其中，或許因為是近期才出現的「新鮮事物」，隨著爆發的到來，AI晶片領域也成一片亂象。

之前，曾有業內人士這樣形容，稱「做房地產的都開始做晶片了。

」而現在，一語成真，除阿里、寒武紀等正統戰隊之外，主業為房地產的恆大和碧桂園真的開始涉足AI晶片產業。

不過，晶片產業本就是一個龐大的產業鏈，並不是人人都可以做晶片的，尤其是AI晶片這一剛剛起步的產品。

10月15日，由國家發展和改革委員會、國家網信辦指導，中國人工智慧產業發展聯盟（AIIA）主辦的「AIIA人工智慧開發者大會」將在蘇州舉辦。

屆時，新思科技人工智慧實驗室主任廖仁億將出席此次大會，並帶來「AI：智能晶片設計的未來」的主題演講。

在大會正式舉辦前，針對AI晶片和此次大會相關話題，鎂客網獨家對他進行了採訪。

圖 | 新思科技人工智慧實驗室主任廖仁億

相比傳統晶片，AI晶片的機會與挑戰並存

「近幾年人工智慧、機器學習快速發展，加上量子運算等更為先進的技術，對於解決過去的問題帶來了全新的視野。

」廖仁億表示。

「但隨著大家對人工智慧的期望越來越高，加上海量數據的持續增長和無處不在的場景應用，人工智慧加上人類智能的賦能，幫助我們用更智能的工具，來設計日益複雜且更為強大的人工智慧晶片，為晶片設計帶來全新的挑戰和機會。

」

其中，關於「機會」，美國市場研究公司ReportLinker公布了一份AI晶片研究報告，內容顯示，未來五年，全球AI晶片將進入快速發展階段。

預計到2023年，市場規模將達到108億美元，複合年均增長率達到53.6%。

數據上，僅看未來的市場潛力，AI晶片產業可謂「前途不可限量」，這一串數字讓人看著就想進去湊一湊。

也因此，越來越多的公司跨入這一行當。

不過，機會之外，「挑戰」也是不容忽視的。

關於這個問題，作為領先的晶片自動化設計解決方案提供商及接口IP供應商，新思科技深有體會，廖仁億指出，不同於傳統晶片，AI晶片的出現也帶來了新的設計難度，「AI、深度學習晶片有更多並行的PE單元，不管在架構設計、軟硬體協同驗證、性能預測、晶片實現和IP選擇（如HBM）等，都比傳統晶片有更大的挑戰。

」

有挑戰就意味著變革，這方面，以新思科技為例，他們正「不斷提供和改進工具及方法，來幫助晶片的設計和實現，並且人工智慧技術已全面融入到新思科技各產品線中，讓產品變得更強大和靈活，例如新思科技憑藉突破性機器學習技術將形式屬性驗證性能人提高10倍。

」

沒有好的晶片自動化設計工具，就沒有好的AI晶片

截至目前，已經有不少AI晶片廠家發布了自己的晶片產品，有的已經成功流片或是即將流片。

眾所周知，於AI晶片而言，「流片」是一個極其重要的步驟，其成功與否的背後關係著晶片產品的商業化。

也因此，在流片之前，有些公司會採取一些工具來進行驗證。

以16nm晶片為例，正常情況下，設計周期至少需要一年的時間，但是在工具的協助下，可能只需要半年的時間，晶片廠商就能夠完成16nm晶片的設計並完成流片。

這方面，新思科技是業內最具競爭力的解決方案供應商，他們「提供從晶片到軟體完整的解決方案，包括系統軟硬體協同設計，晶片設計、驗證到實現及軟體安全。

」

舉個例子，在晶片尚未流片之前，AI晶片廠商可以使用VDK、HAPS、Zebu這類工具在複雜的AI晶片系統設計初期實現早期軟硬體協同發展，預測AI晶片性能和瓶頸。

通過AIIA的Benchmark工作，他們能夠在流片之前就知道該晶片在市場中的優勢。

據悉，寒武紀雲端人工智慧處理器晶片就採用了新思科技HAPS原型驗證解決方案。

對於工具與AI晶片之間的關係，廖仁億明確表示：「沒有好的晶片自動化設計工具，就沒有好的AI晶片。

」

當然，AI晶片與傳統晶片是不同的，這也就意味著工具也要有所不同。

廖仁億表示，為了更好地服務AI晶片，新思科技未來將通過提高算法、融合軟硬體、架構基礎設施、開發新的設計工具等方式持續優化AI晶片的功耗和性能，並通過多領域深入的產業合作，助力推動人工智慧產業升級和人才培養。

最後

「AI、深度學習在最近幾年的成功和廣泛應用有目共睹，可能有短期的泡沫現象，但長期的成長還是可以預期的。

」廖仁億稱。

而對於AI晶片，在其看來，比起以往，今日晶片的架構設計和應用、算法、軟體結合的更為緊密，所以要對整個系統需求有完整的認識，才能設計出更高性能的AI晶片。

對於此次即將參加的「AIIA人工智慧開發者大會」，他也寄予厚望，並表示，希望在AIIA的DNN Benchmark等重要AI性能標準化工作中做出更多的貢獻，從而加速中國人工智慧產業發展。

更多優質內容，請持續關注鎂客網~~