AI芯片:人工智能技术的硬件基础和产业落地的载体

近日，科技部、中央网信办、国家发展改革委、国家标准化管理委员会、工业和信息化部发布关于印发《国家新一代人工智能标准体系建设指南》（以下简称“《指南》”）的通知，以进一步加强人工智能领域标准化顶层设计，推动人工智能产业技术研发和标准制定，促进产业健康可持续发展。

《指南》对行业总体要求、建设思路、建设内容等方面做了具体规定，智能语音、AI云等领域也迎来了新一轮发展机遇。对于AI芯片来说，设备需要连接网络，因而决定了对物联网芯片和人工智能芯片的需求。有关数据显示，全球云端AI芯片市场规模预计2024年将达100亿美元，边缘AI芯片也同样增长强劲，未来几年，年复合增长率约为31%。

无疑，如今人工智能芯片已成为全球科技、产业和社会关注的焦点，学界力争从各种不同的技术路线对AI芯片性能提升进行探索，世界各地也涌现出了诸多各有侧重点的AI芯片公司，从算法、架构、硬软件等不同的维度去实现高能效的AI计算。AI芯片作为人工智能技术的硬件基础和产业落地的载体，吸引了众多巨头和创企入局，整个芯片市场新品迭出、各类AI芯片相继面世。

尤其需要注意的是，人工智能算法的更新换代较为迅速，在固定架构中会存在很多风险。一旦旧人工智能架构失灵，在新架构出现时，原本的固化架构很大程度上即刻失效。所以，架构的d性成为业界需要聚焦的问题。

芯片设计、芯片架构的高壁垒行业中，RISC-V这股新势力正在快速崛起、逐步壮大。指令集就像是一整套语言系统，CPU能够读懂并按照要求硬件、运行程序。而这套高效的语言规范，需要在设计CPU的时候都制定好。

从芯片架构来看，目前市场上绝大多数AI芯片都是采用传统的指令集架构。传统的指令集架构采用冯▪诺依曼计算方式，通过指令执行次序控制计算顺序，并通过分离数据搬运与数据计算提供计算通用性。

发展至今，CPU主要有两大指令集，复杂指令集（CISC）架构x86，精简指令集（RISC）架构阵营有MIPS、ARM、和RISC-V。一般来看，RISC-V基于“精简指令集”原则的第五代指令集架构，并且对外开源，由于中立、开源、精简的属性，且不太受一个国家政策的影响，因此被不少国家视为弯道超车的机会。

有市场研究报告指出，在半导体的历史上，X86、ARM作为主流架构一直都占有着很大的市场。随着5G、物联网时代的来临，而RISC-V作为新兴架构，以其精简的体量，或许在未来的IoT领域中能取得突出的优势，其他的应用场景还包括存储、电子、服务器等市场。

此外，当前人工智能发展正处于第三波浪潮上，这波浪潮的一大特点就是与业务紧密结合的人工智能应用场景逐渐落地，拥有先进算法和强大计算能力的企业成为了十分有力的推动者。当前人工智能的主流技术路径是深度学习，但无论是产业界或学术界，都认为深度学习尚存在一些局限性，在机器感知类场景表现优异，但在机器认知类场景表现还有待提高。

人工智能需要繁多的训练、识别、数据分析、大量计算。所以，AI解决方案应针对不同的应用对网络和性能参数，要求不同速度、能耗、延迟、准确性，芯片同样如此。从设计到制造，AI芯片无疑凝聚了人类智慧的结晶。而d性架构的支撑，将为AI芯片功能完全释放提供强大支柱。
        责任编辑：tzh