3 月 9 日，智东西、极果和 AWE 联合举办的 GTIC 2018 全球 AI 芯片创新峰会在上海举行。 在人工智能备受关注的今天，中国的 AI 芯片产业正在迎来最好的发展时机，初创公司层出不穷，并出现了寒武纪这样的独角兽。 然而盛世之下，似有隐忧。 “两到三年内，我们一定会碰到一个低潮，这是不可避免的。今天的一部分，甚至是大部分的创业者将成为这场技术变革当中的先烈。” 清华大学微纳电子系主任、微电子所长魏少军教授在大会上直言不讳。 在他看来，目前还不存在适应所有应用的通用算法，所以应用领域的确定是 AI 芯片发展的一个重要前提，AI 的杀手级应用到目前为止还没有出现。因此，AI 的发展还有很长的路要走。 以下是魏少军教授演讲全文，AI科技大本营整理，略有删减：
我是做芯片设计，研究芯片设计及其理论的。 两年前我们尝试做了一下 AI 芯片，效果不错。后来，（我们）在国际上连续发表了一些有影响力的论文，有些被 MIT Technology Review 所引用。所以突然间，我发现了自己成了 AI 芯片的专家，其实不是 今天跟大家做一些沟通，主要希望提出一些可能跟我们在坐的大佬们不太一样的观点，供大家评判，我的演讲题目是《人工智能发展需要应用和架构驱动创新双轮驱动》。 ▌一、芯片是实现 AI 的当然载体
AI 不是一个新话题，早在（上世纪） 50 年代就出现过，经过 30 年的发展，从基本的概念开始转移到机器学习，再经过 30 年发展到了如今的深度学习。 今天看来，深度学习是我们主攻的一个重要内容，但它只是人工智能中非常窄的一个面。我们现在已经开始出现把一个很窄的东西来代替全面的人工智能，这是有偏颇的。 当然，这是有原因的，前年 AlphaGo 下棋赢了李世石，后来又赢了柯洁，这些都是很重要的标志性事件。但其实 2011 年的 IBM Waston 计算机参与的一个叫“危险边缘”的游戏，我觉得其实比 AlphaGo 更有代表性，当然大家可能不一定同意我的观点。 如果我们认真去思考，分析下两者比赛的过程，我们会发现 Waston 所具备的智能远远高于 AlphaGo，只是前者不够 fancy 而已。
智能化是下一轮（科技）发展的核心驱动力，这一点毫无疑问，但智能化到底是什么？对这个问题，大家的意见其实并不完全一致。 人类在处理一件事情时大致要经过以下几个过程：感知、传输、存储、处理、决策、传输、执行。在这样一个过程中，其实中间的一部分（也就是存储、处理加决策），我们更多地认为，它具备了现代计算逻辑、分析思维、经验知识判断、决策等各方面的主要内容，所以我们称中间这部分为智慧，前后两端为能力。 中文有时候会比较宽泛，说智能就包含了智慧和能力两部分，但其实我们更多的是在处理智慧部分，而不是能力部分。 所以人工智能这个词有问题，这个词是不清楚的，英文叫人工智慧而不是人工智能，但我们把两者结合到了一起。不过这无所谓了，因为我们可以认为它是可行的。
毫无疑问，芯片是实现 AI 的当然载体，包括 CPU、GPU、FPGA 等等，目前已经出现了 CPU+GPU、CPU+FPGA、CPU+ASIC 等芯片平台，所有这些都离不开芯片。 所以刚才讲了，无芯片，不 AI。 如果你要做 AI 的话，你一定要芯片。在发展 AI 的过程中，芯片是不可或缺的基础内容。 ▌二、人工智能芯片的若干关键要素
人工智能芯片既然如此重要，那么我们应该如何去实现它？我可能和在场嘉宾的观点不太一样。 我们先说 AI 面临着两个现实的问题：
我们希望找到一个适应所有算法的芯片架构，而不是每一个应用做一种芯片，这个做起来非常困难。
神经网络有很多种，深度不一样，大小不一样，复杂程度不一样，但是无一例外，这些都是专用神经网络。面对这样一种情况，我们需要在芯片中实现一个具备深度学习的引擎，它是一个必备特性。 今天的深度学习所需要的计算量和参数量非常巨大。从 1997 年到 2007 年，那个时候只需要很少很少的运算量就可以完成一点点小工作，那时候整个计算量也上不去，而且一到十万个参数就很多了。 但是到了今天，比如 2014 年的时候，我们做到 19 层需要 196 亿次/秒的计算能力，加上 1.38 亿个参数；2015 年，参数已经增加到了 1.5 亿个。 这些东西需要这么大的运算量，所以也需要一个好的计算引擎。如果没有一个好的计算引擎，我们是完成不了这些运算工作的。 另一方面，从云端向终端迁移的过程中，我们必须有极高的能量效率，也就是所谓的每瓦多少个 TFLOPs。如果我们仍然效率不高，那么手机电池可能很快就耗完电了。 我们需要真实地去看待这件事情的发展，一个是计算量，一个是能量效率。 在这样的情况下，AI 芯片需要具备怎样的基本要素？
如果让一个人去开发芯片设计，那恐怕难度就很大了，所以目前的 CPU+SW、CPU+GPU、CPU+FPGA 或者 CPU+ASIC 可能都不是很理想的架构，未来我们需要探索架构创新。 既然谈到架构，我们就谈谈什么样的架构是合适的？应用和架构创新是人工智能芯片发展的必由之路。
首先来看应用。今天应用涵盖了几乎所有方面，无行业，不 AI。无论是人脸识别、语音识别、机器翻译、监控、交通规划、无人驾驶、智能陪伴、能源、舆情监控、智慧农业、智慧生产等等，AI 似乎涵盖了我们生产生活的方方面面。 但在这里我想问几个问题：哪些应用真的需要 AI？当我们用 AI 的时候，我们希望它能帮我们解决什么问题？我们做芯片的人特别想知道，什么是 AI 的杀手级应用？什么样的 AI 是我们每天都需要的？ 这些问题直到今天都没有答案，有些貌似是 AI 的东西，但实际上不是 AI。 给大家说个笑话，今年是我的本命年，所以今年春节我要买一条红围巾，我就在网上搜了一下，但我没买，结果我就发现在我的手机上就不断出现红围巾的广告，这让我感到非常的烦，它是 AI 吗？它具备一种 AI 的性质，但它又不是 AI。它是给我帮助吗？是给我帮助，但不是我需要的帮助，我只不过看了一眼而已。回想几年以前，我想买一座台灯，结果在两个月当中，我的手机上就不断出现台灯广告。 我想，这都是对 AI 发展过程中的一种偏见，或者还没有达到 AI 真正需要的能力。 |
/1 
