去年“阿爾法狗”戰勝韓國棋手李世石，需要耗電數萬瓦、依賴體積巨大的云服務器。一年多后，一個小小的人工智能芯片，就可讓手機、手表甚至攝像頭都能和“阿爾法狗”一樣“聰明”。

隨著中國企業率先推出市場化的人工智能手機芯片，這樣的手機之“芯”正掀起全球熱潮。它將帶來怎樣的影響，傳統芯片命運幾何？

專“芯”專用

2017年柏林國際消費電子展上，華為推出麒麟970人工智能手機芯片，內置神經元網絡單元（NPU），通過人工智能深度學習，讓手機的運行更加高效。

芯片又叫集成電路，按照功能可分為很多種，有的負責電源電壓輸出控制，有的負責音頻視頻處理，還有的負責復雜運算處理。目前市場上的手機芯片有指紋識別芯片、圖像識別芯片、基帶芯片、射頻芯片等近百種。

現有芯片種類繁多，為何還要人工智能芯片？

隨著手機智能應用越來越多，傳統芯片要么性能不夠，要么效率不足，難以支撐人工智能所需的大規模神經網絡運轉。

例如，“谷歌大腦”用了上萬個通用處理器“跑”了數天來學習如何識別貓臉；“阿爾法狗”和李世石下棋時使用了上千個中央處理器（CPU）和數百個圖形處理器（GPU），平均每局電費近3000美元。對于絕大多數智能需求來說，基于通用處理器的傳統計算機成本高、功耗高、體積大、速度慢，難以接受。

與傳統的4核芯片相比，在處理同樣的人工智能應用任務時，麒麟970擁有大約50倍能效和25倍性能優勢。

術業有專攻。專業人士指出，普通的處理器就好比瑞士軍刀，雖然通用，但不專業。廚師要做出像樣的菜肴，就必須使用專業的菜刀，而專門的深度學習處理器就是這把更高效、更快捷的“菜刀”。

“芯”夠強 才能走得遠

目前迅猛發展的人工智能，上層的應用都依賴于底層核心能力，而這個核心能力就是人工智能處理器。如果在芯片上不能突破，人工智能應用就不可能真正成功。可以說核心芯片是人工智能時代的戰略制高點。

人工智能目前采用的深度學習算法，有海量的數據運算需求，對傳統架構和系統提出了極大挑戰。

深度學習，就是通過算法給機器設計一個神經網絡。這個網絡的基本特點，是模仿大腦神經元之間傳遞、處理信息的模式，從多個角度和層次來觀察、學習、判斷、決策。近年來，這種方法已應用于許多領域，比如人臉識別、語音識別等，是人工智能領域的熱點研究方向之一。

用于圖像處理的GPU芯片因海量數據（40．670， －0．95， －2．28％）并行運算能力，被最先引入深度學習。2011年，當時在谷歌就職的吳恩達將英偉達的GPU應用于“谷歌大腦”中，結果表明12個GPU可達到相當于2000個CPU的深度學習性能。之后多家研究機構都基于GPU來加速其深度學習神經網絡。

然而，隨著近兩年人工智能技術的迅速發展，GPU在三個方面顯露出局限性：無法充分發揮并行計算優勢，硬件結構固定不具備可編程性，運行深度學習算法能效不足。

全球科研界和企業于是競相開發更加適用的人工智能芯片，尤其是適用于移動通信時代的芯片。

華為公司與中國科學院計算技術研究所“寒武紀”項目團隊共同開發的麒麟970人工智能手機芯片，首次集成NPU，將通常由多個芯片完成的傳統計算、圖形、圖像以及數字（數位）信號處理功能集成在一塊芯片內，節省空間、節約能耗，同時極大提高了運算效率。

據預測，類腦計算芯片市場將在2022年前達到千億美元規模，其中消費終端將是最大市場，占據98．17％，其他需求包括工業檢測、航空、軍事與國防等領域。

在新的計算時代，核心芯片將決定基礎架構和未來生態。因此，谷歌、微軟、超威等全球信息技術和通信制造巨頭都投入巨資，加速人工智能芯片的研發。