对人工智能芯片的思考，国内So far魏少军教授的认识绝对是最深刻的

由中国半导体行业协会集成电路设计分会主办，芯原股份有限公司协办的“首届青城山中国IC生态高峰论坛”7月14日在成都都江堰青城山举行。成都在2015年的电子信息产业生产总值达6800亿元，当地政府要将它提升到万亿级规模产业，并且政府设立了121亿电子信息产业投资基金。主办方在青城山这个中国道教基地第一次举办IC生态高峰论坛，并将主题设为“打造人工智能产业链”，邀请了众多位人工智能的专家来作演讲，有着非常特别的意义。

清华大学微电子学研究所所长，中国半导体行业协会集成电路设计分会秘书长魏少军教授在不久前出国考察了谷歌、IBM等多家人工智能的领先公司，并且在清华大学内也领导了人工智能的多个项目，在本次活动魏教授作了主题为“人工智能大潮中的芯片发展思路”的演讲，首次公布了他在人工智能方向的研究成本，并指出了今后的人工智能芯片的研发方向。以下是电子工程专辑记者在活动中作了速记报道，分享给大家第一时间学习参考。

人工智能的产业现状

魏少军教授以谷歌阿法狗事件开始了人工智能的演讲，他透露了一个从谷歌拜访时得知的秘密：阿法狗赢了这么多李世石和柯洁两位围棋大师，其实并不是阿法狗单独完成，而是有背后的人工干预才赢下比赛。在谷歌内部，因为这一点，阿法狗被评估为不成功的项目。所以，那两场围棋比赛，真正的赢家是谁，也许可能还不是机器，而是人类？

这是目前人工智能的创业公司的统计数据，初创企业2016年有389家，融资2016年超过了50亿美元的有5家，人工智能的并购数量2016年有85次。从数据上看，人工智能绝对是眼下最热的行业。

人工智能其实是一个有着几十年历史的课题，但最新出现的基于卷积神经网络的深度学习是最大的技术亮点。

从传统的数据挖掘，转到前向型的机器学习，预测和决策，才是人工智能发展的方向与价值。

智能芯片是人工智能的根本

在接下来的演讲时间中，魏教授用了很大的篇幅来讲述他对于智能芯片的认识。电子工程专辑小篇滴水不漏地将魏教授的PPT和演讲精华分享出来。

机器学习芯片平台GPU是CPU的计算能力的五倍

魏教授对FPGA与Google的TPU的分析

魏教授也分享了欧洲的NerRAM3芯片，这是采用了28nm FDSOI工艺的人工智能芯片，Micron的处理器Automata是基于DRAM工艺技术，低功耗的处理器。欧洲的Neuromorphic 架构的芯片，获得了魏教授的认可。

IBM的TrueNorth处理器，是魏教授认为目前最接近人脑构造的类脑芯片。它只有邮件大小，重量只有几克，却有54亿个硅晶体管，内置了4096个内核，100万个神经元，2.56亿个突触，能力相当于一台超级计算机，功耗却只有65毫瓦。

未来的类脑芯片，与现在的IBM TrueNorth的差别还有多大，从数据来看还有不少的差距。最终的类脑芯片，体积不到两升，功耗还要1000W，跟人类的大脑相比，还是人脑胜出。

构成智能芯片的关键因素是什么？

智能芯片的关键因素是什么？魏教授也作了他的独家分析。这是目前我在媒体上看到的最全面深入的分析。

人工智能芯片直接跟人类大脑作比较的话，最大的差距在计算工作频率和功耗的差别。

魏教授对智能芯片的架构推理

魏教授给出的8点要素，目前的CPU等，都不是理想的架构。

他认为，人工智能芯片应该是软件定义芯片

魏教授指出，拥有10大缺陷，尤其是超高价格与功耗的FPGA芯片，显然不属于SDC，不可能是将来的人工智能芯片

真正的人工智能芯片：可重构计算芯片技术和深度学习

魏教授认为，可重构计算和深度学习是人工智能芯片的两大重要因素。将来软件对于人工智能芯片的更为重要的因素，而不是再目前的硬件设计为核心。下面他给大家指条路。

理想的计算硬件架构，这一点学术味比较重啊。

软件的规模可以任意大，但硬件的规模总是有限的，魏教授认为计算硬件架构和功能动态地、实时地跟随软件的变化而变化很重要。所以他提出人工智能芯片必然是可重构计算芯片，是软件定义芯片。

这一张PPT同样比较专业或是比较学术了。

再回顾一下通用的计算架构

魏教授给出的可重构的计算芯片架构：完全可编辑与完全可重构

能直接用C语言软件编辑是可重构计算芯片的特点，这可以让更多做应用的人来采用人工智能芯片很重要。

可重构计算也可以根据冯.诺依曼结构推导过来的，当然终大的变化是Program的部分。

可重构计算与经典计算的比较，五点大的变化，其中的计算结构适应应用是最大的区别。

这是RCC（可重构计算芯片 Reconfigurable Computing Chip）跟ASIC和FPGA的差别。

清华大学在去年高交会上发布的首款人工智能芯片，可重构神经网络计算器件THINKER的介绍

THINKER的规格与前人芯片的对比THINKER是魏教授自己团队的成果，他也认为目前离真正的商用还有距离，虽然采用的TSMC的65纳米LP工艺，THINKER芯片能效比还是高出同行五倍，但目前还是不能用在手机、家庭应用中。“不能应用到手机或家庭应用中，只能用于互联网企业中，没办法大规模起量。人工智能芯片没有被大量采用，就还不能算成功。” 魏教授补充说明道。

不过他也透露，半个月之后THINKER还会有重要的更新宣布，届时还会有惊喜。

最后的总结

魏教授提出了4点关于人工智能芯片与机器智能的总结。机器智能中，最重要的是满足软件不断变化的计算需求。目前他认为国内的人工智能跟国外的企业比，还是差那么半步。“行百步，半九十。即使是差这区区10%，还不能说我们赶上或超越了国外公司。我们还需要努力。”

在随后的芯原股份有限公司创始人、董事长兼总裁戴伟民主持的圆桌论坛“中国应该如何布置人工智能产业”上，有记者问到目前中国的人工智能业者如此热情，中国做人工智能的优势在哪里？

魏少军表示，中国的优势，还是在互联网应用上，在方法和工具上的优势还不明显。AI商业化战略专家北京大学访问教授吴霁虹表示，中国的优势在于大数据的优势，毕竟中国人口的优势太明显了。自然道公司创始人/CEO杨兴平认为，劣势太明显，主要还是原创的人工智能理论都不在国内研究的。国外很多大学都在研究人的大脑如何工作的，但国内还没有大学在做。

本文为《电子工程专辑》原创，版权所有，转载请注明出处并附链接