智能时代，“中国芯”迎来新机遇

　　5月3日，在上海国际会议中心举行的发布会上，寒武纪科技公司首席执行官陈天石展示新发布的芯片。 新华社发

　　芯片是人工智能的重要支撑。5月10日，参观者在2018全球人工智能产品应用博览会上观看一辆无人驾驶概念车。 新华社发

图为焊接在电路板上的芯片。 图片来源于网络

　　［阅读提示］

　　芯片被誉为工业制造的“皇冠”，在人工智能技术如火如荼的今天，不论算法怎样领先，想要最终应用，都必须通过芯片实现。

　　近日，在上海国际会议中心举行的发布会上，由中国科学院孵化企业、智能芯片设计公司寒武纪科技公司（以下简称“寒武纪”）带来的云端人工智能芯片Cambricon MLU100、寒武纪1M终端智能处理器IP产品，再次让“中国智造”惊艳世界。

　　芯片如何站上云端？智能芯片与传统的中央处理器（CPU）能否相互代替？要告别“芯痛”，我国应如何加速补齐短板？

　　1

　　站上云端的“中国芯”

　　采用最新架构与先进工艺，可在平衡模式（1GHz主频）和高性能模式（1.3GHz主频）下工作，平衡模式下的等效理论峰值速度达每秒128万亿次定点运算，高性能模式下的等效理论峰值速度达每秒166.4万亿次定点运算……发布会上，这款由寒武纪带来的云端人工智能芯片Cambricon MLU100初一亮相，便因超快的运算速度成为全场瞩目的焦点。

　　为什么Cambricon MLU100如此强大？

　　寒武纪相关负责人给出了答案：它是我国首款云端智能芯片。

　　“所谓云端，就是一款采用应用程序虚拟化技术的软件平台，它集搜索、下载、使用、管理、备份等多种功能为一体，可在独立的虚拟化环境中封装起来，使应用软件不与系统产生耦合。”河北科技大学信息科学与工程学院王保柱教授解释道，“好比我们刷微博和朋友圈，所看到的内容并非储存在手机中，而是由那个看不到的‘云端’推送来的。使用云端可以最大限度地减小系统负荷，即便使用的软件越来越多，系统也不至于越变越慢。”

　　正因融入了“云端”技术，尽管Cambricon MLU100的运算速度让人惊叹，但它的能耗却并未跟着“直线飙升”。据寒武纪相关负责人介绍，其典型板级功耗仅为80瓦，峰值功耗不超过110瓦。

　　不仅如此，贯彻“云端协作”的理念，Cambricon MLU100还具有优良的通用性，可支持各类深度学习和经典机器学习算法，充分满足视觉、语音、自然语言处理、经典数据挖掘等复杂场景下的云端智能处理需求，如大数据量、多任务、多模态、低延时、高通量等。

　　发布会上，同样“吸睛”的还有寒武纪新一代IP产品。所谓IP产品，就是指寒武纪智能处理器的设计授权，只要客户与寒武纪签约即可使用。

　　2016年，寒武纪推出了第一代终端智能处理IP产品——寒武纪1A，目前，已成功应用于包括华为Mate10手机等在内的智能终端。

　　此次发布的寒武纪1M是该公司的第3代产品，不仅在计算力上又有所攀升，效能比

　　更可达每瓦5万亿次运算。

　　业内专家表示，过去，由于人工智能的计算量十分庞大，只有在云端才能进行学习训练，寒武纪1M则是首款支持本地训练的处理器，可为视觉、语音、自然语言处理及各类经典的机器学习任务提供更灵活高效的计算平台，在智能手机、智能音箱、智能摄像头、智能驾驶等领域将有广泛应用。

　　“打个比方，以前识别物体、语音等通常需要大服务器，或者云上完成。而借助云端人工智能芯片，未来智能手机就可以变成一个翻译机，可以同声翻译不同语言的人说话，让大家互相之间都能听得懂。”王保柱说。

　　2

　　人工智能的“专门武器”

　　关于智能芯片，许多人心里都曾有过这样的疑问：它和传统的中央处理器（CPU）间是何关系，能否相互替代？

　　给出答案前，我们不妨先将时针拨回至2016年，重温“AlphaGo”对弈韩国棋手李世石的那场“人机大战”。当年，这款由谷歌公司开发的围棋程序以4∶1轻松取胜，秘诀就是模仿人类通过神经网络进行“深度学习”。

　　“深度学习是机器学习研究中的一个新的领域，其动机在于建立模拟人脑进行分析学习的神经网络，通过模仿人脑机制来解释图像、声音和文本等各种数据，比如现在很火的人脸识别、语音识别等，都是对这种方法的应用。”王保柱说。

　　“AlphaGo”一战成名，但在展现超高“脑算智商”的同时，也暴露出自身的先天短板：据媒体公开资料显示，其刚亮相时，下一盘棋需要动用1000个中央处理器和200个图片处理器，每分钟仅电费消耗就高达300美元，网络规模却只有人脑的千分之一。

　　在王保柱看来，“AlphaGo”让自己变“聪明”的方式并不特别：它使用的传统处理器是在通用计算上发展起来的，通俗点讲，就是沿着一个比较复杂的方程一步一步往下运算，任何人按照这个方程算下去，都能战胜李世石。“只不过相较人脑计算，‘AlphaGo’的‘大脑’更多、速度更快罢了。”

　　“谷歌曾用1.6万个处理器运行7天，来训练一个识别猫脸的深度学习神经网络，而‘AlphaGo’所需的处理器更为庞大，我们在日常的工作和生活中想要用到这项技术根本不可能。”王保柱说，简而言之，传统处理器虽然可以勉强应付深度学习，但它的学习效率并不高，而且消耗也大，并非完美无缺。

　　由此回到最初的问题，寒武纪公司创始人兼CEO陈天石就为CPU与智能芯片作了这样的比喻：传统的中央处理器好比“瑞士军刀”，虽然通用，但并不专业。厨师想要烹出美味佳肴，就必须使用菜刀。而专业的深度学习处理器——智能芯片，就是这把能将“AI盛宴”做出特色的更高效、更快捷的“菜刀”。

　　寒武纪相关负责人介绍，如今，通过在计算机中模拟神经元和突触的计算，寒武纪的AI芯片可对信息进行智能处理，再借助专门设计的存储结构和指令集，其每秒可以处理160亿个神经元和超过2万亿个突触，功耗却只有原来的十分之一，“未来，我们也许可以将‘AlphaGo’装进手机里。”

　　“正如蒸汽机是工业时代的代表，CPU是信息时代的产物，智能芯片也将成为智能时代的核心载体。”王保柱说，目前，各国都在积极布局智能芯片产业，我国对此的相关政策支持也越来越多，国产芯片产业崛起已是蹄声渐近。

　　3

　　告别“芯痛”的挑战与机遇

　　据媒体公开资料显示，2017年，我国集成电路产业的芯片设计、制造、封装测试取得了超过10%的销售增速，但在市场火爆的背后，必须正视我国芯片制造业的“芯痛”点。

　　“我国有全球最大的半导体市场，但不得不承认，国内集成电路设计企业的主流产品仍然集中在中低端，再加上基础能力欠缺，强烈依赖国外的先进技术、工艺和外包设计服务。”王保柱说，加速补齐短板，才能告别“芯痛”。

　　在技术领域，目前，国际最先进的制程技术是10纳米乃至7纳米，而我国主流技术为28纳米；在市场方面，国产芯片多数用于自身配套，自家用自家的产品，陷入了过分追求完全独立和自主可控的怪圈。

　　“值得注意的是，大规模的资金和人才堆砌并不代表技术水准的提高，其背后仍然需要市场的引导。想要真正做活产业，就必须使芯片不断改进迭代，在市场竞争中形成良性循环的态势。”王保柱说。

　　此外，人才培养也同样不容忽视。此前，中国科学院计算技术研究所研究员、“龙芯”处理器负责人胡伟武就曾表示，我国的芯片产业人才培养极不平衡，大多数人才都集中在技术应用层面，研究算法、芯片等底层系统的人才太少，“本质上都是在教学生怎么用计算机，而不是教学生怎么造计算机。就像汽车专业教了一堆驾驶员一样。”

　　胡伟武举了个例子，比如，绝大多数互联网公司都在使用Java编程，相应的人才储备能以百万计数，但研究Java虚拟机（在实际的计算机上仿真模拟各种计算机功能的抽象化计算机）的人才，全国算下来却凤毛麟角。

　　尽管挑战不断，但机遇同样并存。随着人工智能的全面爆发，我国可穿戴设备、VR、无人机及物联网等市场的大门已徐徐开启，乘着这股东风，寒武纪、地平线、深鉴科技等国内AI芯片领域的初创企业加速成长，其针对定制化的芯片改造，将有利于国产芯片企业提前占领特色市场。

　　业内人士分析，总体来看，我国芯片要顺利完成国产化进程，仍然需要一定时间，仅就目前而言，距离最近的时间节点就是5G通信的商用，即2020年左右。因此，5G也被认为是国产自主手机芯片赶超的关键，其中，紫光展锐、华为、小米等都在针对5G技术进行相应研发，希望实现与5G移动网络同步推向市场。

　　“随着5G的到来，信息数据传输速度将全面提档，物联网、汽车电子、智能电网、大数据、云计算、消费电子、自动化等新兴行业的应用会逐渐上升，这将为国产智能芯片产业发展创造更加有利的需求条件。”王保柱说。（记者 张怀琛）