近幾年，機器視覺、自然語言處理、無人駕駛等大規(guī)模新型應(yīng)用需求催生了人工智能研究的熱潮，國際科技巨頭紛紛推出面向人工智能的專用智能芯片：谷歌為其深度學習神經(jīng)網(wǎng)絡(luò)打造基于ASIC的專用TPU芯片，微軟推出了基于FPGA的視覺芯片A-eye，英特爾宣布與Facebook共同打造AI芯片，特斯拉和AMD正聯(lián)合研發(fā)用于自動駕駛的AI芯片……
然而，目前大部分智能芯片僅作為支持人工神經(jīng)網(wǎng)絡(luò)計算的特定領(lǐng)域處理器。那么，實現(xiàn)專用智能芯片的核心瓶頸集中在哪些方面？智能芯片是否具有自主連續(xù)學習的能力，以實現(xiàn)智慧的自我升級與成長？
功能：算力是對智能芯片的誤解
阿爾法狗（AlphaGo）接連打敗國際圍棋高手李世石、柯潔后，AI的算力震驚世界。無錫中微億芯有限公司總經(jīng)理單悅爾卻表示，近年來，外界對芯片提供的“算力”（計算能力）關(guān)注較多，同時現(xiàn)在很多應(yīng)用中芯片都發(fā)揮著強大的運算能力，但以此認為芯片等價于運算/計算，甚至智能芯片就意味著更強大的算力，這是對智能芯片的誤解。
事實上，甚少有人關(guān)注AlphaGo打敗對手消耗的“能量”。復旦大學專用集成電路與系統(tǒng)國家重點實驗室常務(wù)副主任曾曉洋表示，從能量消耗角度看，可能李世石吃了一碗粥，但是AlphaGo卻是不計一切代價在“戰(zhàn)斗”。真正的智能芯片不該如此，應(yīng)通過更高層次的構(gòu)架，減輕運算負擔，使芯片告別“體力活”。
此外，成倍增長的數(shù)據(jù)對芯片造成極大壓力，怎么樣既能算得不累，又省點能耗呢？軟件升級勢在必行。
與此同時，當前，應(yīng)用對設(shè)備智能化、微型化提出更高要求，單純變更系統(tǒng)軟件對于解決問題來說杯水車薪。南京大學微電子副院長李麗表示，需要用更智慧的方法來處理，要依賴頂層的設(shè)計方法學、中間層的電路以及技術(shù)技巧等來解決這些關(guān)鍵問題。
一些方案嘗試通過變革常見硬件——芯片，使芯片與軟件配合更加“天衣無縫”，以提升設(shè)備性能，比如，面向智能感知的專用芯片的研究就是其中一種頗受關(guān)注的解決方案。目前，該類芯片的應(yīng)用集中于智能感知領(lǐng)域，比如智能家居、智能監(jiān)控、智能穿戴、智能機器人等。專家認為，專用智能芯片具有低功耗、高性能，安全性和靈活性好的特點，解決了硬件不可再生的費用投入非常大、使用周期和壽命很短的問題。
軍事科學院國防科技創(chuàng)新研究院人工智能研究中心主任戴華東表示，實際上很多芯片并不一定要求各方面的能力都非常強，只要專注于一點，這一點就是芯片的“殺手锏”。
發(fā)展：動靜態(tài)芯片并行
智能芯片前景如何？業(yè)界普遍認為，沒有確切的說法。目前尚處于論文文獻或設(shè)想階段，比如存內(nèi)計算。世界處于變化中，很難有一種聲音說服全世界，但芯片的關(guān)鍵要做到智慧，實現(xiàn)自學習、自適應(yīng)。
戴華東表示，盡管前途撲朔迷離，但目前已經(jīng)到了訂立目標的關(guān)鍵時期。可以將可解釋的人工智能，適應(yīng)環(huán)境的、具有持續(xù)學習能力的人工智能作為下一步的發(fā)展目標。
具體來說，針對軍事智能領(lǐng)域，除了對客觀信息的感知、增強數(shù)據(jù)儲備精確度之外，更關(guān)鍵的是在作戰(zhàn)決策、輔助分析方面提供支撐。
如何實現(xiàn)？李麗表示，單純變化軟件、硬件打配合，在指令的推進下一條一條運算的時代已成過去，未來業(yè)態(tài)是靜態(tài)和動態(tài)并舉的方式。
以FPGA為代表的靜態(tài)芯片，其承載的信息量較大，在5G通信、大數(shù)據(jù)、物聯(lián)網(wǎng)領(lǐng)域有巨大的潛力。雖然，技術(shù)與應(yīng)用相對成熟，但對比國外，國內(nèi)的發(fā)展尚有差距，國內(nèi)生產(chǎn)廠家寥寥，未來尚有廣闊增長空間。
此外，動態(tài)可重構(gòu)芯片亦是業(yè)界討論的熱點。該類芯片支持動態(tài)改變設(shè)備功能，對重構(gòu)技術(shù)提出更高要求，但困難在于編程技術(shù)的實現(xiàn)，以及怎樣改變原來的指令和數(shù)據(jù)流的二維方法。李麗表示，該方法嘗試從傳統(tǒng)的器件、工藝創(chuàng)新轉(zhuǎn)向芯片架構(gòu)創(chuàng)新，集成可編程硬件的系統(tǒng)，通過一系列定時變化的物理控制點，完成空間并行求解過程。可以說，這一過程實現(xiàn)了對硬件的可重構(gòu)計算，將成為未來專用智能芯片的實現(xiàn)架構(gòu)。
亮點：用AI設(shè)計AI芯片
先行一步的AlphaGo為研究界帶來了一個啟示，只學習了圍棋的規(guī)則的AlphaGo，能走出圍棋選手一般不會走的招數(shù)，如今一些職業(yè)選手也在學習AlphaGo下圍棋的方法。
單悅爾表示，AlphaGo的先進之處在于未受到其他運算的干擾，這也是其自我創(chuàng)新的原動力。這提示用AI來設(shè)計AI芯片的可能性，即教會AI如何設(shè)計芯片。
單悅爾說，告訴AI要什么，但是不要告訴它對錯好壞，讓它自己去學習，給予足夠的算力、資源和決策權(quán)，優(yōu)化算法和策略，給它時間，這可能會給專業(yè)領(lǐng)域的芯片應(yīng)用帶來驚喜。
一般來說，在算力充足的情況下，AI可以同時迭代幾千次甚至上萬次，這是普通芯片無法做到的；如果啟用人力承擔AI的迭代工作，也意味著高昂的成本。
目前，一些芯片已經(jīng)提出加入AI功能，單悅爾表示，人類不一定能在短期內(nèi)設(shè)計出這樣的芯片，這是一段漫長的路，需要不斷進行架構(gòu)驗證、規(guī)則驗證、修補等，但這是一個趨勢，甚至會對芯片設(shè)計的理念、流程產(chǎn)生顛覆性的影響。
此外，戴華東表示，每個領(lǐng)域都有自己的裝置和領(lǐng)域的算法、模型以及芯片需求，針對各個領(lǐng)域設(shè)計專用芯片成本高昂，目前來看，相關(guān)領(lǐng)域、相關(guān)功能的集成是兩全之法。比如視覺功能，將視覺的表征、計算模型和算法形成的體系打包，那么，這個“包裹”就可以嵌合到監(jiān)視、拍攝等涉及視覺功能的芯片中，這時芯片可以通過重構(gòu)和配置適用于多個應(yīng)用中。
摘自《中國科學報》
