CCF-GAIR 2020 AI芯片专场来自学术界、产业界和投资界的6位大咖共聚一堂，探讨新基建带给AI芯片的绝佳机遇。
作者 | 包永刚 吴优
疫情让全球半导体行业的复苏承压，但新基建的引擎5G、AI 和智能计算等新一代高端芯片正在构建全新生态。这是国际芯片巨头寻找更多本地化合作的机会，更是中国芯片公司发展国产高端芯片的时代机遇。
2020年8月8日 2020 全球人工智能和机器人峰会（CCF-GAIR 2020）的AI芯片专场，来自学术界、产业界和投资界的6位大咖从AI芯片技术前沿、AI芯片的应用及落地、RISC-V芯片推动AI发展、新基建带来的投资机遇共同探讨新基建带来的机遇。
CCF-GAIR 2020 峰会由中国计算机学会（CCF）主办，香港中文大学（深圳）、雷锋网联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。从 2016 年的学产结合，2017 年的产业落地，2018 年的垂直细分，2019 年的人工智能 40 周年，峰会一直致力于打造国内人工智能和机器人领域规模最大、规格最高、跨界最广的学术、工业和投资平台。清华大学高滨：基于忆阻器的存算一体芯片技术形成新的计算系统
近几年，AI的发展对算力需求每年都是几个数量级的增加，此时，传统计算机的三大基石难以跟上算力需求的增加，需要创新的技术，但创新技术依旧面临巨大的挑战。
清华大学副教授高滨题为《基于忆阻器的存算一体芯片技术》的分享从现代技术的演变、人工智能发展对硬件的挑战、存算一体技术的研究进展以及未来展望四个部分带来分享。现在各种各样的计算系统本质上都是图灵机，有计算、存储、I/O等模块。这些传统计算系统有三大基石：晶体管（构成芯片最基础的半导体器件）、布尔逻辑计算（给出一套计算规定）、冯诺伊曼架构。不过，一方面，随着晶体管微缩面临的各种物理挑战越来越大，芯片算力的增加越来越难。另一方面，冯诺伊曼架构的存算分离带来了存储墙问题。AI的发展面临算力不足和能效低的挑战。要解决挑战不仅需要从三个维度着手，更需要创新的技术。高滨表示：“器件层面，忆阻器可以把冯诺伊曼架构里的处理、内存、外存都融合在一起，构建存算一体阵列，这也是存算一体最基本的要素。计算的范式层面，存算一体也从布尔逻辑计算变成了基于物理定律的模拟计算，架构变成存算一体架构。”存算一体技术从硬件到软件进行革新，形成了一个新的计算系统。但因为忆阻器的稳定性、计算误差累积等问题，2018年以前完整的存算一体芯片和系统并没有突破。高滨所在的清华大学钱鹤、吴华强团队在忆阻器、算法、架构层创新，设计出全球首款全系集成的忆阻器存算一体芯片，用130纳米的工艺制造出计算精度与28nm树莓派CPU相当的准确度，速度快20倍，能效也比GPU高3个数量级。存算一体是打破AI计算瓶颈的热门技术，但与其它创新技术一样，AI计算的创新技术依旧面临很多挑战，包括基础理论、材料器件、电路系统、软件工具链、算法应用等。AI的发展需要突破性技术，更需要产业化落地。英特尔的首席工程师、人工智能技术中国首席架构师夏磊在《指数级技术创新，加速AI应用落地》的主题演讲中表示，我们进入到了万物智能化的时代，对计算的能力和性能提出了更高的要求。英特尔提出了“智能X效应”，指的是随着大数据和网络连接技术、5G的发展，AI可以把数据的互联和处理效应叠加起来，以乘法倍乘效应，促进行业应用的融合及迅速创新。
英特尔的首席工程师、人工智能技术中国首席架构师夏磊英特尔是通过六大技术支柱（制程&封装、XPU架构、内存&存储、互联、安全、软件）的支持，希望通过指数级的创新实现并驱动“智能X时代”。当然，英特尔也会提供更智能的连接、更智能的存储、更智能的计算。夏磊用三个具体的例子分享英特尔如何实现这一目标。在医疗领域，英特尔与汇医慧影合作，利用汇医慧影的AI算法，对于肺炎病灶的检出率和准确率达到96%；结合高效处理器和轻量级网络模型等技术，提升算法效率，500+幅CT影像2-3秒即可完成诊断。在“云-边-端”智能工厂领域，英特尔与某著名大型电池制造企业的缺陷检测与分析系统应用于生产流水线，通过边缘和云端的完整架构实现，生产质量达到1PPM，即每百万个产品缺陷率小于1。在新兴的5G通信，英特尔也与韩国SK Telecom一起探索，基于第二代至强可扩展处理器平台的端到端架构，利用AI技术，通过预测网络质量来检测异常和实时管理网络质量。一套统一的评价体系，对于行业的发展有着深远的意义。历史上有很多常用的性能评估指标，进入到支持AI计算的时代，TOPS便成为普遍的标准之一。但AI芯片应用场景众多，目前尚未达成一套统一的评价标准。地平线联合创始人兼技术副总裁黄畅带来《构建与时俱进的性能标准，让AI芯片算力可感知》的主题演讲，分享地平线对AI芯片性能评估的思考，并提出一个新的方法用以评估芯片的AI真实性能——MAPS (Mean Accuracy-guaranteed Processing Speed，在精度有保障范围内的平均处理速度)。
黄畅认为，TOPS主要体现芯片的峰值算力，与实际使用过程中的利用率差异较大，AI Benchmark滞后于算法演进，难以统一评估AI任务的“准”和“快”。
源于对当前现状“选定模型比谁快”的思考，地平线认为需要一个更包容、更开放的评估标准，将AI芯片的理论峰值计算效能、有效利用率与AI算法效率结合在一起，并据此提出新的性能评估标准MAPS，即针对应用场景的特点，在精度有保障的前提下，包容所有与算法相关的选择，评估芯片对数据的平均处理速度。通过动态关注芯片完成AI任务的速度和精度，MAPS实现了对“多快”和“多准”的可视化演示。
目前，这一评价体系还需要不断完善和发展，地平线希望以此为业界同行提供一个评估芯片AI真实性能的全新视角。黄畅也表示所有的研究都要确定正确的目标，AI芯片需要与时俱进的性能标准，无论是在性能评价体系上，还是在AI芯片设计上，地平线都在不断产生价值，作出贡献。
算力、算法和数据是在谈论AI芯片时不得不提及的话题，三者共同促进AI芯片的发展，但目前在算力提升的道路上正面临摩尔定律失效等挑战，提升算力需求需要急需新思路。深圳睿思芯科副总裁王卫从RISC-V的角度出发，带来《领域专属架构促进人工智能发展》的主题演讲。
王卫认为，RISC-V可以通过向量的扩展指令集运算从硬件上加速矩阵运算，正好符合当下深度学习对矩阵运算的高算力需求。RISC-V是提升算力的新途径。能耗比是AI芯片的一项重要指标，适用于数据中心的AI芯片可以用水冷等高成本的方式降低能耗，但面向边缘和终端，则需要采用不同的设计思路。尤其是新基建下物联网的布局，功耗与成本将是AI芯片发展的重要参考要素。新兴应用场景也对AI芯片的创新提出要求。王卫指出，相比于开源和低成本，从芯片体系结构的角度，RISC-V指令集中有着较为细致分工的不同功能模块，模块化结构可以由客户自由排列组合，定制成面向专属应用场景的，最有用最优化的命令。自由创新是RISC-V最大的优势。尤其是，越复杂的应用对生态系统的依赖性越大，即边缘应用对生态的依赖程度低。尚未构建完整生态的RISC-V，会更早应用于边缘，推动边缘人工智能的发展。耀途资本创始合伙人杨光从投资人的角度，在《数字新基建，半导体如何乘风破浪？》的主题演讲中指出，新基建作为一个大赛道能够给半导体行业带来大量基础设施场景。
新基建中的5G、数据中心、AI一直被认为是半导体发展最关键的机遇，但正如没有人能够精确预测到4G让短视频井喷，也没有人能够在现在这个时点对预测5G等新基建引爆的杀手级应用是消费侧的AR，还是行业侧的自动驾驶或是智慧工厂。杨光认为，虽然目前无法预测5G的“杀手级应用”，但任何行业的发展都是基础先行，更强的网络，更强的带宽，更多数据中心建设将是未来几年里的发展趋势，由此可以窥探半导体的发展和投资机遇。“5G基建核心还是要看基站里的供应链，这里面涉及基带芯片、天线、功效、滤波器，这是半导体最大的机会所在。基站往后，还有传输设备、核心网，包括跟网络交换、光传输和计算相关的，会有很多机会。”杨光表示，由于5G的频谱发生了变化，射频前端的功放器件需要新的材料，以氮化镓为代表的新技术将有更多的应用场景，耀途投资了GaN PA的至晟微。除了在5G领域，涵盖计算、存储和网络三大板块的数据中心也在蓬勃发展。计算方面有寒武纪、耀途资本投资的壁仞科技和瀚博半导体等企业入局，存储方面有闪存的长江存储和内存的长鑫存储，以及存储控制器领域有耀途资本投资的得一微电子等龙头企业，网络传输领域的光模块里核心的电芯片和光芯片也有替代需求，耀途资本投资的硅光芯片公司赛勒科技就在这个赛道，总体来说目前国产核心器件依然匮乏，替代才刚刚开始。新一代的信息基础建设诞生众多新机会，芯片是抓住机会的最小单元。CCF-GAIR 2020 AI芯片专场的更多详细资料请关注『雷锋网』和『芯基建』公众号。