由中國電子學會主辦的第十三屆中國電子信息技術年會在蘇州隆重開幕。大會設有主論壇、專題論壇和展覽展示等環節，并發布了《中國電子學會會士觀點（2018）》等內容。

會上，中國電子學會電子設計自動化專家委員會主任委員、清華大學微電子研究所所長魏少軍發表了題為《人工智能芯片：痛點在哪兒？》的演講，深入淺出地解讀了如今AI芯片的發展現狀。

從上圖左邊的幾張曲線圖可以看出，人工智能初創企業的數量、融資額度和并購數量等在2016年都有大幅增長，如今人工智能企業的空間已經處于擁擠狀態。上圖右側列出的則是一系列的西方企業。

一，人工智能崛起的三個基本要素

關于人工智能的發展，早在上世紀50年代，達特茅斯會議就已經提出相關概念。到了80年卡內基大學才提出機器學習概念，并出版了Mechine Learing的期刊。然而人工智能真正引起大眾關注的是2016年、2017年AlphaGo戰勝了人類棋手李世石和柯潔。

人工智能的再次崛起并不是偶然的，主要得益于三大突破：算法、數據和算力。三者缺一不可，而算力則依賴芯片。魏少軍表示：“如今的人工智能、大數據、云計算背后的真正支撐點就是芯片，沒有芯片一切都是假的，這也是人工智能技術繞不開的話題。”

在沒有人工智能的時候，智能化已經成了熱點。而且新一輪發展的核心驅動力就是智能化，它是由智能和能力組成。

將人腦和電腦作比較，在人腦內，有140億神經元，神經傳輸速度120米／秒，工作頻率很低，計算能力達到10的16次方CPS，功耗只有20W，重量為1．2－1．6公斤，把大腦皮層攤開，其面積達到0．25平方米。上圖右側為天河二號的計算機芯片數據，其大概有上百億個晶體管、傳輸速度為每秒340萬公里，工作頻率達每秒42萬億次，運算能力極強為10的34次方CPS，功耗為24MW（要一個單獨的小型發電站），其占地37平方米，重量720噸。

上圖講的是人工智能模擬人腦的兩種方式，還有該方式下的代表芯片。

二，芯片是人工智能技術發展過程中繞不開的話題

說到GPU，魏少軍表示：“GPU是機器學習平臺比較穩定和成熟的代表?！盙PU的計算能力是CPU的6倍，存儲帶寬是CPU的4倍。且GPU的計算方式恰好與深度學習的神經網絡非常匹配。

除了GPU，還有FPGA和TPU，英特爾還開發了CPU＋GPU的解決方案。谷歌開發的TPU則主要著眼于提高性能并優化功耗，其功耗已經下降刀了GPU環境的10％。

IBM的True North是模擬人腦學習的重要突破，上圖有一些它的參數。魏少軍認為如果實現這樣的產品將會非常“可怕”，它可以形成像人一樣的機器，且可以成為家庭中的成員。

除了IBM，還有其他的企業和研究單位也在做類似的工作，代表的產品概念如Neuromorphic和In—memory computing。

英特爾仍在走專用集成芯片的老路，功耗及成本有優勢，不過需要足夠大的銷量。在深度學習領域，由于算法在不斷演進，且演進的速度非?？?，很難在一個有限的時間內積累足夠的銷量。這是深度學習領域ASIC遇到的極大挑戰。