資料圖：中國首款云端智能芯片MLU100。中新社記者 孫自法 攝

　　AI芯片，你要的評測標(biāo)準(zhǔn)還在路上

　　近日，清華大學(xué)發(fā)布的《2018人工智能芯片研究報告》(以下簡稱《報告》)指出，人工智能芯片是人工智能時代的技術(shù)核心之一。目前人工智能還處于面向行業(yè)應(yīng)用階段，生態(tài)上尚未形成壟斷，國產(chǎn)處理器廠商與國外競爭對手在人工智能這一全新賽場上處在同一起跑線上。

　　然而，“當(dāng)前國內(nèi)缺失人工智能芯片的相關(guān)評測標(biāo)準(zhǔn)。”在中國科協(xié)主辦的第二屆“風(fēng)向標(biāo)——中國創(chuàng)新創(chuàng)業(yè)先鋒論壇”上，人工智能芯片企業(yè)鯤云科技創(chuàng)始人牛昕宇指出，這造成大家不知道自己研發(fā)的芯片在國際上處于什么樣的水平。而獲知一款芯片性能如何，最直接的方法是進(jìn)行評測。“這就需要一套公認(rèn)的評測標(biāo)準(zhǔn)”。

　　人工智能芯片評測到底多重要、多緊迫？怎樣建立一套公認(rèn)的評測標(biāo)準(zhǔn)？對此，記者采訪了相關(guān)業(yè)內(nèi)專家。

　　全球范圍內(nèi)尚無公認(rèn)評測指標(biāo)

　　牛昕宇向記者表示，國際上，缺乏統(tǒng)一的芯片評測標(biāo)準(zhǔn)也是一個比較大的問題，包括英偉達(dá)、英特爾等公司的芯片性能也主要依靠芯片廠商自家發(fā)布。“全球多個機(jī)構(gòu)都在嘗試給出評測方案，然而現(xiàn)狀就是無公認(rèn)基準(zhǔn)測試方法和指標(biāo)。”中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟評估認(rèn)證工作組組長曹峰說。

　　“從政府、用戶、系統(tǒng)集成廠商到算法開發(fā)者，全部無法準(zhǔn)確評價所使用芯片的技術(shù)水平以及在國內(nèi)外所處的地位，無法選取最適用于自己需求的底層芯片，芯片企業(yè)無法清晰確認(rèn)自己的技術(shù)優(yōu)勢及目標(biāo)市場。”牛昕宇對此感慨頗深。

　　人工智能芯片與傳統(tǒng)計算芯片不同，它要求高效實現(xiàn)深度學(xué)習(xí)算法對海量數(shù)據(jù)高吞吐量等高并行化任務(wù)的處理。曹峰介紹，當(dāng)前人工智能芯片主要分兩大體系，馮諾依曼體系和非馮諾依曼體系。

　　馮諾依曼體系以五大架構(gòu)芯片為代表，分別是CPU、GPU、DSP、FPGA和ASIC，在深度學(xué)習(xí)訓(xùn)練環(huán)節(jié)和終端推斷方面發(fā)揮重大作用。非馮諾依曼體系，以IBM TrueNorth芯片為代表，采用人腦神經(jīng)元的結(jié)構(gòu)來提升計算能力，但目前還處于實驗室階段。

　　中國信息通信研究院DNN Benchmark項目負(fù)責(zé)人張蔚敏指出，人工智能在不同算法、不同場景下，對芯片提出了不同的要求。硬件架構(gòu)、延遲、帶寬、能耗、神經(jīng)網(wǎng)絡(luò)模型、參數(shù)都是用戶方選擇人工智能芯片的重要參考。

　　人工智能芯片為何要評測？“當(dāng)前，AI芯片的功能日益復(fù)雜化、多樣化，一方面，芯片廠商紛紛給出不同的衡量標(biāo)準(zhǔn)，聲稱其產(chǎn)品在計算性能、單位能耗算力等方面處于行業(yè)領(lǐng)先水平;另一方面，需求方卻關(guān)心如何能從廠商給出的信息中判斷出芯片是否能實際滿足其真實場景的計算需求。”曹峰強(qiáng)調(diào)，“針對這一現(xiàn)狀，一個與真實場景緊密相連的、同時跨產(chǎn)品可比的測試評估方案的出現(xiàn)，迫在眉睫。”

　　“統(tǒng)一的芯片標(biāo)準(zhǔn)會降低芯片廠商、人工智能算法廠商的溝通成本，建立一個有序的競爭環(huán)境。”牛昕宇表示，國外現(xiàn)在有一些人工智能算法競賽，在一定程度上起到了對于人工智能算法的評測作用。我國人工智能企業(yè)也在嘗試給出評測方案，比如阿里的AI matrix，寒武紀(jì)的Benchip，以及百度的Deepbench等。

　　公司自行摸索增加開發(fā)成本

　　事實上，我國龐大的人工智能應(yīng)用市場對底層芯片需求巨大，但本土人工智能芯片產(chǎn)業(yè)尚處于起步階段。“有一套衡量人工智能芯片性能的公認(rèn)指標(biāo)，我們才能知道自己前方的目標(biāo)線在哪里。”牛昕宇呼吁道。

　　當(dāng)前，“應(yīng)用領(lǐng)域的差異性和實現(xiàn)選擇的多樣性導(dǎo)致很多測評難題。”曹峰舉例，如何讓評測指標(biāo)在不同級別的設(shè)備中橫向可比？面對云端和終端的應(yīng)用差異化現(xiàn)狀，如何構(gòu)建相應(yīng)的基準(zhǔn)測試？如何為不同測試項目分配權(quán)重，以獲得一個相對公正客觀、有代表性的評分？

　　這種現(xiàn)狀讓人工智能整個行業(yè)倍感焦慮。“對人工智能行業(yè)的從業(yè)者來說，缺乏標(biāo)準(zhǔn)意味著缺乏統(tǒng)一的行業(yè)交流接口。”牛昕宇在接觸大量人工智能應(yīng)用研發(fā)領(lǐng)域一線情況后發(fā)現(xiàn)，在制定人工智能整體方案時，如果無法對于底層芯片所能夠提供的性能和算力有一個準(zhǔn)確的了解，難以在項目規(guī)劃初期就確定整體方案，需要在項目開發(fā)過程中不斷試錯來測試方案。“相當(dāng)于每家公司要承擔(dān)部分芯片評測任務(wù)，大大提高了開發(fā)門檻。”