早在中興事件之前，中國便已經悄然興起了 AI 芯片熱，不過，只有在中興事件之後，AI 芯片才迅速爆紅成人盡皆知的網紅，就在人們為中國高端芯片業被美國掐住脖子而憤憤然之際，越來越多的 AI 企業也紛紛宣佈入局 AI 芯片，給人一種造芯片跟買白菜一樣簡單的錯覺。
然而，AI 芯片行業的真相究竟是怎樣的？
為此，2018 年 7 月 2 日，在 TechCrunch 國際創新峰會杭州 2018自動駕駛專題論壇上，我們特別邀請了異構智能中國區總裁周斌以及西井科技首席技術官張波，試圖撥開行業迷霧，讓大家一眼看清 AI 芯片真相。
什麼是 AI 芯片？
這個問題看似簡單，但可能是因為行業發展太快，目前業內對 AI 芯片的定義卻沒有一個共識，甚至有觀點認為一塊可以跑 AI 算法的電路板，也都可以稱之為 AI 芯片。
顯然，周斌與張波並不能直接替行業為 AI 芯片做定義，但他們觀點或許有助於 AI 芯片共識定義的形成。
周斌認為，到現在為止全球其實還沒有出現一款真正的 AI 芯片。“為什麼？因為我們遠遠沒有實現真正的人工智能，現在所有套著 AI 芯片大帽子的，其實都只是在做某些特定領域內的工作，這是不是真正的人工智能呢？這要打一個大大的問號。”周斌更傾向於將目前所謂的 AI 芯片叫做增強的機器學習和增強的模式識別。
當然，如果硬要將這種芯片叫做 AI 芯片，周斌認為其必須滿足如下條件。即相應設備必須能夠高效地執行人工智能裡最核心的算法，比如深度學習等。“我們認為深度學習性能要足夠高，比如超過 10 萬億次每秒，因為只有到了這樣的性能指標，機器才能夠有足夠強的能力完成複雜任務。否則縱然是掛了芯片的外衣，我們也不能稱之為真正的 AI 芯片。”周斌表示。
周斌似乎只關注 AI 芯片的性能指標，而並不關心芯片的具體形態。對此，張波補充認為，AI 芯片實現的方案可能有多種，包括 CPU、GPU、DSP 等等。至於為什麼要把它稱之為 AI 芯片？張波與周斌的觀點頗有幾分相似：“火爆的深度學習需要大量的計算，而這就需要有硬件來提供如此大的計算。因此，如果非要把能跑深度學習算法的設備稱作 AI 芯片，我認為也有一定的道理。”
最後，周斌表示，對於什麼是 AI 芯片，其實每個人都有自己的觀點，要想形成一個社會普遍認可的 AI 芯片定義，可能還需要很長時間。
自動駕駛 AI 芯片的必要性與特殊性
動點科技瞭解到，此前，很多自動駕駛企業都不敢將樣車的後備箱打開，因為後備箱裡塞滿了用於數據處理的 GPU 以及相應的散熱器等，整個體積會非常大，而且功耗也不小。而這就是自動駕駛行業急需高性能、低功耗、低成本 AI 芯片的一個重要原因。
除此之外，自動駕駛行業急需 AI 芯片是否還有其他更重要的原因？
“現在車上相機比較多，而且還有激光雷達等，這裡就有一個重要的問題，這麼多傳感器怎麼有效融合？”據瞭解，在自動駕駛的實現上，目前業內比較公認的觀點是，依靠單傳感器絕對是不行的，多傳感器融合是實現自動駕駛的必由之路。對此，張波介紹，在融合過程中有一個需要解決的關鍵問題，那就是傳感器之間的同步。“如果不同傳感器傳輸（速度）不同，最後的融合效果則會受到很大的影響。”
張波以相機舉例介紹，傳統相機數據的處理是先將相機產生的原始數據傳回到數據處理中心進行處理，而這個時間延遲會比較大。因此，張波認為，利用 AI 芯片將運算前移，讓傳感器直接“吐”出可用數據，可以減少數據傳輸時間，“而這也是 AI 芯片發揮作用的地方”。
關於減少時延的另一個好處，周斌補充認為這可以在關鍵時刻救人命。“前一段時間有家著名的出行公司（Uber）自動駕駛撞死了一個行人，明明是所有人都能夠避免的事，為什麼這麼多傳感器、這麼多設備、這麼明顯的目標，該車卻沒有明顯的剎車就直接撞上去了？是它的電腦死機、藍屏了，還是傳感器出現問題了？剛剛提到的問題可能性不大，可能性最大的是它的處理速度不夠快和延遲問題，它的處理系統從發現目標到檢算，到決策，到最後的執行動作延遲過大，導致它在很短時間內沒有辦法做出反應。”
因此，周斌認為，不管在前端還是後端，都需要高效率、低延遲、高性能的芯片（即 AI 芯片）來發現問題並作出決策。
然而有意思的是，既然自動駕駛 AI 芯片如此重要，但動點科技觀察到，雖然目前業內做 AI 芯片的企業不少，但很多都是在做語音識別、人臉識別等芯片，為自動駕駛行業做專門 AI 芯片的企業反而並不多，而這就涉及到了自動駕駛 AI 芯片的難度和特殊化問題。
對此，周斌表示，汽車電子是一個要求極高、收效極慢、投入極大的行業，而自動駕駛 AI 芯片則是一個更加難上假難的事情。“為什麼？首先，芯片關係到我們車的安全本身。這就要求芯片計算能力必須要達到一定的高度，只有這樣才能完成足夠好的自動駕駛算法運算，才能夠足夠好地完成相應任務，如果沒有好的算力提供，我們的自動駕駛就是空談。”
如何解決 AI 芯片與算法升級問題？
一般而言，軟件算法的更新迭代都是比較快的，然而，我們一旦將算法芯片化之後，算法升級的空間就會減少很多，那麼，行業內是否有辦法解決這一問題？
對此，周斌認為這個問題其實並不難解決。“AI 算法本質上來說就是一些基礎的運算，而現在主流的深度學習算法的基礎數學運算在一定時間內其實是穩定的，因此，只要在基礎運算的層面上提供一整套的解析系統，芯片就可以非常廣泛的適應各種各樣的模型。當然，如果未來的模型算法完全不是現在的深度學習架構，那芯片就可能要順應變化了，但是我們認為在可見的未來兩三年之內，深度學習還是這一代 AI 的主流，所以只要我們能夠非常好的支持深度學習，我們就一定能夠解決掉大部分的應用算法問題。”
另外，張波補充道，芯片能否規模化也是算法是否需要固化的重要指標。“前期在芯片規模不是很成熟的情況下，可以通過其他的一些替代方案，比如 FPGA 方案去實現，等場景成熟可實現規模出貨之後，再將算法固化成 AI 芯片。”
如何評價中興事件揭露的中國高端芯片被美國“卡脖子”的事實？
對於這個問題，周斌認為全球化的趨勢是不可避免的，這種封鎖，這種所謂的卡脖子只是一個暫時的現象。
“舉一個例子，一臺通信基站裡面有成百上千個芯片，尤其是一些核心的芯片，顯然沒有一個國家現在能夠把所有芯片都做完。即使打開美國的設備，裡面也有大量的日本的、韓國的芯片，全球化的大分工是一個競合的關係，我們只有發展自己核心的技術，並在這裡找到自己的一席之地，那我們也可以去卡別人的脖子，這樣反過來就不怕被別人卡脖子了。”周斌如此表示。
因此，周斌強調，在發展 AI 芯片行業的過程中，我們一定要掌握自己的核心技術。
另外，對於市場受中興事件影響而旋起的造芯浪潮，周斌表示，有熱點總歸是一件好事。不過，周斌也強調做芯片並不是一蹴而就的，也不是有了資本，就可以大力去發展的。尤其是在國內芯片方面人才短缺的現狀下，周斌建議創業者一定要理性、客觀對待這個造“芯”這件事。
中美在造芯方面的差距？
關於中美在造芯方面的差距問題，張波認為中國目前從芯片設計到生產製造以及封裝其實都是有一定基礎的，而且在加上現在資本的投入，這已經使得中國在芯片尤其是 AI 芯片的製造方面有了新的機會。“因為 AI 芯片是專用處理芯片，而在這個領域，我們和歐美也算是在一個起跑線上。”張波如此表示。
對於中國已經有了芯片製造基礎的觀點，周斌表示同意，並強調我們的某些基礎條件已經非常好了，很多地方甚至已經超過了美國。
不過，兩位嘉賓還是指出了中國在很多方面依然存在不足。
張波認為，目前國內缺乏經歷過芯片生命週期人才的事實可能將成為中國發展芯片產業的瓶頸。
而周斌則表示中國在相關的軟件配套、激勵機制、行業氛圍的建設等方面可能與美國相比還有一個較大的差距。尤其是美國企業更願意靜下心來紮紮實實地、充滿敬畏心地做事，即使是坐 10 年冷板凳也不在乎，而國內創業企業則更傾向於追風口。
“我們已經看到了芯片行業無數次的起起落落，而炒完之後一定是一地雞毛。”周斌如此表示。
TC 杭州 | 造芯片真的跟菜市場買白菜一樣簡單？最先出現在動點科技。
閱讀更多 動點科技 的文章
