7月1日，在雷鋒網主辦的2018CCF-GAIR全球人工智能與機器人峰會的AI芯片專場會議上，清華大學魏少軍教授就人工智能技術和人工智能芯片面臨的挑戰，2025年人工智能技術推動的半導體市場增長趨勢，人工智能芯片的架構創新怎么做等熱點問題帶來精彩的演講。

圖：清華大學信息科學技術學院 副院長 魏少軍教授

人工智能對人類社會的影響非常深遠。全球知名咨詢企業麥肯錫對9個垂直領域的300多個實際案例分析，得出結論：人工智能將在幾乎所有的垂直領域產生深遠的影響。人工智能與移動互聯網創新發生時不同的一點是：移動互聯網創新大量發生在軟件領域，而人工智能50%的創新將發生在硬件領域，硬件將占據人工智能技術產生價值的大部分。

魏少軍教授指出，未來10年，人工智能和深度學習將成為提升硅片需求的主導因素。到2025年，人工智能將推動半導體產業收入超過600億美元，接近全球半導體銷售的20%。

現在業界的AI芯片是否做得很好呢？魏少軍教授指出，西方學者認為與其說我們今天做的是人工智能（Artificial Intelligence），還不如說我們做的是增強智能（Intelligence Augmentation， IA）?；救斯ぶ悄?a href="http://www.3532n.com/v/tag/2562/" target="_blank">算法還遠遠沒有達到我們的要求。

魏少軍教授認為，AI技術在不斷進步，但目前還主要集中在單個事物的訓練和推理上，要讓AI真的可以像人類一樣同時做出多個判斷和決定，算法研究還需要更偉大的突破。

人工智能算法研究存在兩大問題：第一、算法仍在不斷演進，新算法層出不窮。第二、一種算法對應一種應用，沒有統一的算法。一個復雜具有智能的系統應該具備多輸入，多輸出系統，具有高度復雜及高度靈活的互連結構，多任務且高度并行化運行系統，多處理器單元系統，并行分布式存儲，并行分布式軟件，分布式處理與集中控制系統。

人類大腦可以多個決策同時做，這恰恰是今天的人工智能遠沒有做到的。機器和人腦之間差別巨大，人的大腦140億神經元，傳輸速率120米每秒，人腦可以完成每秒10的16次方的運算，我們大腦的功耗很低只有20多瓦。超級計算機可以用多個芯片來實現10的30次方每秒的運算，工作頻率每秒42億次，耗電量24兆瓦。占地面積720平方米，重量5噸。

魏少軍教授指出，AI芯片是AI技術發展過程中不可逾越的關鍵階段。不管有什么好的AI算法，要想最終得到應用，就必然要通過芯片來實現。

實現人工智能，只能用芯片。我們有CPU，GPU，FPGA，ASIC。這些芯片在人工智能出現之前就已經存在，為什么可以完成人工智能的任務？即便完成了，是否是最好的呢？計算是根本點，需要一個很好的計算引擎。高能效通用深度學習引擎是AI芯片，具備八大基本特征（見下圖）。

魏少軍教授強調說，AI芯片的應用，除了給出更為智慧的結果外，最重要的是它具備了不斷學習和優化的能力，這將使得芯片隨著應用的增加不斷進化，變得更聰明，更有差異化。

要想讓AI芯片能夠在使用中變得更加聰明，架構創新是它面臨的一個不可回避的課題。實現智能的軟件必須有辦法讓芯片的功能不斷變化，以支撐更“智能”的應用需求。

實現智能的核心是軟件，智能軟件，是實現智能的載體。智能軟件有自己學習的能力，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，思維邏輯推理的能力，做出正確判斷和決策的能力。智能芯片則是承載所需的計算。

美國最新推出電子復興計劃（ERI），其中軟件定義硬件是ERI 6個子項目之一。美國人看到軟硬件結合，硬件的可變性是未來的趨勢，建立在運行時可以實時變化的軟件和硬件，能夠達到專用集成電路的系統，同時數據運行又不失其可編程性，即軟件定義芯片。

魏少軍教授指出，可重構芯片技術允許硬件架構和功能隨軟件變化而變化，實現軟件定義芯片，在實現AI功能時具有獨特的優勢和廣闊的前景。動態可重構技術芯片技術是替代ASIC和FPGA的新型電路技術，有望為我國芯片技術擺脫跟隨模仿、實現跨越提供一條全新路線。