WAIC 陳天石主題演講｜邁向人工智慧的寒武紀

這次AI崛起最重要的推動力是背後的晶片技術。

報導 | 微胖

作為人工智慧技術與應用的硬體載體，智能晶片的發展決定著人工智慧運算能力的上限，對人工智慧產業發展具有關鍵的引領性作用。

在人工智慧時代，如何把握時代機遇，打造更高性能、更低能耗的智能晶片，從而更好地推動人工智慧技術不斷發展，更好地推動人工智慧行業改善人類的勞動生產力與生存空間，是晶片行業面臨的挑戰。

19 日，以「創芯引領時代，智能改變未來」為主題的分論壇在西岸藝術中心 A 館舉行。

寒武紀科技 CEO 陳天石到會發表了《邁向人工智慧的寒武紀》主題演講。

首先，陳天石向大家解釋了公司名字寒武紀的由來。

大約 6 億年前，在地質學上被稱作「寒武紀」時代，大量無脊椎動物短時間內出現「生命大爆發」，取這個名字意喻人工智慧將迎來大爆發，寒武紀自行研發的處理器將為這場大爆發提供核心物質載體。

深度學習幾起幾落，不過，我們今天關注的眾多深度算法中，一些非常原創性的思想在上世紀 80 年代已具雛形。

比如，BP 算法，對於有監督學習來說，非常重要。

AI 為什麼會在這個時期落入低谷，原因有幾個。

算法是其中一個原因，效果好，但無法進行數學上的嚴密分析；另一方面更重要的是，晶片能力無法支持大規模神經網絡的運算。

在那個年代，數十個神經元就算規模比較大的網絡模型了，但晶片支持不了。

網絡模型效果不理想，也與規模有關。

或許有學者構想過大規模的神經網絡模型，但當時的晶片根本不足以支撐學者去驗證自己的想法，後者的潛能也因此被掩蓋。

近十年，晶片能力有了大幅提升。

現在有最好的 CPU 和 GPU，允許我們去嘗試和驗證假設。

所以，這次 AI 崛起最重要的推動力是背後的晶片技術。

從歷史上看，每次出現一個新興應用，都會有一類專用晶片誕生。

GPU 服務於圖像顯示以及遊戲，邏輯上來看，CPU 也可以支持這樣的任務。

但是，只有 GPU 才能更勝任大規模、複雜化的算法。

DSP 也是這樣。

因此，AI 也需要專門處理器，包括智能終端處理器以及智能雲伺服器處理器。

在 AI 內部，我們做通用的晶片產品。

人工智慧領域本身是非常龐大的，要支持各種不同類型的算法應用。

那麼，如何讓晶片有限的空間得以支持任意規模的神經網絡模型？寒武紀先行進行了探索，這也是寒武紀重要的學術原創成果。

寒武紀力圖打造可以運行任意規模神經網絡的處理器。

為此，首先要非常熟悉面臨的應用負載特徵。

根據分析出來的應用負載，設計靈活的指令集，

就像過去在 PC 和伺服器上有 X86 指令集，移動終端有 ARM 指令集，人工智慧處理器上一定有一個非常靈活、高效的指令集，可以用來解決不同類型的人工智慧處理任務。

其次，需要考慮設計可擴展性強、高效的架構，使得晶片可以獲得更好的性能。

另外，提供適用於人工智慧運算的運算器，支持主流的編程框架也很重要。

不過，對於晶片來說，最重要的是經由大規模商用後的疊代。

而在這一點上，寒武紀跑在了國內 AI 晶片創業公司的前面。

據陳天石透露，目前數以千萬的智能終端使用了寒武紀的處理器。

接下來，陳天石介紹了寒武紀的一些研究成果。

未來的人工智慧絕不會是單純的雲端或終端智能，一定是端雲協同的，寒武紀做處理器也秉承一個思想，端和雲有一樣的生態、指令集和軟體開發平台，使得我們在雲和端之間可以靈活切換。

陳天石以前在接受經濟日報採訪時也曾談到這一點，「過去大部分晶片廠商都主攻端，例如晶片巨頭 ARM 公司，或是主攻雲，例如英特爾公司。

兩者兼顧的卻很少，因為端雲的任務生態區別較大。

但是智能時代這個局面會被全面打破。

因為端和雲的任務是一體的，編程和使用的生態也是一致的。

作為一個通用機器學習晶片廠商，寒武紀就是要端雲結合，共同推動智能晶片生態的發展。

」

在 2016 年推出全球首款商用終端智能處理器 IP 產品後，今年 5 月，寒武紀也正式發布了首款雲端智能晶片 MLU100 及相應的板卡產品。

我們可以看到，寒武紀的策略也很明確：智能終端方面，先做授權，雲伺服器方面，先滿足國家層面的需求。