当中国造芯进程如何人工智能造芯紧跟边缘计算

中国“造芯”进程如何？人工智能造芯紧跟边缘计算风口

央广科技3月28日消息（贾斯曼）去年随着产业、资本、技术等各方面向ai芯片领域投入，“造芯”成为2018年中国ai科技的一条主动脉。百度、阿里、腾讯、华为、寒武纪、地平线、云知声等中国科技公司出现了一波“造芯热”。

一年过去了，中国企业自主研发芯片的进程如何？中国芯破局机遇何在？

“目前国内芯片仅应用软件与世界先进水平相比，情况较理想，但原料与设备、制造、设计、系统软件等方面与国际先进水平存在不同程度的差距。”清华大学电子工程系教授汪玉在2019新智元ai技术峰会上指出，具体到芯片设计而言，cpu(中央处理器)差距较大，市场被英特尔等老牌厂商占领；随着地平线、寒武纪等一批芯片公司崛起，ai芯片设计的差距较小；新器件领域则处在同一起跑线。汪玉作为学术界成员，也认识到学术与产业界的合作的重要性及问题，呼吁构一图十二问读懂《新材料产业发展指南》建半导体创新生态。

此外，从现实应我们应用于过滤膜的Solef PVDF系列膜材料提升了产品所需的可靠高性能和盈利性用上讲，数据中心仍然需要更强、更快的训练能力，而刀片切割的结构“ai+”迫切需要遍布于从终端到云的推理能力，这是促使科技巨头大规模投入、互相竞争的根本。

应用部署ai能力的位置、尺寸、成本、功耗要求的多样性以及与其他计算能力快速集成的要求对ai计算提出了更高层级的要求。作为芯片巨头的英特尔，一方面探索量子计算和神经拟态计算，另一方面也在探索超异构计算形态，未来无论是云、终端，都是ai超级芯片的天下。

中国ai造芯紧跟边缘计算风口

随着络边缘产生的数据逐步增加与物联的发展，许多新的计算模型正在不断的提出。例如，如果能够在络边缘结点处理、分析数据，那么这种计算模型会比云计算更高效。

对物联而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率，减轻云端的负荷。由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。

今年3月，科技巨头的新动作引起了行业关注，谷歌对外发布搭载edge tpu芯片的千元级开发板，执行推理速度优于任何其他处理器架构；英伟达也在gtc十周年之际发布了一款边缘计算产品jetson nano人工智能计算机，仅售99美元；聚焦边缘计算的ai芯片公司地平线融资6亿美元，估值超过30亿美元。

从科技大厂到创业公司，似乎都站上了边缘计算的风口，这场芯片大战已经由云入端，抢占边缘，ai芯与智能云的下一个十年有哪些趋势？

在英特尔、英伟达、arm公司占领了数据中心和芯片市场的情况下，中国公司试图从边缘及终端突围，利用中国巨大的制造业硬件产业链和场景优势，试图建立起自身ai芯片生态系统。

同时，aiot(人工智能物联)的架构也在演变，从集中式和云端到架构的转变正在顺利进行。与边缘架构相关联的整齐层将演变为更加非结构化的架构，包括在动态格中连接的各种设备和服务，这些状结构将实现更灵活、智能和响应更快的物联系统。

此外，面对算法不断演进、算法与应用密切相关的ai芯片的两个现实问题，能兼顾灵活性和高能效的芯片架构处在不断探索中。云知声副总裁李霄寒博士告诉，物联结合人工智能化混凝土压力实验机的结构与操作方法有哪些浪潮，需要全新的aiot芯片(人工智能物联芯片)，多模态ai芯片是关键一步。

他指出，ai与物联的叠加要求传统解决方案朝五大方向转型：从通用架构到ai架构、从依赖硬件到软硬件一体、交互从单模态转向多模态、设备从独立到协同。

李霄寒表示，针对人工智能的芯片设计，面临着碎片化场景、冯·诺依曼内存墙、边缘侧应用的低功耗需求、安全需求四大挑战。在芯片设计上，需面向具体场景，基于端云互动的思想提供多模态处理的能力，在性能、功耗、面积上达到优异平衡，并兼顾连接和安全的需求。

“解决冯·诺依曼内存墙这一行业共同难题，关键在于拉近计算单位和存储单位的距离，让它们尽可能接近，异构计算系统架构设计、加速器近算存储结构，以及通用api（应用程序编程接口）函数到专用指令集的多重应对方案可以进一步解决该问题。”李霄寒如是说。

：

王雨馨