“中興被禁”事件，給國內市場的第一喝棒指向芯片制造。這是我國的短板，也是智能產業(yè)最重要的“剛需”。從2008年開始，連續(xù)十年芯片都是我國第一大宗進口商品，占據了國際需求市場的50％，2017年的進口數量為3770億塊，花費金額為2601億美元。這些芯片被搭載在了智能手機、電視、電腦等多種硬件中，而這些產品的生產量均占全球總量的半數以上，其中電腦更高達95％。
對于傳統(tǒng)芯片而言，接下來需要奮起直追，而另一方面，AI芯片的迅速爆發(fā)也給中國芯片產業(yè)帶來了久違的起跑線驕傲。據市場研究公司Compass Intelligence發(fā)布的上半年研究報告顯示，在全球前24名的AI芯片企業(yè)排名表中，英偉達（Nvidia）、英特爾（Intel）以及IBM（NPU）分別位列前三名，中國公司占據了七個席位，最高名次是排行第12的華為。
困局之中破局是唯一的出路，AI芯片可能就是那個突破口。作為計算芯片的一種，它正在對傳統(tǒng)（計算）芯片發(fā)出挑戰(zhàn)。
AI芯片是趨勢使然
根據摩爾定律，當價格不變時，集成電路上可容納的元器件的數目，約每隔18－24個月便會增加一倍，性能也將提升一倍。如何在相同的面積內放入更多的元器件？這對于制作工藝而言是一個極其大的挑戰(zhàn)，而這一工藝的提升速度是緩慢且艱難的。因此，在算力、性能等方面，當前的集成電路相當于到了一個“瓶頸期”。
與此同時，AI逐步發(fā)展并落地，面對海量數據的實時采集和處理，“算力”成為了一項至關重要的必備條件。然而當前的AI算法訓練、推理等，還是依賴英偉達、高通等廠商提供的傳統(tǒng)芯片。但是，不管是高通驍龍系列，亦或是英偉達GPU等傳統(tǒng)芯片，其當初被研發(fā)出來的目的并不是針對AI算法，這也就意味著，在AI算法加速方面，它們多是“心有力而余不足”的。目前，它們所能做的，也僅是在自己原有產品之上加注AI算法，變身為“通用AI芯片”。但究其本質，它們并沒有脫離“傳統(tǒng)芯片”行列。
舉個例子，行車途中前方突然出現障礙物，如果是CPU，雖有AI優(yōu)化，但本身架構致使其在算法加速方面有所限制，導致數據處理等相對較慢，從而拉長了時間線，也因此當汽車意識到前方有障礙物時，可能已經撞上了；若是采取并行計算的GPU和針對AI算法加速的AI芯片，汽車將在極短時間內提前發(fā)現障礙并作出預判，但是GPU耗能太大，用不了多久就會耗盡汽車的電池電能。相比之下，AI芯片才是最佳方案。
另外，AI芯片創(chuàng)企異構智能中國區(qū)副總裁謝強此前在鎂客網M－TECH論壇上表示，CPU、GPU等通用處理器市場已經沒有機會了，他們現在所能做的就是把各種各樣的終端AI芯片做到極致，配合CPU、GPU等搭建一個小系統(tǒng)，這就是一個很好的解決方案。
如果說在傳統(tǒng)芯片領域，我國“反超”的機會不大，且消耗的多項成本過高，那么“AI”芯片的大面積布局，將是此領域關乎國家戰(zhàn)略層面的重要機遇。也由此在風起云涌間，傳統(tǒng)芯片與AI芯片難免狹路相逢。
傳統(tǒng)芯片不要慌，AI芯片尚有短板
相比于針對算法而研發(fā)的AI芯片，不管是算力還是功耗，包括GPU等在內的傳統(tǒng)芯片在內的傳統(tǒng)芯片都無法相比。
以百度“昆侖”與英偉達“Xavier”為例。百度開發(fā)者大會上，李彥宏稱“昆侖”是迄今為止業(yè)內算力最高的AI芯片，能在100w以上的功耗提供260萬億次／秒的運算速度，而英偉達“Xavier”的算力大概是30萬億次／秒，功耗為30w。從性能和功耗的比值來看，以百度“昆侖”為代表的AI芯片暫時領先。
云端芯片市場，號稱一霸的英偉達面臨著谷歌、百度、華為等競爭對手的“虎視眈眈”。而占據手機終端芯片的高通，就AI算法加速而言，雖然它也聲稱自己是AI平臺，但本質上還是利用AI算法對原有既定框架進行優(yōu)化，不能定義為真正的AI芯片。
盡管AI芯片來勢洶洶，但短板也非常明顯。
事實上，目前還沒有出現像CPU一樣的AI通用算法芯片，一劍封喉的應用還沒出現。首先，AI芯片的量產問題是頭部短板。不同于已經定性的傳統(tǒng)芯片，AI芯片從架構到設計等多個層面都會是一種全新的顛覆。當前，雖有幾家初創(chuàng)公司表示他們的產品已經實現了一種量產，但最終多是應用于自身產品和產業(yè)鏈，算不得真正的量產。
其次，AI芯片欠缺完整成熟的產業(yè)鏈。在早前由鎂客網主辦的“M－TECH AI芯片商業(yè)化之路”論壇上，多家AI芯片初創(chuàng)公司的嘉賓都表示，云端芯片市場的大部分空間已經被英偉達占據，AI芯片創(chuàng)企在其中沒有機會，之所以形成這樣的局面正由于其產業(yè)鏈的建立。產業(yè)鏈構建完整，AI芯片從上游設計到中游解決方案、再到下游應用場景落地才能流暢。
再次，AI芯片的工作只是加速AI算法，但在整個主板上，這只是芯片所要計算的一部分。于其他方面，還有更多的計算工作，而它們中間的多數，并不需要AI芯片的介入，比如數據存儲等等。
當然，主流架構探討、算法通用可實現性、剛需應用場景等也是AI芯片需要攻克的問題。
短期之內，如英偉達這樣的芯片行業(yè)巨頭，其GPU因為算力尚且能夠滿足當前AI算法加速的需要，雖然耗能表現不佳，但是出于產業(yè)的需求，仍然是占據了當前市場的主要份額。
總結：新舊更迭，背后都是市場法則
不管是CPU、GPU等傳統(tǒng)芯片，還是AI芯片，它們出現的根因皆是因為市場有了新需求，繼而才會形成趨勢，最終落實為產品。這其中，有著時代的更迭，也有著技術的進步。
這方面，AI芯片本身就是一個典型的案例。因為計算的需要，人們開始研發(fā)芯片，從而誕生了CPU、GPU等。之前很長一段時間內，CPU一直做著主要的任務處理和數據計算工作。之后隨著AI的出現，CPU的算力遇到了挑戰(zhàn)。反之，因為并行運算架構，以往并不起眼的GPU開始煥發(fā)光彩。不過，它們終究不是為AI算法而定制的，也因此，迎合產業(yè)需求發(fā)展的AI芯片出現了。
長遠來看，出于對算力、功耗等多方面的考慮，就AI算法加速方面，AI芯片取代傳統(tǒng)芯片是一個必然的結果。屆時，AI芯片或將與CPU、GPU等一起集成到一個完整的處理器中，諸如寒武紀NPU被集成至麒麟970一般，又或者，AI芯片也將作為獨立處理器存在，這一切目前還是未知數。
不過，可以確定的是，就當前而言，我國在AI芯片的研發(fā)上已經站在了世界前列。一旦AI芯片實現量產，除了迎合智能時代產業(yè)發(fā)展的需求，我國還將在芯片產業(yè)中獲得一定的話語權，在當前核心技術缺失的困局下實現“彎道超車”。（作者：韓璐）