当地时间8月21日，全球FPGA芯片龙头企业赛灵思，在其举办的首届创新日（Innovation Day）活动期间，发布了最大容量的FPGA——Virtex UltraScale+VU19P。据悉，新发布的VU19P芯片拥有350亿个晶体管，是有史以来单颗芯片可以支持的最高逻辑密度和最大I/O数量。该芯片可以支持未来ASIC和SoC的仿真与原型设计，也将支持测试测量、计算、网络、航空航天等相关应用，特别是可支持设计全新5G芯片。
FPGA（Field Programmable Gate Array）是在PAL、GAL等可编程器件的基础上进一步发展的产物。它是作为专用集成电路（ASIC）领域中的一种半定制电路而出现的，既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。
由此可见，虽然以美国为首的西方国家在不遗余力的抵制华为的5G技术，但是芯片行业的巨头们却都在积极布局5G芯片。从另一个方面来看，中国企业很难在传统芯片行业突出重围，只有抓住人工智能、5G等前沿技术衍生出的专有芯片研发，才有可能杀出一条血路。
AI芯片作为人工智能、5G技术发展的“引擎”，就为中国企业提供了一次弯道超车的机遇。
什么是AI芯片
AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块。目前，业界对AI芯片尚无严格界定，广义上说，擅长执行人工智能算法的芯片就可以称为AI芯片，主要有GPU、FPGA和ASIC三种技术路线。赛灵思最新发布的VU19P就属于FPGA。
根据承担的任务和部署位置的不同，AI芯片大致可以分为云端训练芯片、云端推断芯片和终端推断芯片。
云端训练：即数据中心，对神经网络而言，训练过程就是通过不断更新网络参数，使推断/预测误差最小化的过程。云端训练对于芯片有着很高要求：计算精度必须支持具有较长字长的浮点数或定位数；不仅要具备强大的单芯片计算能力，还要具备良好的扩展性；对内存数量、访问内容的带宽和内存管理方法的要求都很高。
云端推断：指直接将数据输入神经网络并评估结果的正向计算过程。相比云端训练芯片，推断芯片在单位功耗算力、时延和成本等方面产生更多需求。
终端推断：由于终端推断任务的应用场景多种多样，如自动驾驶汽车、智慧家居产品和各类IoT设备等，芯片部署在各种设备中，其需求和约束也呈现出多样化的特点。对于多数应用来说，速度、面积、能效、安全和硬件成本是最重要的考虑因素。
为什么要发展AI芯片
除了实现“芯片突围”的战略之外，发展AI芯片，主要是受人工智能、云计算、大数据等新技术对处理器计算能力需求日益高涨的推动，开发专用处理器是未来科技发展的方向，也是其他未来技术实现的基础。
在通用处理器无法满足新技术计算能力要求的情况下，在不同的领域采用专用处理器，即舍弃部分通用性以获得更高的效率，逐渐成为未来半导体行业的发展趋势。对比CPU，专用芯片的适用范围较窄，但在特定领域能做得更好，性能可以实现数十倍甚至百倍的提升。
为什么我国有望在AI芯片实现弯道超车
首先，AI芯片领域是一个崭新的领域，众多企业的起步都差不多。即使国外龙头企业有一些芯片的研发经验，但是在AI技术上，并不具备很大的优势。比如，英伟达研发GPU多少年了，虽然现在在AI的研发上，很多科技公司需要用英伟达的芯片，但是也只是用来测试用，把它当做一个通用芯片，它的芯片可能用于语音、图像、视频等领域，但是比专用的AI芯片效率要低，而且成本上可能也要更高。
其次，AI芯片基本都是针对某个很垂直的领域研发的。尤其是一些小型的AI芯片，可能有二三十人，用一两年时间就能研发出来，未来是物联网的时代，很多商品都具备联网能力，而这些商品都会具备AI能力，所以都需要AI芯片。因此，AI芯片设计非常依赖市场应用场景的规模和多样性。众所周知，我国拥有全球最大、最全面的应用市场，因此具备培育AI芯片龙头企业的土壤。
最后，我国的企业已经在AI芯片领域取得了一定的基础和优势。 比如，寒武纪目前估值位列全球AI芯片独角兽之首；百度发布的昆仑每秒可执行260万亿次运算，是英伟达Jetson Xavier的约9倍；华为发布的海思麒麟970也是手机领域首款具备AI运算能力的SOC。
作者观点
5G和人工智能时代已然来临，新的时代孕育新的机遇——想要中国芯，现在是最好的时代。想要中国芯，AI芯片是最好的赛道。
閱讀更多 魯緩 的文章
