張貝貝

人工智能的應(yīng)用與發(fā)展正在席卷全球，給整個半導(dǎo)體和芯片產(chǎn)業(yè)帶來了巨大的發(fā)展空間與商機，甚至影響著芯片產(chǎn)業(yè)的發(fā)展走勢。

人工智能并非是一個全新概念，在過去的70年中，以阿蘭·圖靈、馬文·明斯基和約翰·麥肯錫為代表的一批計算機科學(xué)家逐步奠定了其主要的理論和技術(shù)基礎(chǔ)，而今天，人們再談到人工智能，無論是其內(nèi)涵還是外延，其內(nèi)容都更加豐富。

在埃森哲發(fā)布的《人工智能：助力中國經(jīng)濟增長》報告中，人工智能具備三大核心能力：

第一個能力是感知，計算機視覺和音頻處理技術(shù)能夠通過捕捉和處理圖像、聲響及語音，主動感知周圍的世界。面部識別功能在邊境檢查站的使用，即是以此提高工作效率的實際應(yīng)用。第二個是理解，自然語言處理和推理引擎賦予人工智能系統(tǒng)分析和理解所能收集信息的能力，此類技術(shù)可用于支持語言翻譯功能，由此輔助搜索引擎工作。第三個是行動，人工智能系統(tǒng)可以借助專家系統(tǒng)和推理引擎等技術(shù)采取行動，或是指導(dǎo)實體世界的活動，汽車的自動駕駛和輔助制動功能便是這方面的實例。

人工智能，正如我們看到的那樣，集多項技術(shù)于一身，使機器可以感受、理解、學(xué)習(xí)并采取行動，無論是自食其力還是參與人類活動。埃森哲研究了AI（人工智能）在12個發(fā)達經(jīng)濟體中所產(chǎn)生的影響，揭示了通過改變工作本質(zhì)創(chuàng)建人與機器之間的新型關(guān)系。經(jīng)預(yù)測，AI可將勞動生產(chǎn)率提高40%，使人們能更有效地利用時間。到2035年，AI能使年度經(jīng)濟增長率提高一倍。

國務(wù)院近日印發(fā)《新一代人工智能發(fā)展規(guī)劃》，提出了面向2030年我國新一代人工智能發(fā)展的指導(dǎo)思想、戰(zhàn)略目標、重點任務(wù)和保障措施，部署構(gòu)筑我國人工智能發(fā)展的先發(fā)優(yōu)勢，加快建設(shè)創(chuàng)新型國家和世界科技強國。

從全球經(jīng)濟發(fā)展來看，在邁過工業(yè)化階段后，信息技術(shù)所能賦予經(jīng)濟增長的紅利期日趨收窄，全球經(jīng)濟已再度邁入嚴重的供需失衡階段。新經(jīng)濟時代人工智能發(fā)揮的作用日益明顯，已成為當下政產(chǎn)學(xué)各界的共識。有人認為，以人工智能為特征的第四次產(chǎn)業(yè)革命將深度影響世界經(jīng)濟新秩序的重建，那么人工智能時代，企業(yè)該如何抓住新的機遇，有效部署AI戰(zhàn)略？

此外，毫無疑問的是，人工智能將推動新一輪計算革命，而芯片行業(yè)作為產(chǎn)業(yè)最上游，是人工智能時代的開路先鋒，也是人工智能產(chǎn)業(yè)發(fā)展初期率先啟動、彈性最大的行業(yè)。未來，擁有更大應(yīng)用市場的人工智能時代必將孕育出更多芯片企業(yè)。

AI落地商用有多遠

過去20多年，互聯(lián)網(wǎng)的誕生徹底改變了這個世界，科技界的焦點完成了從個人電腦向移動端的切換，而未來可能掌握在人工智能（AI）手中。

AI市場熱鬧非凡

有數(shù)據(jù)顯示，僅在今年第一季度就有34家人工智能初創(chuàng)公司被收購，為去年同期的兩倍?？萍计髽I(yè)想要鞏固自己在人工智能領(lǐng)域的優(yōu)勢，或者是彌補自己在該領(lǐng)域的不足，最快捷的辦法就是并購。據(jù)了解，谷歌自2012年以來已經(jīng)收購了11家人工智能公司，接下來才是蘋果、Facebook和英特爾。

蘋果公司在一年之內(nèi)先后收購了Emotient、Turi和Tuplejump三家人工智能公司。英特爾則將Itseez、Nervana Systems和Movidius三家公司收入囊中。此外，亞馬遜收購了具有圖片識別技術(shù)的人工智能初創(chuàng)企業(yè)Orbeus。Facebook早在2013年12月就成立了人工智能實驗室，微軟正在籌建Microsoft Research AI研究院。

當前，無論是海外科技巨頭，還是國內(nèi)的阿里、百度、騰訊等公司都在通過并購獲取AI專有知識，人工智能相關(guān)公司的并購新聞也越來越多。

值得特別提到的是，IBM在AI領(lǐng)域的探索早在20世紀80年代就顯露頭角。80年代專家系統(tǒng)的推出、1997年擊敗國際象棋冠軍卡斯帕羅夫的深藍計算機、2011年在美國智力競賽節(jié)目《危險邊緣》中戰(zhàn)勝其人類對手的沃森系統(tǒng)，均出自IBM在AI領(lǐng)域的探索。

在戰(zhàn)略層面，2016年當初，IBM首席執(zhí)行官羅睿蘭（GinniRometty）在全球最大規(guī)模的國際消費類電子產(chǎn)品展覽會（InternationalConsumer Electronics Show，簡稱CES）上發(fā)表演講時指出：“IBM不再只是一家硬件公司或軟件公司，而已經(jīng)轉(zhuǎn)型為一家認知解決方案云平臺公司。

在2017年IBM中國論壇上，IBM進一步明確了發(fā)展“商業(yè)人工智能”的戰(zhàn)略，展示了IBM作為一家認知解決方案和云平臺公司在全球范圍內(nèi)的突破性進展。而且IBM方面表示，要在“助力行業(yè)轉(zhuǎn)型”上與中國本地伙伴在電子、能源、教育、汽車、醫(yī)藥、高性能材料及相關(guān)服務(wù)等行業(yè)或領(lǐng)域進行廣泛合作。

今年，IBM推出了一款面向人工智能的基礎(chǔ)架構(gòu)解決方案—IBM認知系統(tǒng)（Cognitive Systems）。該方案基于Power Systems而構(gòu)建，以往x86架構(gòu)下以CPU為核心的計算性能提升到達瓶頸，呼喚計算力的重構(gòu)。IBM通過專業(yè)的服務(wù)團隊，為用戶提供基于自身需求的人工智能服務(wù)；包括BlueMind深度學(xué)習(xí)云平臺，PowerAI深度學(xué)習(xí)框架，以及使用NVLink技術(shù)的IBM Power System S822LCMinsky服務(wù)器提供一個硬件+軟件整合的解決方案，為主流人工智能框架更順暢地運行在Power Systems上提供可能。

具體來說，在人工智能和認知計算領(lǐng)域，IBM提供的是一個硬件+軟件整合的解決方案，為主流人工智能框架更順暢地運行在Power Systems上提供可能。這一系統(tǒng)方案，不但有最底層的硬件（如服務(wù)器、存儲和網(wǎng)絡(luò)連接），之上還有集成優(yōu)化的PowerAI深度學(xué)習(xí)開發(fā)框架，以及幫助縮短開發(fā)周期優(yōu)化參數(shù)的BlueMind深度學(xué)習(xí)平臺。最上層是IBM的服務(wù)與支持，包括研發(fā)部門提供的定制化、滿足需求的研發(fā)服務(wù)。

其實，不同于為生活中某項便利性和娛樂性需求服務(wù)的“通用人工智能”，IBM開發(fā)和應(yīng)用人工智能及認知系統(tǒng)的初衷是解決商業(yè)問題。一直以來，IBM專注于通過“商業(yè)人工智能”進行專業(yè)領(lǐng)域研究和解決行業(yè)問題，例如在找到有效治理大氣環(huán)境問題方法的同時，如何最大程度地減少對經(jīng)濟的影響，還有利用認知技術(shù)解決疾病風險防控和治療等難題。endprint

企業(yè)落地AI應(yīng)用有挑戰(zhàn)

沒有落地應(yīng)用的任何技術(shù)應(yīng)用和解決方案都是沒有意義的，人工智能和認知計算雖然是特別火的話題，當前無論從研究的角度看，還是從應(yīng)用前景考慮，AI都獲得了巨大成果，但是這些成果是不是能夠被企業(yè)所利用，轉(zhuǎn)換為企業(yè)的業(yè)務(wù)價值呢？

IBM全球副總裁、IBM中國系統(tǒng)開發(fā)中心總經(jīng)理謝東博士坦言，就目前的發(fā)展來看，人工智能落地應(yīng)用其實還有一點差距，而造成這種差距主要有兩方面的原因：“第一，在研究的過程中有很多模型，找出一個好的算法或者解決一個特定的問題比較容易做到。但很多時候典型的做法是一個模型需要研究不同參數(shù)的配置，然后跟原來的模型進行比較。從理論到落地應(yīng)用情況和問題會更加具體和復(fù)雜，并不是你找到一個模型比原來的模型好就意味著你能把這個模型用起來了，實際上你還要達到很多能夠運用的標準。第二，雖然現(xiàn)在模型很多，而且解決問題的手段非常有效，但實際上用的時候會涉及專業(yè)性，要把理論模型和實際相結(jié)合，對于各個企業(yè)來說還需要跨出一大步?！?/p>

事實上，相比各大IT巨頭在人工智能的布局，企業(yè)用戶更多地選擇謹慎思考，思考如何把人工智能的能力結(jié)合自己的業(yè)務(wù)應(yīng)用起來，或者是說企業(yè)如何具備這樣的一種能力，建立自己的人工智能架構(gòu)，開放人工智能的應(yīng)用。

對此，謝東認為，基于Power Systems的IBM“認知系統(tǒng)”平臺的目標就是幫助大家能夠建立起自己的AI，能夠進行AI應(yīng)用的開發(fā)。這個平臺的目標或者說特點有五個：

第一，平臺涉及整個周期，從前端數(shù)據(jù)的收集、清洗、整理、處理，再到后面模型的訓(xùn)練，再到模型運用以后進行實施，幫助用戶完成一個生命周期的管理，使得你能真正把人工智能落到實際應(yīng)用中去，是一個端到端的方案。

第二，幫助大家在訓(xùn)練中選擇模型和更好地調(diào)優(yōu)、調(diào)參數(shù)。一個模型來了以后，選什么樣的神經(jīng)元網(wǎng)絡(luò)，機器學(xué)習(xí)的模型還是深度學(xué)習(xí)的網(wǎng)絡(luò)？這是需要精心設(shè)計和選擇的。

第三，提供實際可應(yīng)用的管理系統(tǒng)，要解決如何更好地并行化、進行資源管理等，不能無限制擴大，而是經(jīng)濟節(jié)省的系統(tǒng)。

第四，平臺是一種開放的設(shè)計，未來有很多新算法出現(xiàn)的時候，能夠讓用戶很快集成到這個平臺里面用起來，這是開放的特點。

第五，涉及實際入手的問題，幫助大家設(shè)計了很多模板，有行業(yè)特色的模板，讓大家通過這些模板更快地設(shè)計出自己的系統(tǒng)。

其實，近年來云計算、大數(shù)據(jù)、移動、物聯(lián)網(wǎng)等技術(shù)應(yīng)用層出不窮，對于企業(yè)是不小的挑戰(zhàn)，無論是企業(yè)的CIO還是CTO，幾年前更多考慮的是企業(yè)里面數(shù)據(jù)的架構(gòu)是什么樣子的，云的架構(gòu)是什么樣子的，而現(xiàn)在還要更多地考慮人工智能的架構(gòu)應(yīng)該如何設(shè)計，讓這個架構(gòu)能夠跟公司的業(yè)務(wù)相結(jié)合。

謝東根據(jù)自己的觀察表示：“我們看到很多企業(yè)以及用戶，都處在建立自己人工智能團隊和能力的過程之中。比如需要一個團隊，要有數(shù)據(jù)科學(xué)家、人工智能科學(xué)家，他們能夠把計算的算力，把這些數(shù)據(jù)變成人工智能的應(yīng)用，而這個過程中，IBM可以為大家提供咨詢服務(wù)、技術(shù)支持，幫助這些企業(yè)設(shè)計出自己的人工智能的基礎(chǔ)架構(gòu)，幫助部門建立人工智能的團隊、能力，更好地開發(fā)出新型的人工智能應(yīng)用?！?/p>

認知系統(tǒng)的行業(yè)應(yīng)用

當前，AI應(yīng)用場景正在不斷擴大，實施質(zhì)量/監(jiān)控監(jiān)測分析，產(chǎn)品深入優(yōu)化，個性化設(shè)計研發(fā)，視頻/圖像識別，以及發(fā)現(xiàn)新趨勢AI技術(shù)等。在金融行業(yè)，如果有人在ATM機前操作時故意遮擋臉部，有理由認為此人行為可疑，需要特別關(guān)注，但是由于遮擋行為的多樣性，傳統(tǒng)技術(shù)無法很好的實現(xiàn)對此類行為的自動識別，人工無法同時處理海量的視頻，必然出現(xiàn)遺漏，而通過IBM提供深度學(xué)習(xí)，IBM智能影像識別系統(tǒng)可以實時檢測出各種類型的遮擋并進行預(yù)警。

在醫(yī)療領(lǐng)域，可以通過深度學(xué)習(xí)應(yīng)用場景實現(xiàn)醫(yī)療影像病癥特征的輔助識別。比如，大部分中小醫(yī)院和社區(qū)醫(yī)院缺乏能判讀影像的醫(yī)生，醫(yī)生的誤診、漏診可導(dǎo)致醫(yī)患關(guān)系緊張；大醫(yī)院人滿為患，讀片醫(yī)生疲于應(yīng)付，導(dǎo)致誤診、漏診；海量的影像數(shù)據(jù)沒有有效的使用方法，成為負資產(chǎn)；專家長期積累的經(jīng)驗很難大范圍的分享和傳承。利用人工智能，從歷史數(shù)據(jù)中學(xué)習(xí)和總結(jié)，可快速判讀影像中的病癥特征，輔助醫(yī)生進行病癥分析，提高診治效率和準確性。

在工業(yè)制造領(lǐng)域，人工智能實現(xiàn)電力系統(tǒng)自動巡檢與預(yù)測分析。外國某電力公司通過將技術(shù)工人置于高風險的環(huán)境手動檢查其龐大的傳輸網(wǎng)絡(luò)，這種方法既昂貴且伴隨危險，同時很難擴展。為了解決這個問題，提高工人的生產(chǎn)力，客戶正尋求部署無人機進行輸電塔的可視化檢查。

為了圖像處理自動化，客戶使用PowerAI訓(xùn)練了一個深入學(xué)習(xí)網(wǎng)絡(luò)來標識無人機捕獲的潛在維護問題。在人工智能應(yīng)用實踐的場景中， IBM是唯一能夠提供使用with NVIDIA NVLink連接NVIDIA Tesla P100到POWER8 CPUs的供應(yīng)商，這為深度學(xué)習(xí)提供了獨特的便利性。

人工智能“冷思考”

對于長期觀察人工智能領(lǐng)域發(fā)展的華為副總裁楚慶來說，當下人工智能的興起，并不是什么令人驚訝的“新事”。

事實上，自1956年達特茅斯會議以來，人工智能歷經(jīng)兩起兩落，眼下這一波已是60年來的第三次浪潮。“這次高潮其實是對過往兩波人工智能浪潮的繼承。”楚慶表示，人工智能前60年的發(fā)展取得了令人印象深刻的階段性成果?！坝捎谏刑幱跇O早期階段，當時的理論及實踐探索并沒有受到過多的邊界限制，從思想到實踐都非常自由，碰撞出很多火花?？上У氖?，受限于當時的理論水平和計算條件，前兩次人工智能興起都以冬眠告終。當然，這也符合科學(xué)發(fā)展的一般規(guī)律?！?/p>

此次人工智能再掀浪潮，在楚慶看來是技術(shù)和資本共同作用的結(jié)果：“就技術(shù)而言主要出于三個原因，一是神經(jīng)網(wǎng)絡(luò)新數(shù)學(xué)模型及算法的不斷涌現(xiàn)，二是摩爾定律作用下，芯片的計算能力不斷加強，大大優(yōu)化了計算條件，三是互聯(lián)網(wǎng)大發(fā)展帶來的數(shù)據(jù)爆炸，極大地豐富了計算資源。endprint

此外，互聯(lián)網(wǎng)獲得巨大商業(yè)成功后，資本也在積極尋找下一個熱點，人工智能正是他們狩獵名單上的頭號獵物。人工智能技術(shù)本身在兩次起落后進入一個新的高速發(fā)展期，再加上資本的推波助瀾，使此次浪潮從學(xué)界、產(chǎn)業(yè)界蔓延至一般商業(yè)語境，并進入大眾視野，從而發(fā)酵成跨界跨領(lǐng)域的明星話題?！?/p>

人工智能能否就此長盛不衰？曾經(jīng)的寒潮會不會再度來臨？楚慶認為，目前下斷言還為時尚早，但人工智能要順利發(fā)展，還有以下幾大問題等待解決：理論瓶頸—目前人工智能所用的學(xué)習(xí)理論，本質(zhì)上仍然是上一次浪潮的遺產(chǎn)，對于無監(jiān)督學(xué)習(xí)的探索仍在繼續(xù)。“通常，我們認為，人工智能可分為弱人工智能、強人工智能兩類。如果站在強人工智能的角度來看，人工智能理論本身目前并沒有真正夠分量的重大突破，我們?nèi)匀惶幱谌跞斯ぶ悄茈A段。”楚慶認為，人工智能的真正突破，關(guān)鍵在于解決無監(jiān)督學(xué)習(xí)這一理論瓶頸，這意味著，我們要從理論高度真正理解大腦的運作機制以及人類學(xué)習(xí)的本質(zhì)，并解決知識表達問題，將知識及信息完整、精確地轉(zhuǎn)換為數(shù)據(jù)?！捌渲凶铌P(guān)鍵的一步，就是走出現(xiàn)有的理論邊界，與神經(jīng)科學(xué)、認知科學(xué)、心理學(xué)等學(xué)科實現(xiàn)真正的融合。”

芯片和處理器制約，一方面，隨著人工智能的不斷發(fā)展，傳統(tǒng)的馮·諾依曼架構(gòu)已成為瓶頸。目前以Deep Learning為代表的多層次人工神經(jīng)網(wǎng)絡(luò)算法，無需過多編程，但對芯片并行數(shù)據(jù)處理能力有非常高的需求，而傳統(tǒng)處理器架構(gòu)在海量數(shù)據(jù)并行運算面前明顯力不從心，計算資源捉襟見肘。另一方面，摩爾定律面臨失效，而人工智能要快速發(fā)展，芯片計算能力提高的腳步不能變慢，只能更快。因此，在未來的人工智能研究上，芯片架構(gòu)和微架構(gòu)設(shè)計需要做出更多貢獻。“如何讓AI從芯片開始，將是一個重要課題、一個重大機遇。”

生態(tài)建設(shè)—盡管在局外人看來，人工智能似乎只是科學(xué)家和工程師們的事，但楚慶認為，任何一個新科技的成熟，都是以生態(tài)系統(tǒng)的建立為標準，人工智能也不例外?！爸挥姓嬲秊樯鐣?chuàng)造了價值、能夠孕育并良好運行生態(tài)系統(tǒng)，才說明這項科技已走向成熟。這意味著，圍繞該科技的技術(shù)、社會機制已走過早期的混沌期，進入良性成長軌道。這需要人才結(jié)構(gòu)、商業(yè)模式、社會運作的全面成熟，倫理、法律等爭議已取得基本共識?！?/p>

目前的人工智能，和成熟顯然相距甚遠，但楚慶認為，生態(tài)系統(tǒng)建設(shè)問題，應(yīng)當從現(xiàn)在起就擺在“遠見者”們的案頭?！敖鼇恚斯ぶ悄茉谏鐣弦l(fā)巨大爭議。一方面，大量資本、社會資源爭先恐后，都想趁人工智能方興未艾之際盡早搶位，好分一杯羹，某種程度上已出現(xiàn)泡沫。另一方面，人工智能自誕生伊始就伴隨著法律、倫理等多種憂慮，人工智能威脅論始終甚囂塵上。”楚慶笑稱，“好萊塢簡直成了人工智能測溫計，想知道人工智能有多火，看看有多少電影準備用它來滅絕人類就明白了?！边@樣一門劃時代的科技，要最終成熟并真正惠及人類，需要各領(lǐng)域決策者，從一開始就以全局化的戰(zhàn)略眼光，思考生態(tài)系統(tǒng)建設(shè)問題，這也是人工智能真正商業(yè)化的關(guān)鍵。

楚慶認為，人工智能毫無疑問將是一項革命性科技，也是一個重大發(fā)展機遇。但一方面，人工智能要走向成熟還為時尚早，從理論、工具到生態(tài)都有大量課題亟待解決；另一方面，我國人工智能整體發(fā)展水平與發(fā)達國家相比仍存在差距，如何借此機遇帶動國家競爭力的整體躍升，需要從戰(zhàn)略高度統(tǒng)籌布局，但目前大量資源盲目介入，蹭熱點、堆泡沫，這樣的環(huán)境并不利于人工智能的健康發(fā)展?！皬倪@兩個方面看，目前對人工智能多一點冷思考，并不是一件壞事。”

人工智能從“芯”出發(fā)

人工智能的應(yīng)用與發(fā)展正在席卷全球，給整個半導(dǎo)體和芯片產(chǎn)業(yè)帶來了巨大的發(fā)展空間與商機，甚至影響著芯片產(chǎn)業(yè)的發(fā)展走勢，了解芯片行業(yè)的人都知道，從芯片設(shè)計開始，到輔助軟件、設(shè)備、制造、工藝和封裝，是很長的產(chǎn)業(yè)鏈，其中任何一個環(huán)節(jié)的發(fā)展都會受到人工智能的影響，而相對應(yīng)的，其中任何一個環(huán)節(jié)的發(fā)展受阻，都會制約我國人工智能芯片產(chǎn)業(yè)的發(fā)展。

如今芯片業(yè)的發(fā)展和變化是建立在傳統(tǒng)芯片的基礎(chǔ)上的，截至目前，在人工智能領(lǐng)域，世界范圍內(nèi)的科研人員已經(jīng)開創(chuàng)了幾類不同的技術(shù)路線。傳統(tǒng)芯片巨頭如英特爾、英偉達都把人工智能領(lǐng)域作為企業(yè)未來的主要戰(zhàn)略發(fā)展方向，加大了企業(yè)并購和新產(chǎn)品研發(fā)的力度；IT 巨頭微軟和新興的互聯(lián)網(wǎng)公司，如谷歌、百度、亞馬遜、阿里，都在人工智能領(lǐng)域投入了巨資，期望在機器理解、無人駕駛等領(lǐng)域占得先機，這些開拓性的工作不約而同地正在催生大量創(chuàng)新的芯片方案。

而在人工智能的影響下，傳統(tǒng)芯片向人工智能芯片的發(fā)展邁進，一般表現(xiàn)在幾個方面：必須可編程，這樣才能適應(yīng)算法和應(yīng)用的持續(xù)演進；架構(gòu)的動態(tài)可變性和高效的架構(gòu)變換能力，因為沒有一個單一架構(gòu)的芯片可以適應(yīng)所有的算法；高計算效率和高能量效率。此外，還必須低成本、體積小，應(yīng)用開發(fā)簡便。

事實上，人工智能之所以能夠快速崛起，首先是因為芯片的設(shè)計和制造技術(shù)的突破，從而實現(xiàn)了計算能力的大幅度提升。當然，神經(jīng)網(wǎng)絡(luò)算法的突破和大數(shù)據(jù)的運用也是人工智能發(fā)展的重要推手。

華夏芯（北京）通用處理器技術(shù)有限公司創(chuàng)始人，董事長李科奕認為，目前主流人工智能的芯片解決方案分為兩大陣營：以傳統(tǒng)的CPU（中央處理器）、GPU（圖形處理器）、DSP（數(shù)字信號處理器）、FPGA（現(xiàn)場可編程門陣列）為一方；以谷歌以及一大批的芯片startup公司（其中也包括很多中國的優(yōu)秀初創(chuàng)公司）為另一方，它們推出了TPU（張量處理器）及各種架構(gòu)的專用處理器。兩大陣營各有優(yōu)勢和劣勢，前者容易編程、大量之前開發(fā)的軟件庫可以重用，但是很多神經(jīng)網(wǎng)絡(luò)的特定計算效率比后者低不少；后者是針對特定神經(jīng)網(wǎng)絡(luò)進行的針對性開發(fā)，計算效率高，但是編程復(fù)雜，需要自建生態(tài)。最新的趨勢是有一些公司，試圖將兩者結(jié)合起來，揚長避短，兼收并蓄。

誠如所言，不管是用于學(xué)習(xí)和訓(xùn)練的后端計算集群還是最靠近用戶的前端智能設(shè)備，都需要更強計算和處理能力來提高機器認知的準確性和速度。endprint

從專業(yè)角度來說，評價一款芯片競爭力的指標主要是4P：即計算能力（Performance）、功耗（Power）、效率（Productivity）和價格（Price）。因此，任何一個創(chuàng)新的芯片架構(gòu)，必須考慮在大幅度提升計算能力的同時，能否保持（或者降低）功耗，能否提升芯片開發(fā)者的編程、調(diào)試效率，減少開發(fā)人員投入，縮短開發(fā)周期，能否通過合理的工藝選擇降低芯片的生產(chǎn)成本和投入風險，在售價和銷量之間尋找平衡點等多個因素。

李科奕強調(diào)，傳統(tǒng)的單核、多核CPU時代，一般計算任務(wù)是由CPU完成的。但是，目前人工智能、移動計算應(yīng)用中，大部分計算任務(wù)是CPU不擅長的并行計算，因此需要采用異構(gòu)計算架構(gòu)，將并行計算任務(wù)從CPU卸載到更合適承擔的DSP、GPU、以及專用的NN加速器等計算單元上，芯片設(shè)計人員需要考慮的是如何讓CPU、GPU、DSP、NN加速器等不同的計算單元在同一個SoC上實現(xiàn)高效的協(xié)同計算。非常頭疼的是這些復(fù)雜的計算單元往往許可自不同的IP供應(yīng)商，需要通過復(fù)雜的底層驅(qū)動、大量的數(shù)據(jù)交換才能實現(xiàn)不同計算單元之間的協(xié)同計算。為此，不僅芯片設(shè)計公司需要維持一個龐大的設(shè)計團隊，而且芯片設(shè)計及后續(xù)的應(yīng)用開發(fā)周期長、編程困難、調(diào)試困難、優(yōu)化困難。

IBM大中華區(qū)硬件系統(tǒng)部服務(wù)器解決方案副總裁施東峰認為，計算系統(tǒng)與架構(gòu)持續(xù)演進對計算系統(tǒng)的重塑提出了更高的要求，IBM Cognitive Systems的推出，與近來計算系統(tǒng)的演變趨勢緊密相關(guān)。以往，數(shù)據(jù)是集中式的，傳統(tǒng)的計算邏輯往往采取程序化的計算方式，以CPU為中心提升計算性能，探索如何有效加速計算流程從而達到更好的數(shù)據(jù)處理效果。然而隨著分布式數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)逐漸成為主流，計算正在從“程序化的計算”向“以數(shù)據(jù)處理為中心的計算”演進。

對于數(shù)據(jù)價值的挖掘也更需要內(nèi)外部結(jié)合，將數(shù)據(jù)整合在一起提供更以數(shù)據(jù)為中心、更具效率與智慧的計算，而非僅僅是對數(shù)據(jù)的流程化的處理。

人工智能相關(guān)負載需要高性能的數(shù)據(jù)傳輸，并需要具有最佳準確度的訓(xùn)練模型，以高效、快速地找出“超級參數(shù)”，從而大幅節(jié)省模型的訓(xùn)練時間。因此，AI堆棧的基礎(chǔ)首先是正確的硬件：帶有加速器的服務(wù)器，以及正確的存儲設(shè)備。GPU加速計算良好地適應(yīng)了深度學(xué)習(xí)訓(xùn)練“計算密集”這一特性，具有最高CPU-GPU 帶寬的服務(wù)器能夠?qū)崿F(xiàn)高性能的數(shù)據(jù)傳輸，而這一點正是規(guī)模更大、更為復(fù)雜的深度學(xué)習(xí)模型所需的優(yōu)勢。

IBM認為其一直在探索的是，如何利用新的技術(shù)，讓計算能力從以往的程序式計算向未來的有關(guān)認知的計算模式轉(zhuǎn)型，這也是IBM在未來有關(guān)計算的發(fā)展方向。IBM非?？粗卦谡J知時代下對計算系統(tǒng)的重塑，希望通過IBM Cognitive Systems，確保CPU、GPU、I/O、內(nèi)存等結(jié)合在一起，一站式地提供客戶應(yīng)用人工智能所需的計算能量。

其實，談到人工智能，無論是中國還是美國都出現(xiàn)了不少從事人工智能芯片設(shè)計的初創(chuàng)公司，他們未來的前景和發(fā)展機遇會怎樣呢？對此，李科奕提出了自己的觀點，從集成電路發(fā)展歷史來看，很多美國中小型芯片初創(chuàng)公司一直是引領(lǐng)行業(yè)創(chuàng)新的生力軍，人工智能時代也是如此，中國也將如此。

芯片設(shè)計初創(chuàng)公司往往以與眾不同的視角發(fā)現(xiàn)問題、解決問題，針對新興市場，大膽創(chuàng)新。同時，中國作為全球人工智能最活躍的創(chuàng)新力量之一，具有市場、資金、人才、數(shù)據(jù)等多方面的優(yōu)勢。

長期以來，中國在CPU、GPU、DSP處理器設(shè)計上一直處于追趕地位，絕大部分芯片設(shè)計企業(yè)依靠許可國外的處理器IP核設(shè)計芯片，在自主創(chuàng)新上受到了極大的限制。事實上，人工智能的興起，無疑為中國在處理器領(lǐng)域?qū)崿F(xiàn)換道超越提供了絕佳的機遇。

“第一，中國在人工智能領(lǐng)域的專用處理器設(shè)計已經(jīng)走在了世界前列。第二，人工智能領(lǐng)域的應(yīng)用目前還是處于面向行業(yè)應(yīng)用階段，生態(tài)上尚未形成壟斷，因此國產(chǎn)處理器廠商完全可以與國外競爭對手在人工智能這一全新賽場上，共修跑道，共建賽場，共同制定游戲規(guī)則。因此，基于技術(shù)和市場方面的優(yōu)勢，中國在建立人工智能生態(tài)圈方面將大有可為?！崩羁妻日f道?？梢灶A(yù)見，未來誰在人工智能領(lǐng)域先掌握了生態(tài)系統(tǒng)，誰也就掌握住了這個產(chǎn)業(yè)的主動權(quán)。endprint