AI喧囂下悄然加速的日本晶片製造

近年來，人工智慧已經成為已開發國家和地區搶占未來發展先機的重要抓手。

在此背景下，儘管業界還沒有為人工智慧晶片給出一個準確統一的概念，但是各國在半導體和晶片製造領域早已展開了激烈的競爭。

主流觀點普遍認為，未來AI晶片的競爭將在中國和美國之間展開。

然而，今年的中興事件給中國狠狠敲響了警鐘，讓國人清醒地意識到了我國在這個領域與先進國家之間的差距。

當前，我國正處於上下一心在高科技領域追趕美國的關鍵階段。

我們不僅應該有決心和意志，更應該有方法和策略。

本文將在討論當前世界各國晶片發展現狀的基礎上，重點介紹日本在AI晶片發展過程中的經驗、教訓，以及技術特點與優勢，並針對我國的技術發展現狀，有針對性地提出對我國AI晶片發展的建議。

AI晶片發展現狀

自1956年的達特茅斯會議以來，人工智慧正面臨著學科建立以來前所未有的科學技術和市場應用爆發潮。

作為人工智慧應用落地的關鍵技術及基礎，人工智慧(AI)晶片在為科技巨頭的業務升級、傳統企業的業務變革帶來新機遇的同時，也點燃了資本市場的投資熱情。

近年來，各大公司推出的AI晶片層出不窮。

自驍龍820處理器起，高通公司開始投入AI晶片的研發，到驍龍845已經是第三代，其AI計算效能達到了前一代的三倍，長期占領移動通訊市場份額的頭把交椅。

網際網路巨頭谷歌在開源了自己的TensorFlow深度學習神經網絡框架後，迅速打造了自己基於專用集成電路（ASIC）的專用TPU晶片。

傳統軟體行業領頭羊微軟則將重心放在FPGA人工智慧晶片上，並將其應用於支持Bing搜索。

此外，微軟還推出了具有視覺理解能力的視覺晶片A-eye。

憑藉著GPU在人工智慧應用中的先天性優勢，英偉達成為近年來AI晶片行業最大的黑馬。

今年6月，英偉達發布了一款專為機器人打造的全新 AI 晶片Jetson Xavier，並宣稱該款晶片的性能較之前的晶片強大20倍。

近年來，我國的AI晶片發展也取得了一定的成績。

今年5月份，寒武紀科技在終端、雲端同時推出了新的AI晶片，是全球首次採用7nm工藝製造的晶片。

8月底，華為在今年柏林國際電子消費品展覽會上展出了全新一代7nm製程的旗艦處理器海思麒麟980。

除了這些傳統的信息技術服務提供商外，許多直接面向客戶提供終端產品的企業也紛紛加入AI晶片的研發行列中。

智慧型手機的行業巨頭蘋果公司表示，在其新款的iPhone 8和iPhone X手機上所使用的A11處理器集成了一個專用於機器學習的硬體神經網絡引擎晶片，能夠改進蘋果設備在處理諸如面部識別和語音識別等需要人工智慧的任務時的表現。

新一代電動汽車製造商特斯拉早前也與晶片製造商AMD聯合研發了用於自動駕駛的AI晶片。

我國家電行業製造巨頭格力電器也表示，計劃投資500億用於晶片的研發和製造。

我國還成立了專門的半導體產業基金，在晶片設計和製造領域頻頻進行資本運作，投資了包括封測、材料等上下游企業。

從以上信息我們不難發現當前晶片產業發展中的幾個重要趨勢和現象：

1、由於各類晶片的應用場景廣泛，幾乎涵蓋了一切電子產品，不同行業的生產廠商的跨界合作與研發是非常普遍的現象。

2、由於晶片製造行業在研發和製造成本上的特殊性，資本的推動對於整個行業的發展具有特殊的意義。

同時，長遠來看最終形成寡頭壟斷的趨勢也非常明顯。

3、在智慧財產權保護日益進步的大背景下，領先企業較追趕企業具有較大的競爭優勢和較深的技術護城河。

作為追趕者的企業想要後發超越所面臨的困難非常大。

當前AI晶片的發展如何呢？表1梳理了當前世界各大科技巨頭的產品特點及性能，從宏觀上介紹目前AI晶片的發展概貌。

晶片一直是懸在中國上方的達摩克利斯之劍。

在經歷了今年初的中興事件後，我國的晶片產業受到了空前的關注，並很快取得了一些突破性的進展。

然而，作為技術上的追趕者，面對無處不在的技術封鎖，我國更應該博採眾長，廣泛借鑑世界各國在晶片及半導體產業發展過程中的經驗。

以及有許多圍繞歐美國家的半導體產業發展的報導，而對於我國一衣帶水的鄰邦、曾經的半導體製造大國日本的關注相對較少。

針對這一個問題，本文旨在介紹日本近年來AI晶片產業發展現狀與動向的基礎上，針對我國相關產業發展過程中也可能存在的共性問題，提出適當的建議。

日本的人工智慧與半導體行業

根據日本研究機構DataArtist的統計數據，日本的AI關聯企業數量大約在200至300家，相對於美國包括谷歌、IBM、微軟等科技巨頭在內上千家AI關聯企業的規模，日本的AI關聯企業無疑顯得勢單力薄。

此外，DataArtist的統計數據還顯示，2011至2015年間，中國發表的AI關聯論文已達41000篇，美國達到了25500篇，而日本只有11700篇。

30年前，日本的半導體產品占世界總產量的45%，是當時世界最大的半導體生產國。

截止到1990年，全球前10大半導體廠商中，日本就占了6席，風頭一時無二。

然而，如今日本的半導體產業市場份額只有10%，仿佛與經濟一樣陷入了「失去的三十年」。

以至於日本媒體一直感慨美國和中國已經在引領世界AI的風潮。

日本的半導體製造業，特別是與人工智慧相關的AI晶片製造業現狀究竟如何？是否真的那麼不堪？事實並非如此。

下面，本文將從學術層面、產業層面，以及資本和政策層面介紹和分析日本AI晶片產業的現狀。

1、學術層面

日本學界充分認識到半導體人才培養的重要性，1996年就在東京大學建立了大規模集成系統教育研究中心(VDEC)，培養的許多人才以及研究成果已經為日本的半導體產業發展做出了巨大的貢獻。

此外，東京大學杉山研究所在機器學習方面、河野研究室在矽神經網絡方面、以及京都大學的小野研究室在LSI系統等方面的研究都取得了許多重要成果。

日本東北大學的國際集成電路研究開發中心(CIES)則從材料製備的角度入手，專注於如何利用磁性隧道結(MTJ)的優良特性來構建AI晶片的電路。

在專注前沿領域研究的同時，日本學界還非常注重相關知識的科普教育。

日本電子機械協會(EIAJ)大規模集成電路開發支援中心(VSAC)、半導體理工學研究中心(STARC)等相關學會都會不定期地舉辦一些公益性質的講座，為公眾普及相關知識。

此外，日本大學在人工智慧的國際交流方面也很活躍。

2017年，中國賽為智能與大阪大學簽署合作協議，深耕智能護理領域，共同開發可用於人體醫學信號監測的護理床墊原型機。

2、產業層面

日本的製造業素來奉行造物的工匠精神。

這一點，在AI晶片的研發導向上也可見一斑。

主要表現在以下兩點：

(1)以2014年東芝剝離NAND Flash業務為標誌，日本企業徹底退出了消費級半導體市場第一陣營。

但是，日本在半導體材料和製造設備上的市場份額卻一直保持著很高的比例。

據國際半導體產業協會(SEMI)推測，日本的半導體材料行業在全球占有絕對優勢，在矽晶圓、光刻膠、鍵合引線、模壓樹脂及引線框架等重要材料方面占有很高份額，總份額達到約52%。

而在半導體設備領域，全球規模以上晶圓製造設備商共計58家，其中，日本企業多達21家。

因此，在半導體市場上，日本雖然失去了商品市場，但是沒有失去製造能力。

這樣的技術儲備，完全足以支撐日本廠商在必要的時候重新占領市場。

(2) 在AI晶片的應用定位上，相比主流的雲計算AI晶片，日本製造業更側重於研發麵向邊緣計算的終端AI晶片，例如，面向物聯網應用的傳感器晶片和自動駕駛輔助系統(ADAS)的晶片。

在當前階段，研發這些AI晶片的目的，都是為了增強日本傳統製造業產品的競爭力。

3、資本與政策層面

近年來，日本的資本界低調地進行了幾次實際上足以改變整個人工智慧產業格局的收購。

由於認識到日本在AI晶片設計上的短板，日本軟銀於2016年用310億美元收購了英國老牌晶片公司ARM，2017年又從谷歌接手了著名的波士頓動力系統公司。

市場研究顧問公司Compass Intelligence發布的最新研究結果顯示，在全球AI晶片企業排名中，ARM公司排在第7位。

而同一排名中，中國排名最高的華為海思也僅排在第12位。

今年8月份，三菱旗下的子公司花費了上百億日元收購了一家德國專門生產半導體清潔設備的公司。

這些資本市場的運作，有利地支撐了日本半導體行業的發展。

日經新聞報導稱，由於擔心日本的人工智慧研究落後於人，日本政府也成立了專門的基金用以支持國內AI晶片的研發，同時也加大了對高校和科研機構在AI晶片研究經費上的支持力度。

半官方背景的日本新能源產業技術綜合開發機構(NEDO)今年提出了一個旨在全面整合日本AI晶片「產學研」資源的政策建議。

其中特彆強調了基於舉國體制從人才培養、技術儲備、設備製造、商業環境等全方位爭取AI晶片產業制高點的戰略意義。

這些舉措表明，日本並沒有放棄在半導體，特別是AI晶片領域的競爭。

相反，日本不僅一直牢牢把握著AI晶片製造的核心技術，而且正在舉全國之力試圖重新奪回半導體行業的霸主地位，並在新一輪以人工智慧為標誌的產業升級競爭中取得優勢。

近年來，日本的AI晶片製造業也推出了許多新品。

富士通推出了面向深度學習的AI晶片DLU(Deep Learning Unit)，並建造了超級計算機「京」。

東芝專門針對深度學習中的張量計算問題，提出用於開發AI晶片的半導體電路技術TDNN(Time Domain Neural Network)，使得AI晶片的電力消耗下降了一半。

2017年，日本電裝推出了半導體晶片DFP(Data Flow Processor)，適用於自動駕駛中的認知、判斷、操作等需求。

瑞薩推出了一款基於其e-AI(embedded-Artificial Intelligence)構想、適用於自動駕駛深度學習的通用晶片DRP(Dynamically Reconfigurable Processor)。

傳統的電子技術巨頭NEC則與東京大學緊密合作，致力於研發下一代類腦計算AI晶片。

一系列跡象表明，日本的AI晶片產業在未來幾年很可能會迎來一個集中的爆發期。

「加快AI晶片開發的創新推進項目」基本計劃

要實現「只在有需要時，將需要的物品和服務提供給有需要的人，只提供需要的數量，細緻滿足社會的各種需求，所有人都得到高品質的服務，克服年齡、性別、地區、語言等各種差異，可以輕鬆舒適地生活」的超智能社會5.0（Society 5.0），必須將第四次工業革命技術以及用其創造的產品和服務陸續應用於社會。

日本政府圍繞上述問題出台了一系列的相關政策。

其中，日本新能源・產業技術綜合開發機構（NEDO）物聯網推進部、創新推進部於2018年4月發布「加快AI晶片開發的創新推進項目」基本計劃。

邊緣計算技術在網絡終端設備（邊緣側）進行中央信息處理，其重要性和價值日益增加。

雖然日本的創業企業具有AI的先進技術，但為了開發出具有競爭力的AI晶片，不僅需要AI和晶片的設計、軟硬體的知識和技術，而且需要具有昂貴的設計工具和設計驗證設備。

目前有以東京大學為中心運營的LSI開發支持基地VDEC，但學術許可受到主體學術用途的制約。

因此，需要建立新的通用基礎，加快創新型企業的創新理念的研發和商業化。

該項目計劃旨在推動通用基礎技術的開發，使大學和研究機構開發出先進的AI晶片，並且將其知識和AI晶片設計、評估、驗證等的開發環境提供給民營企業。

民營企業的目標是通過支持面向AI晶片相關理念實用化的研發，在為加快AI晶片開發而建立的設計驗證中心進行開發，無縫開展AI晶片開發方案的設計、驗證，從而推進加快創新性理念實現的研發，再次在世界上提升知名度。

成果目標是：2032年，面向邊緣的AI晶片在世界上獲得約750億日元的市場額。

產出目標是：2023年之後逐步將技術實用化率提高到50%以上。

發展建議

基於以上分析，給出以下建議：

1、從國家層面上做好頂層設計，制定AI晶片製造計劃，注重晶片的量產能力，發展規模化晶片製造工藝，構建技術發展路線圖和完備的晶片製造體系，攻堅克難，重點扶持具有廣闊市場前景的應用轉化項目。

2、建立AI晶片產業界和學術界雙向流通的合理機制。

半導體產業具有知識密度要求高、成果回報期長、動手實踐能力要求高的特點。

一方面，現行的高校考核體制不利於研究者投入精力去做相關的研究；另一方面，高校研究者一旦全身心投入產業界就很難再回歸，人才流動表現出單向流動的特點。

實現產業界和學術界人才的自由流動，也是提升產學研結合效果的關鍵因素。

因此，創新AI晶片產業的人才流通機制顯得尤為重要。

3、側重於培養企業的自我造血功能，而不是一味地強調做大做強企業。

半導體產業投入成本高、回報周期長，因此美國和日本等半導體製造強國實際上對AI晶片產業發展都有國家政策的支持。

我國的晶片製造產業基礎薄弱，更應該在政策上給予足夠的扶持。

但是，最終還是應該以培養企業自身的盈利能力為目的，避免出現一旦補貼和扶持政策撤銷，企業就無法生存的窘境。

4、加強投資引導，杜絕投資亂象。

近來，國內大量風險資本流向人工智慧領域，許多廠商紛紛推出自己的AI晶片。

在宣傳語中，「全球領先」、「中國首款」等字樣屢見不鮮，又進一步刺激了資本進入該領域。

監管部門應積極地對資本展開正向引導，將資金運用在最需要的地方，避免重複浪費和無效率的資金運用。

5、培育良性競爭的市場環境。

在適當扶持和保護民族產業的同時，適當保持來自外部的競爭，讓企業在適當、充分的良性競爭環境下成長壯大，同時與國外的晶片廠商產生良好地互動和交流。

新書推薦

由林雪萍、趙敏、寧振波、黃昌夏等編著的《智能製造術語解讀》一書，精選了智能製造領域的62條術語，通過「物標組制、研鏈解智」的八字訣統領，進行深入淺出的科普性解讀。

該書在京東、亞馬遜等各大網店已經上架，歡迎關注。

作 者：陸 可（東京大學國際交流研究員，安徽工業大學副教授）

編 審：孟采菽（《知識自動化》主編）

更多精彩原創分析文章，敬請關注「微信公眾號：知識自動化」。