人工智能就是一場生死搏殺，各大巨頭入局千億市場再一戰勝負。寒武紀背靠中科院踏入了“獨角獸”領域。芯片的成敗，除了本身的效率之外，生態是非常關鍵的環節。陳天石認為，寒武紀1A處理器，可以跟蘋果產品一較高下。

有一句話形容現在的人工智能特別合適：“我們往往高估了目前，而低估了未來”。如果要以其提出到現在60余年為一個周期來看，它真正席卷人類社會，才剛剛開始。

從這樣的歷史長河來看、從通用人工智能的未來回溯看，這個時代占據舞臺中央的這些開拓者，都是手握著“深度學習”、“神經網絡”等最原始的工具，在這塊荒野上蹣跚前行。走在尋找人工智能基礎工具這條路上，陳天石不比其他人多什么先決條件。

幸運的是，從他創造的石器中，人們逐漸發現并保留了火種。

寒武紀，這家背靠中科院計算所的創業公司剛亮相市場，就踏入了“獨角獸”領域。

打磨“石器”

AI是一場革命。它和互聯網一樣，會席卷一切，會從無到有、再從有到無（無處不在）。普通人甚至不需要前行，它會主動過來擁抱你，甚至裹挾你。用羅振宇的話說：“你不必著急出發，因為你終將被抵達”。

在這場基礎設施重新定義的革命中，陳天石無疑是一個提前出發者。16歲考入中國科學技術大學少年班;2014年論文在美國召開的國際頂級學術會議上獲得最佳論文獎;創辦的公司寒武紀科技，A輪估值超過10億美元，成為全球首個人工智能芯片“獨角獸”、全球最大的AI芯片初創公司。

基于深度學習這一底層算法，計算機視覺、語音識別、自然語言處理、音頻識別與生物信息學等領域取得了長足的進展。但傳統的處理器例如CPU等，雖然是目前主流的AI計算平臺，但是其基本框架結構畢竟不是為了AI所設計的，效率受到很多限制，包括GPU也有耗電量大等缺陷。

如果要用通用處理器搭建一個人腦規模突觸的神經網絡，可能需要建一個電站來給它供電。阿爾法狗剛亮相時，下一盤棋動用了1000個CPU和200個GPU，每分鐘的電費就高達300美元，而網絡規模只有人腦的千分之一。

陳天石認為，理想中的AI芯片應當是一種新型的處理器，能具有廣闊的應用面（包括語音、語義、圖像、視頻、自然語言多模態處理能力），同時具備遠超CPU和GPU的效率。要想達到這一目標，必須要有一套新的AI指令集，利用指令進行靈活處理，才有可能在AI芯片上把各種算法應用都能支持得又快又好。

打個簡單的比方，把摩托車（PC、手機等）的發動機（CPU）裝到了汽車（深度學習平臺）上，汽車自然開不快;現在，需要為汽車專門設計一款發動機（深度學習專用處理器）。

“DianNao”這一深度學習處理器架構，平均仿真性能超過主流CPU核的100倍，但是面積和功耗僅為1/10，效能提升可達三個數量級。2014年，他和哥哥陳云霽以及法國信息技術研究院（Inria）的Olivier Temam教授合作的這篇論文，成為頂尖國際會議的最佳論文。

2014年-2016年間，他們倆和國際學術合作者一道幾乎橫掃了處理器架構學術圈，在頂級學術會議上教老外說中文的Diannao系列：Diannao（電腦）、DaDiannao（大電腦）、PuDiannao（普電腦）、ShiDiannao（視電腦）、Cambricon（寒武紀指令集）等一系列創新，針對不同的目的，將目前深度學習的效率提高數百倍。

有院士這樣分析，“寒武紀”在深度學習處理器指令集上的開創性進展，為我國占據智能產業生態的領導性地位提供了技術支撐。自2014年中科院計算所和Inria聯合團隊提出首個深度學習處理器架構DianNao之后，深度學習處理器已經成為計算機體系結構國際會議ISCA最關注的研究方向之一。ISCA 2016上有近1/6的論文引用“寒武紀”的工作來進行深度學習處理器探索。

“目前，像阿爾法狗這樣的軟件算法是在GPU上執行的，將來如果使用了‘寒武紀’處理器，深度學習（神經網絡）的運算速度會得到明顯提升。”陳天石說。

他用“瑞士軍刀和菜刀”來比喻通用處理器和深度學習處理器的關系：瑞士軍刀雖然功能多，但是做菜的時候，還是菜刀更合適。在智能處理方面，“寒武紀”就是這把更合適的菜刀。

寒武紀指令集直接面對大規模神經元和突觸的處理，一條指令即可完成一組神經元的處理，并對神經元和突觸數據在芯片上的傳輸提供了一系列專門的支持。模擬實驗表明，采用寒武紀指令集的深度學習處理器相對于x86指令集的中央處理器有兩個數量級的性能提升。

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芯片對信息進行智能處理，借助專門設計的存儲結構和指令集，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，未來甚至有希望把類似阿爾法狗的系統裝進手機。