對人工智慧晶片的思考，國內So far魏少軍教授的認識絕對是最深刻的

由中國半導體行業協會集成電路設計分會主辦，芯原股份有限公司協辦的「首屆青城山中國IC生態高峰論壇」7月14日在成都都江堰青城山舉行。

成都在2015年的電子信息產業生產總值達6800億元，當地政府要將它提升到萬億級規模產業，並且政府設立了121億電子信息產業投資基金。

主辦方在青城山這個中國道教基地第一次舉辦IC生態高峰論壇，並將主題設為「打造人工智慧產業鏈」，邀請了眾多位人工智慧的專家來作演講，有著非常特別的意義。

清華大學微電子學研究所所長，中國半導體行業協會集成電路設計分會秘書長魏少軍教授在不久前出國考察了谷歌、IBM等多家人工智慧的領先公司，並且在清華大學內也領導了人工智慧的多個項目，在本次活動魏教授作了主題為「人工智慧大潮中的晶片發展思路」的演講，首次公布了他在人工智慧方向的研究成本，並指出了今後的人工智慧晶片的研發方向。

以下是電子工程專輯記者在活動中作了速記報導，分享給大家第一時間學習參考。

人工智慧的產業現狀

魏少軍教授以谷歌阿法狗事件開始了人工智慧的演講，他透露了一個從谷歌拜訪時得知的秘密：阿法狗贏了這麼多李世石和柯潔兩位圍棋大師，其實並不是阿法狗單獨完成，而是有背後的人工干預才贏下比賽。

在谷歌內部，因為這一點，阿法狗被評估為不成功的項目。

所以，那兩場圍棋比賽，真正的贏家是誰，也許可能還不是機器，而是人類？

這是目前人工智慧的創業公司的統計數據，初創企業2016年有389家，融資2016年超過了50億美元的有5家，人工智慧的併購數量2016年有85次。

從數據上看，人工智慧絕對是眼下最熱的行業。

人工智慧其實是一個有著幾十年歷史的課題，但最新出現的基於卷積神經網絡的深度學習是最大的技術亮點。

從傳統的數據挖掘，轉到前向型的機器學習，預測和決策，才是人工智慧發展的方向與價值。

智能晶片是人工智慧的根本

在接下來的演講時間中，魏教授用了很大的篇幅來講述他對於智能晶片的認識。

電子工程專輯小篇滴水不漏地將魏教授的PPT和演講精華分享出來。

機器學習晶片平台GPU是CPU的計算能力的五倍

魏教授對FPGA與Google的TPU的分析

魏教授也分享了歐洲的NerRAM3晶片，這是採用了28nm FDSOI工藝的人工智慧晶片，Micron的處理器Automata是基於DRAM工藝技術，低功耗的處理器。

歐洲的Neuromorphic 架構的晶片，獲得了魏教授的認可。

IBM的TrueNorth處理器，是魏教授認為目前最接近人腦構造的類腦晶片。

它只有郵件大小，重量只有幾克，卻有54億個矽電晶體，內置了4096個內核，100萬個神經元，2.56億個突觸，能力相當於一台超級計算機，功耗卻只有65毫瓦。

未來的類腦晶片，與現在的IBM TrueNorth的差別還有多大，從數據來看還有不少的差距。

最終的類腦晶片，體積不到兩升，功耗還要1000W，跟人類的大腦相比，還是人腦勝出。

構成智能晶片的關鍵因素是什麼？

智能晶片的關鍵因素是什麼？魏教授也作了他的獨家分析。

這是目前我在媒體上看到的最全面深入的分析。

人工智慧晶片直接跟人類大腦作比較的話，最大的差距在計算工作頻率和功耗的差別。

魏教授對智能晶片的架構推理

魏教授給出的8點要素，目前的CPU等，都不是理想的架構。

他認為，人工智慧晶片應該是軟體定義晶片

魏教授指出，擁有10大缺陷，尤其是超高價格與功耗的FPGA晶片，顯然不屬於SDC，不可能是將來的人工智慧晶片

真正的人工智慧晶片：可重構計算晶片技術和深度學習

魏教授認為，可重構計算和深度學習是人工智慧晶片的兩大重要因素。

將來軟體對於人工智慧晶片的更為重要的因素，而不是再目前的硬體設計為核心。

下面他給大家指條路。

理想的計算硬體架構，這一點學術味比較重啊。

軟體的規模可以任意大，但硬體的規模總是有限的，魏教授認為計算硬體架構和功能動態地、實時地跟隨軟體的變化而變化很重要。

所以他提出人工智慧晶片必然是可重構計算晶片，是軟體定義晶片。

這一張PPT同樣比較專業或是比較學術了。

再回顧一下通用的計算架構

魏教授給出的可重構的計算晶片架構：完全可編輯與完全可重構

能直接用C語言軟體編輯是可重構計算晶片的特點，這可以讓更多做應用的人來採用人工智慧晶片很重要。

可重構計算也可以根據馮.諾依曼結構推導過來的，當然終大的變化是Program的部分。

可重構計算與經典計算的比較，五點大的變化，其中的計算結構適應應用是最大的區別。

這是RCC（可重構計算晶片 Reconfigurable Computing Chip）跟ASIC和FPGA的差別。

清華大學在去年高交會上發布的首款人工智慧晶片，可重構神經網絡計算器件THINKER的介紹

THINKER的規格與前人晶片的對比THINKER是魏教授自己團隊的成果，他也認為目前離真正的商用還有距離，雖然採用的TSMC的65納米LP工藝，THINKER晶片能效比還是高出同行五倍，但目前還是不能用在手機、家庭應用中。

「不能應用到手機或家庭應用中，只能用於網際網路企業中，沒辦法大規模起量。

人工智慧晶片沒有被大量採用，就還不能算成功。

」 魏教授補充說明道。

不過他也透露，半個月之後THINKER還會有重要的更新宣布，屆時還會有驚喜。

最後的總結

魏教授提出了4點關於人工智慧晶片與機器智能的總結。

機器智能中，最重要的是滿足軟體不斷變化的計算需求。

目前他認為國內的人工智慧跟國外的企業比，還是差那么半步。

「行百步，半九十。

即使是差這區區10%，還不能說我們趕上或超越了國外公司。

我們還需要努力。

」

在隨後的芯原股份有限公司創始人、董事長兼總裁戴偉民主持的圓桌論壇「中國應該如何布置人工智慧產業」上，有記者問到目前中國的人工智慧業者如此熱情，中國做人工智慧的優勢在哪裡？

魏少軍表示，中國的優勢，還是在網際網路應用上，在方法和工具上的優勢還不明顯。

AI商業化戰略專家北京大學訪問教授吳霽虹表示，中國的優勢在於大數據的優勢，畢竟中國人口的優勢太明顯了。

自然道公司創始人/CEO楊興平認為，劣勢太明顯，主要還是原創的人工智慧理論都不在國內研究的。

國外很多大學都在研究人的大腦如何工作的，但國內還沒有大學在做。