今年年初，AI芯片新老牌厂商“混战”国际消费类电子产品展览会，全面覆盖当前人工智能六大核心落地场景，包括云端训练、云端推理、智能手机、AIoT视觉推理、AIoT语音推理、自动驾驶等，国内AI芯片创企进入落地阶段。

根据中国人工智能产业发展联盟(以下简称“联盟”)提供的数据，2019年以来国内外芯片厂商共发布AI芯片近30款。

AI芯片怎样支撑多姿多彩的人工智能应用落地?评测标准进展如何?今年的亮点、看点又在哪?科技日报记者独家专访AI芯片创企鲲云科技创始人兼CEO牛昕宇博士和联盟计算架构与芯片组联席秘书长张蔚敏。

AI芯片：驱动智能产品的大脑

回顾2019年，AI机器人群聊，AI道路桥梁积水管控，AI写作，AI网购直播回复、视觉设计、视频制作、推送营销，AI艺术创作，虚拟形象生成……人工智能做了许多人类才会做的事情。数不尽的纷繁应用背后离不开AI芯片的基础支撑，它是如何驱动AI“作业”的呢?

目前消费类智能产品大量应用人工智能、大数据等技术，芯片作为硬件载体，承担了“让智能产品发挥作用”的功能。牛昕宇博士介绍，人工智能行业有三个核心驱动力：算法、算力和数据。人工智能芯片作为人工智能应用的底层硬件，为其提供算力支撑。“通过技术创新，不断提升人工智能计算的性能、降低其成本和功耗，从而支持越来越复杂的人工智能应用。”

如果把运行各种人工智能应用比作一个人的话，人工智能芯片就是它的大脑实体，而各种聊天、视频制作、自动驾驶应用就是它根据自己所能接触到的数据，学习到的经验知识。一方面，随着数据经验的积累，它们运行的人工智能应用会越来越精确，另一方面，它的学习受限于大脑的容量(芯片计算能力)、培养成本(芯片成本)以及大脑运算消耗的热量(芯片功耗)。

牛昕宇博士解释道，“人工智能芯片研发所要做的，就是提供这样一个越来越智能的大脑，从而能够学习各种各样的技能(人工智能应用)，最终应用到各类智能终端设备中，在自动驾驶、智慧城市、工业视觉、智慧安防等领域发挥作用。”

起步阶段：加速芯片算力的迭代优化

AI芯片的发展，离不开人工智能技术的发展。人工智能从1956年诞生至今，共经历过三次大的浪潮。进入21世纪，随着计算机性能的提升和海量数据的产生，机器学习和CNN网络(卷积神经网络)获得突破，算法、算力和数据满足了人工智能的商业化落地需求，人工智能迎来了高速发展的阶段。

“特别是2017年起，人工智能的商业化落地不断加速。” 牛昕宇博士认为，从芯片的起步、发展、成熟的三个阶段来看，人工智能芯片仍然处于起步阶段。

人工智能芯片主要包含三个发展脉络，一是由于前期人工智能落地的旺盛需求，英伟达的图像处理器GPU因为可以支持CNN等算法网络，满足基本的人工智能落地需求，在这个时期获得了大范围应用，其也通过芯片架构不断迭代，逐步转型成为人工智能芯片供应商。二是因为算法的不断迭代，对芯片和算力提出了更高的要求，这时候国内外的初创企业和华为等采用与英伟达类似的指令集技术路线，通过架构创新，推出了一批新的专用人工智能芯片。三是影响芯片性能的制程工艺发展日趋成熟，摩尔定律放缓对指令集技术路线的发展提出了挑战，目前也有初创企业采用全新的数据流技术路线，推出新的专用人工智能芯片。

当前国内主要是后两种人工智能芯片，各家企业都处于推出产品，进行市场化落地的阶段。例如，鲲云科技自身就在去年发布了自主产权的通用AI底层CAISA芯片架构，可以实现高达98%的芯片利用率，在智慧城市、工业检测、电力安防等领域实现了规模落地。

牛昕宇博士坦言，芯片行业是一个需要不断迭代发展的行业，深度学习算法日新月异，对算力也提出了更高的要求，满足人工智能快速发展的需求，仍然需要芯片企业对于市场的快速反馈，完成产品的快速迭代和优化。

2020年看点：“落地”被反复强调

人工智能产业规模高速增长，据全球市场调研机构IHS Markit发布的AI普及度调查预测，到2025年AI应用将从2019年的428亿美元激增到1289亿美元。

从2018年底开始，人工智能芯片的“落地”被反复强调，“不论是短期还是长期目标都是落地。”牛昕宇博士说。由此看来，人工智能芯片2020年的主要看点仍然在于新产品迭代和落地。加速人工智能应用落地，只有市场和落地场景需求驱动的芯片才能持续创造价值。

当然，人工智能应用永远需要性能更高、价格更低、功耗更低的芯片，如何能在这之上不断满足市场需求，考验着每一家人工智能芯片企业的核心技术以及对市场所需产品的洞察。记者 唐芳

关键词：