換的意愿不強(qiáng)，而且大型終端應(yīng)用廠商漫長(zhǎng)的芯片驗(yàn)證周期也加大了芯片國(guó)產(chǎn)替代的難度。目前國(guó)內(nèi)的人工智能芯片如寒武紀(jì)，主要與深圳海思合作，在華為產(chǎn)品上試用；地平線以及依圖科技旗下的Thinkforce等公司主要是自產(chǎn)自銷，難以大規(guī)模推廣。

五、人工智能芯片國(guó)產(chǎn)化發(fā)展思路

（一）強(qiáng)強(qiáng)聯(lián)合，打造國(guó)內(nèi)人工智能軟硬件生態(tài)

在PC時(shí)代和移動(dòng)終端時(shí)代，Wintel體系（微軟+Intel）和AA體系（ARM+安卓）通過(guò)打造生態(tài)的模式牢牢把控產(chǎn)業(yè)的主導(dǎo)權(quán)。而人工智能屬于新興領(lǐng)域，尚未形成技術(shù)路徑依賴，產(chǎn)業(yè)生態(tài)也未完全成形。建議國(guó)內(nèi)強(qiáng)化頂層設(shè)計(jì)，加強(qiáng)軟硬件協(xié)同布局，鼓勵(lì)百度、商湯等軟件算法企業(yè)與芯片企業(yè)合作，重點(diǎn)布局開(kāi)源計(jì)算框架+芯片的生態(tài)體系，把控人工智能產(chǎn)業(yè)的基礎(chǔ)核心環(huán)節(jié)。

（二）全面布局，政府層面加強(qiáng)對(duì)通用芯片支持力度

在技術(shù)路徑上，遵循全面布局、分步突破原則，近期重點(diǎn)突破ASIC芯片，遠(yuǎn)期突破GPU、FPGA等通用芯片；在應(yīng)用環(huán)節(jié)上逐步拓展，從邊緣端逐步擴(kuò)展到云端，從推理芯片拓展到訓(xùn)練芯片；同時(shí)探索多種芯片高效協(xié)同運(yùn)行的芯片解決方案。由于ASIC芯片專用性強(qiáng)，不同廠商往往需根據(jù)應(yīng)用場(chǎng)景需求自主研發(fā)；而GPU、FPGA等通用芯片由于有標(biāo)準(zhǔn)化產(chǎn)品，國(guó)內(nèi)終端應(yīng)用廠商自主研發(fā)或國(guó)產(chǎn)化替代意愿不強(qiáng)。因此，建議政府層面在GPU和FPGA等通用芯片領(lǐng)域加強(qiáng)布局推廣力度。

（三）加強(qiáng)類腦芯片等前沿性領(lǐng)域布局

充分發(fā)揮國(guó)內(nèi)高校以及科研院所力量，布局類腦芯片等前沿性領(lǐng)域。由于類腦芯片尚屬于理論研究階段，國(guó)際巨頭尚未形成技術(shù)及知識(shí)產(chǎn)權(quán)壁壘，國(guó)內(nèi)外在該領(lǐng)域尚處于同一起跑線，因此建議提前布局以使我國(guó)在人工智能芯片領(lǐng)域存在換道超車的可能性。