7 月 1 日，隨著議程進入到第三天，本次 CCF-GAIR 大會也在下午迎來了堪稱壓軸的 AI 芯片專場。擔任 AI 芯片專場主席的，是中國電子學會電子設計自動化專家委員會主任委員、清華大學微電子研究所所長魏少軍教授;在擔任主席之外，魏教授還為 AI 芯片專場帶來了一場干貨滿滿的大會報告《從 IA 到 AI，我們還要走多遠?》
在報告中，魏教授引用人工智能專家 Michael I. Jordan 的觀點認為，我們今天所做的還不能算是真正的 AI(Artificial Intelligence)，只是利用技術來增強某一方面的智能而已，也就是所謂的增強智能(Intelligence Augmentation，簡稱 IA)。究其原因，是因為當前的人工智能算法遠遠沒有達到人們的要求，具體來說，現有的算法過于單一，無法實現類似于人腦的高度復雜又高度靈活的互聯結構系統。
魏教授指出，我們目前要實現人工智能，別無選擇，只能靠芯片;但是現有 CPU、GPU、FPGA 等芯片的基本架構早在這次人工智能突破之前就已經存在了，并不是為人工智能而專門設計的，因此不能完美地承擔實現人工智能的任務。人工智能對芯片的要求，除了足夠的算力和極高的能效比，還需要一個高能效、通用的計算引擎。由此，魏教授認為 AI 芯片至少應有以下幾個特質：
第一，它的可編程性，要適應算法的演進和應對多樣性;因為算法不穩定，它在不斷變化;
第二，架構動態可變性，要適應不同算法;
第三，高效的架構變換能力，因為不同的運算要求變換不同的架構。
隨后，魏教授從硬件可編程和軟件可編程的角度，將芯片的性質分為四個種類，并認為目前少有人關注的軟件定義芯片(SDC)在 AI 領域最有潛力;它一方面具備 CPU 的靈活性，另一方面是專用集成電路的高能量效率和高集成度。它的軟件和硬件均可編程，混合顆粒度，最重要的是芯片功能隨軟件變化而變化;在使用中也不需要芯片設計知識。
魏教授表示，芯片要實現智能化，不能光有硬件，一定要有要求很高的軟件——自主學習的能力、形成知識和經驗的能力、持續改進和優化的能力、再生和組織能力、思維邏輯推理能力、作出正確判斷和決策能力，這是軟件才能完成的，而非硬件。
基于這個理念，魏教授提到了他所認為的真正軟件定義芯片。也就是：
一個真正理想的計算應該是軟件和硬件的架構一模一樣，軟件是什么樣的拓撲結構，硬件就應該是怎樣的拓撲結構;軟件需要什么樣的運算，硬件需要存在這樣的運算資源。可惜的是，軟件可以很大，硬件不能大;我們只好把軟件分塊，跟硬件大小一樣。比如把它分為 6 塊，根據數據依賴關系把第二塊、第三塊、第四塊放進去……一直到第六塊。這要求我們硬件必須隨時改變其功能，硬件功能和架構能夠動態地按照軟件實時進行改變，這是我們所說的軟件定義芯片。
魏教授表示，上述概念雖然聽起來簡單，但實現起來是一個非常艱難的過程，而他自己的實驗室也是經歷了 12 年的努力終于得到實現(該研究成果由清華大學 Thinker 團隊已經在相關國際會議上發布，可查看雷鋒網相關報道)。通過這一全新架構，可以用來實現可重構神經網絡;也就是說，通過 AI 應用定義我們所選用的深度神經網絡，改變芯片架構和功能——魏教授表示，如果能做到，那么這種芯片將成為真正的通用人工智能芯片。
最后，針對近段時間以來中美芯片領域的”嚇尿體“和”被嚇尿“之類的聲音，魏教授認為我們應當在承認與美國半導體行業差距的同時，也要看到我國在軟件定義芯片領域的領先地位;而 AI 芯片的創新也只有通過真正的架構創新才能到達頂峰。
在大會報告結束之后，魏教授接受了雷鋒網(公眾號：雷鋒網)的獨家專訪。
此前，魏教授曾經提出過這樣一個觀點：AI 芯片的發展很可能會在未來 2-3 年遭遇一個挫折期;今天的部分、甚至大部分創業者將成為這場技術變革中的“先烈”。對于這個觀點的得出，魏教授表示有兩個原因：
一是因為產業發展的特定規律，比如說 Gartner 的發布 Hype Cycle(技術成熟度曲線)，目前的 AI 芯片正處于第一個峰值的頂點處，未來兩三年將會出現下降，很多事情的發展都是在經歷了熱度之后進入到下降期，最后才會進入到應用穩定期。
第二，雖然 AI 很熱，但是并沒有真正落地。實際上，并不是所有的技術都一定需要 AI，很多情況下 AI 起到的是增強的作用;當前人們擁抱 AI，但未來可能會失望。所以說，AI 要需要的，是真正的 Killer Application(殺手級應用)，每天都離不開的。
至于這里所說的 AI 的殺手級應用，魏教授也給了一些案例，比如說自動駕駛，遠程醫療等。另外，針對 AI 芯片在去年下半年以來的火熱狀況，魏教授認為這是資本助推的結果，一旦錢燒完，就很有可能出現問題;而且在資本的逐利本性下，也是難以為繼的。
而針對魏教授在報告中提到的 Thinker 團隊的相關成果，魏教授表示，目前團隊正處于融資階段，估值也很高;而且一旦進入到產業界，它所能獲得的性能、能量效率、成本一定遠遠好于高校的結果。
魏教授強調，Thinker 的通用性雖然很強，但它并非是為了取代 CPU、GPU、FPGA 而來，未來這些不同類型的芯片依然會是長期共存的局面。就目前的情況來看，Thinker 在產業方向的具體應用場景要取決于工業界的具體狀況，不過魏教授認為 Thinker 更傾向于端側應用，因為只有端側的突破才是 AI 芯片的真正突破。
談到整個 AI 芯片行業未來的發展，魏教授認為，正如 Intel 的 CPU、英偉達的 GPU 在各自領域占據統治地位一樣，在 AI 芯片領域同樣會在未來出現一個稱霸世界的企業——這個企業有希望出現在中國，而 Thinker 獨樹一幟，也擁有別人所不具備的優點，因此未必就沒有機會。
最后，在中興事件引起的輿論塵埃尚未完全落定
京公網安備 11010502049343號