導語
2010 年以來， 由於大數據產業的發展， 數據量呈現爆炸性增長態勢，而傳統的計算架構又無法支撐深度學習的大規模並行計算需求， 於是研究界對 AI 芯片進行了新一輪的技術研發與應用研究。AI 芯片是人工智能時代的技術核心之一，決定了平臺的基礎架構和發展生態。下文全面講解人工智能芯片，系統梳理人工智能芯片的發展現狀及趨勢及行業人才全球分佈情況。
01 AI芯片基本知識及現狀
從廣義上講只要能夠運行人工智能算法的芯片都叫作 AI 芯片。但是通常意義上的 AI 芯片指的是針對人工智能算法做了特殊加速設計的芯片， 現階段， 這些人工智能算法一般以深度學習算法為主，也可以包括其它機器學習算法。人工智能與深度學習的關係如圖所示。
02 人工智能與深度學習
深度學習算法，通常是基於接收到的連續數值， 通過學習處理， 並輸出連續數值的過程，實質上並不能完全模仿生物大腦的運作機制。基於這一現實， 研究界還提出了SNN（Spiking Neural Network，脈衝神經網絡） 模型。作為第三代神經網絡模型， SNN 更貼近生物神經網絡——除了神經元和突觸模型更貼近生物神經元與突觸之外， SNN 還將時域信息引入了計算模型。目前基於 SNN 的 AI 芯片主要以 IBM 的 TrueNorth、 Intel 的 Loihi 以及國內的清華大學天機芯為代表。
03 AI 芯片發展歷程
從圖靈的論文《計算機器與智能》 和圖靈測試， 到最初級的神經元模擬單元——感知機， 再到現在多達上百層的深度神經網絡，人類對人工智能的探索從來就沒有停止過。上世紀八十年代，多層神經網絡和反向傳播算法的出現給人工智能行業點燃了新的火花。
反向傳播的主要創新在於能將信息輸出和目標輸出之間的誤差通過多層網絡往前一級迭代反饋，將最終的輸出收斂到某一個目標範圍之內。1989 年貝爾實驗室成功利用反向傳播算法，在多層神經網絡開發了一個手寫郵編識別器。1998 年 Yann LeCun 和 Yoshua Bengio 發表了手寫識別神經網絡和反向傳播優化相關的論文《Gradient-based learning applied to documentrecognition》，開創了卷積神經網絡的時代。
此後， 人工智能陷入了長時間的發展沉寂階段，直到 1997年 IBM的深藍戰勝國際象棋大師和 2011年 IBM的沃森智能系統在 Jeopardy節目中勝出，人工智能才又一次為人們所關注。2016 年 Alpha Go 擊敗韓國圍棋九段職業選手，則標誌著人工智能的又一波高潮。從基礎算法、 底層硬件、 工具框架到實際應用場景， 現階段的人工智能領域已經全面開花。
作為人工智能核心的底層硬件 AI 芯片，也同樣經歷了多次的起伏和波折，總體看來，AI 芯片的發展前後經歷了四次大的變化，其發展歷程如圖所示。
（1） 2007 年以前， AI 芯片產業一直沒有發展成為成熟的產業；同時由於當時算法、數據量等因素， 這個階段 AI 芯片並沒有特別強烈的市場需求，通用的 CPU 芯片即可滿足應用需要。
（2） 隨著高清視頻、 VR、 AR遊戲等行業的發展， GPU產品取得快速的突破；同時人們發現 GPU 的並行計算特性恰好適應人工智能算法及大數據並行計算的需求，如 GPU 比之前傳統的 CPU在深度學習算法的運算上可以提高几十倍的效率，因此開始嘗試使用 GPU進行人工智能計算。
（3） 進入 2010 年後，雲計算廣泛推廣，人工智能的研究人員可以通過雲計算藉助大量 CPU 和 GPU 進行混合運算，進一步推進了 AI 芯片的深入應用，從而催生了各類 AI 芯片的研發與應用。
（4） 人工智能對於計算能力的要求不斷快速地提升，進入 2015 年後， GPU 性能功耗比不高的特點使其在工作適用場合受到多種限制， 業界開始研發針對人工智能的專用芯片，以期通過更好的硬件和芯片架構，在計算效率、能耗比等性能上得到進一步提升。
04 我國 AI 芯片發展情況
目前，我國的人工智能芯片行業發展尚處於起步階段。長期以來，中國在 CPU、 GPU、DSP 處理器設計上一直處於追趕地位，絕大部分芯片設計企業依靠國外的 IP 核設計芯片，在自主創新上受到了極大的限制。然而，人工智能的興起，無疑為中國在處理器領域實現彎道超車提供了絕佳的機遇。人工智能領域的應用目前還處於面向行業應用階段，生態上尚未形成壟斷，國產處理器廠商與國外競爭對手在人工智能這一全新賽場上處在同一起跑線上，因此， 基於新興技術和應用市場，中國在建立人工智能生態圈方面將大有可為。
由於我國特殊的環境和市場，國內 AI 芯片的發展目前呈現出百花齊放、百家爭鳴的態勢， AI 芯片的應用領域也遍佈股票交易、金融、商品推薦、安防、早教機器人以及無人駕駛等眾多領域，催生了大量的人工智能芯片創業公司，如地平線、深鑑科技、中科寒武紀等。
儘管如此， 國內公司卻並未如國外大公司一樣形成市場規模， 反而出現各自為政的散裂發展現狀。除了新興創業公司，國內研究機構如北京大學、清華大學、中國科學院等在AI 芯片領域都有深入研究；而其他公司如百度和比特大陸等， 2017 年也有一些成果發佈。可以預見，未來誰先在人工智能領域掌握了生態系統，誰就掌握住了這個產業的主動權。
05 AI學者概況
基於來自清華大學AMiner 人才庫數據，全球人工智能芯片領域學者分佈如圖所示， 從圖中可以看到， 人工智能芯片領域的學者主要分佈在北美洲，其次是歐洲。中國對人工智能芯片的研究緊跟其後，南美洲、非洲和大洋洲人才相對比較匱乏。
人工智能芯片領域研究學者全球分佈
按國家進行統計來看美國是人工智能芯片領域科技發展的核心。英國的人數緊排在美國之後。其他的專家主要分佈在中國、 德國、 加拿大、意大利和日本 。
人工智能芯片領域研究學者全球分佈
對全球人工智能芯片領域最具影響力的 1000 人的遷徙路徑進行了統計分析，得出下圖所示的各國人才逆順差對比。
各國人才逆順差
可以看出，各國人才的流失和引進是相對比較均衡的，其中美國為人才流動大國，人才輸入和輸出幅度都大幅度領先。英國、 中國、 德國和瑞士等國次於美國，但各國之間人才流動相差並不明顯。
中創產業研究院彙集高等院校、研究機構、專家學者、新興產業、創新企業、投資機構、創新者、企業家和產業家等各方面的資源，是體系開放、多方協同的新型研究機構，努力為粵港澳大灣區乃至全國的發展提供智力支持，為政府部門、企業和產業集團提供產業發展諮詢，推動戰略性新興產業的健康發展。中創產業研究院堅持“研究產業、服務產業、引領產業”的理念，目前已形成醫療產業研究中心、區域經濟研究中心、新材料研究中心、先進製造研究中心和產業資源中心，組建成立了各研究方向的專家庫。
歡迎公眾投稿，投稿郵箱：[email protected]
歡迎大家關注“中創產業研究院”產業研究信息分享平臺
閱讀更多 中創產業研究院 的文章
