热线电话
  • 010-88558925010-88558943
  • 010-88558955010-88558948
CMIC专家更多

中国半导体行业协会副

3月21日,SEMI产业创新投资论坛在上...更多>>

赛迪研究院未来产业研

近日,工业和信息化部、科技部、交通运输部...更多>>

中国市场情报中心 > CMIC研究 > 产业研究
CMIC:AI场景落地,软硬结合是产业关键

发布时间:2019-07-17 10:07:40

来源:赛迪-中国电子报

作者:诸玲珍

【打印】 【进入博客】 【推荐给朋友】

  【CMIC讯】在人工智能整个产业链中,中国企业的发展布局多集中于技术层和应用层,产业和技术研发短板在于基础层的芯片领域。那么,人工智能产业究竟需要什么样的芯片?企业如何做出满足业内需求的芯片?
  
  AI芯片需要计算能力支撑
  
  人工智能算法的实现需要强大的计算能力支撑,特别是深度学习算法的大规模使用,对计算能力提出了更高的要求。随着人工智能与各个应用领域的深度结合,自动驾驶、视觉识别等领域的人工智能应用都需要开发专用的人工智能算法和芯片。天数智芯CEO李云鹏在最近举办的“AI硬件亚洲峰会”期间接受记者采访时表示,从技术角度看,目前,大多数芯片厂商做的AI芯片都是一个加速器,是针对AI的算法特征或者神经网络的计算特征,实现专用的加速功能,这要有强大的算力做背书。
  
  赛迪顾问高级分析师李振告诉《中国电子报》记者,GPU、FPGA、ASIC等三类人工智能芯片是目前AI产业芯片领域主流。他解释说,第一类是利用GPU(图形处理器)等传统通用类芯片,通过搭建人工神经网络模型,从功能层面模仿大脑的能力。近十年来,人工智能的通用计算GPU完全由英伟达引领,AMD也在逐步进入该市场。除了传统的CPU、GPU大厂,移动领域的众巨头在GPU的布局也非常值得关注。ARM也开始重视GPU市场,其推出的MALI系列GPU凭借低功耗、低价等优势正在逐渐崛起。
  
  第二类是FPGA芯片,FPGA凭借其功耗低、高效率、高可扩展性、灵活编程的优点,在人工智能计算环节中也逐渐扮演越来越重要的角色,代表厂商有赛灵思、英特尔等。
  
  第三类是ASIC专用计算芯片,改变硬件结构层来适应人工智能算法,在硬件结构层进行功能定制化开发,如Google的TPU、寒武纪的NPU等。
  
  李振强调,相比于英特尔、英伟达、AMD等国际巨头,国内AI芯片企业实力较弱、技术积累迭代有一定差距。但随着国内华为、阿里等巨头的不断布局以及寒武纪科技等新兴企业的不断涌现,中国在AI芯片领域的实力正在不断增强。
  
  赛迪智库电子信息研究所研究员、人工智能产业创新联盟秘书处副主任王哲在接受《中国电子报》记者采访时表示,人工智能产业的各环节中,芯片是产业发展的关键核心技术,目前,国内已经有一批在AI芯片方面做得不错的企业。“在目前的情况下,国内AI芯片企业要坚持做下去,这是带动我国电子信息产业根基实现突破的机会。”王哲说。
  
  AI时代软件与硬件结合将更加紧密
  
  针对近几年国内芯片设计企业与产品数量猛增的火热现状,李云鹏认为绝大部分企业都集中在了AI芯片领域,而且大都专注于神经网络类算法的加速领域,并不具备通用属性,或者仅针对当前市场需求推出短周期芯片产品。“这导致了市面上的AI芯片产品同质化比例非常高,不仅会严重影响芯片企业产品迭代的良性运转,同时大部分芯片由于算法或场景设计的限制,市场应用领域不够宽泛。”他认为,现在市场需要的是极度灵活的、完整的、标准化的产品。AI芯片企业应该认清这个趋势,从而考虑自己未来的发展方向。
  
  李云鹏同时表示,AI时代软件与硬件的结合将会更加紧密,芯片企业不能以单纯的软件思维或者硬件思维去做精算力,软硬件协同才能更好地打造良性生态。“因为两者的叠加会产生乘法效应,若AI芯片企业能够巧妙地利用乘法效应,将会收到十倍的效果。”李云鹏说,“软件是场景的关键,肩负开拓市场和创造直观价值的重任;硬件是基石和推动者,是技术实力和降低成本的关键因素。把软件作为承载其生态的关键,迅速在行业场景中推出具体落地的应用解决方案,为芯片产品获取一个入口,适时推出AI芯片,通过软件加硬件的方式不仅提升算力的均值,还将提升算力的峰值。同时,通过可透明迁移的软件平台更好地获取客户,在行业场景中,如果芯片表现达到预期,后续硬件的迭代将进一步增强其实力,以特定领域的应用获得认可,再以通用的芯片向更多应用领域拓展。”
  
  在他看来,AI是某一类型算法的统称,算法迭代的速度很快,但基础性产品的迭代周期又很长,这两者之间有矛盾。对于一家芯片企业而言,能够成功的关键是产品在20年后是否还流行。云端市场代表相对稳定的需求,产品迭代的周期也相对较长,更加强调通用性。如果芯片没有前瞻性的通用支撑能力的话,即使做出来,也会在短短几年内失去生命力。
  
  AI落地要场景化
  
  人工智能从概念到实现大规模应用,落地场景十分重要。王哲告诉记者,AI产业发展要选好合适的应用场景。产业界尤其要加强产学研用的合作,重视AI基础设施建设,才可能推动人工智能产业化规模化落地。在此过程中,尤其要注重将人工智能技术能力用于解决老龄化社会的养老问题、教育资源不平等条件下的教育问题、人口流动和集聚带来的医疗问题、城乡一体化进程中带来的城市建设管理问题等,只有这样,才能让老百姓有切实的获得感,AI产业化才能算是落地生根。
  
  “AI是个‘+’行业,它需要和已有的行业做深度结合,如何以技术的方式把AI无缝切入到传统产业中去,这很关键。换句话说,必须找到一个领域能够让AI完整落地,才能使产业进一步发展。”李云鹏说,“落地实际上是一个对数曲线,它前端的系数决定市场场景的大小。在与AI相关的芯片领域,企业能够成功的关键是找到一个真正可以大规模市场化落地的场景。可以以软件的思维切入市场,找到产业中真正的需求,然后让自己的AI芯片很顺畅地进入市场,从而实现场景落地,技术迭代。”
  
  而在李振看来,AI产业发展除了要有落地的场景外,政府提供优良的产业发展环境、加大产业引导力度以及企业增加研发投入也缺一不可。他同时指出,企业增加研发投入的同时,应给予科研更多的容错能力,加强与科研单位的合作,进行成果转化。此外,还应加强与国际上其他可合作单位的技术合作,外联内培。
  
  AI需要复合型人才
  
  就像其他高科技领域一样,如何培养出符合产业实际需求的AI人才,成为产业走向繁荣的基石。人工智能算法和计算架构特点决定了行业需要既懂软件又懂硬件的复合型人才。王哲分析说,目前,全世界范围内,人工智能领域跨界型、应用人才都是短缺的,国内相关人才的培养尤其需要引起重视,因为中国人工智能产业的快速发展给人才提出了新的迫切要求。王哲认为,国内必须加快培养交叉学科人工智能人才,建立多学科共同参与的培养机制;必须培育应用型人工智能人才,因为人工智能应用要发展,仅有高端人才远远不够,需要一大批能应用人工智能的人,为此,人工智能应该作为国家教育体系中的基础课;应该以产学研用打通为目标,创新人工智能人才培养模式,比如,目前北京智源研究院、浙江之江实验室等一些不以高校为主导的培养体系正不断孕育,这些新的人才培养方式可以给予高校和企业人才培养双向激励,调动企业和大学双方的积极性。
  
  李云鹏表示,目前国内很多高校都设立了人工智能专业,加大了对AI人才的培养力度,但由于学校学的内容和业内需要的实操技能存在差异,因此不能形成有效对接,这就造成看似存在“AI人才荒”现象,但其实只是在人才产业化培养环节上有缺失。他建议AI企业用好现有的人才,构建人才金字塔,把高端人才用在关键环节。

责任编辑:言笑晏晏

相关报道
  • --

联系我们:8610-8855 8955 zhouhl@staff.ccidnet.com

广告发布: 8610-88558925

方案、案例展示: 8610-88558925

Copyright 2000-2011 CCIDnet.All rights reserved.

京ICP000080号 网站-3