美国杜克大学终身教授陈怡然：纵论当芯片遇到AI，将发生怎样的进化

AI芯片，或许你已经听说，或许还没怎么意识到。当手机刷脸解锁，当闯红灯被拍，当无人车送货，当照片被自动分类，当你对着智能音箱大喊大叫，无论是在千里之外的云端还是近在咫尺的终端，AI芯片已无处不在。

AI芯片是如何诞生的，发展的动力在哪？与传统的CPU相比有何不同？AI对芯片设计会有怎样的影响？国内的AI科研以及投资出现了怎样的偏差？美国杜克大学终身教授陈怡然接受专访，纵论当芯片遇到AI，将发生怎样的进化。

《赛先生》：感觉现在AI这一波来了以后，包括加上硬件本身的发展，摩尔定律结束，感觉好像进入了一个重新跟过去很不一样的时代？

被访者 | 陈怡然（杜克大学电子与计算机工程系教授）

陈怡然：前两天在杭州，我们开玩笑说很恍惚，为什么？原来我们觉得主流的一些东西，现在好像变的不主流了。  

比如说我们以前觉得科学计算是一个主流，大规模并行计算是一个主流，现在发现AI是一个主流，但是AI不是科学计算，而且深度学习又不能完全解释它，那究竟谁在成为主流？

我觉得说不定谁的应用最多谁就是主流，我们以前做科学计算的时候，我们要讲求通用性，那时候它是主流。今后我们发现其实这种多样性，这种神经形态的计算的模型，我们称之为认知计算的这种东西变的越来越多，那么它可能就变成一个主流。

这是我们现在感到迷惑和恍惚的地方，我觉得这毕竟是一个新的时代，不以人的意志为转移，大家只能去拥抱它。

《赛先生》：现在有一种反对的声音，感觉降温也好反对也好，觉得现在AI离应用实际真正用的好、落地的场景，比如说很热大家都在讲的自动驾驶、安防也好，甚至有不同的声音认为这个东西离应用好像还没有那么完美，甚至还没有怎么落地，我不知道从AI芯片设计的角度来说有没有去考虑过这个问题？

陈怡然：有，因为做芯片来讲，我得知道哪个应用将来最火，我才去设计，那我不知道什么会最火我该怎么办。

我觉得AI这件事情的应用，是很多因素造成现在的情况。最简单的，从投资角度，做一个AI的应用，得找到人买单。所以为什么大家做人脸识别，因为它的用户有很强的付款的意愿，比如安防之类的。

但是实际上我们发现很多传统行业，也有大量AI的应用，比如生产线质量检测。那为什么没有人去做？因为这种应用往往是很碎片化的，造成了它的定制化成本非常高。他们这些产业利润率又特别薄，他们愿意掏钱的愿望和能力都没有那么高，你就挣不到钱，所以我们没有去做。

我觉得AI的应用仍然有很多，有各种各样现在我们完全没有在做的。但因为它是一个经济问题，不全是一个技术问题，这是第一。

第二，泡沫出现在头部企业和应用，但是并不代表整个产业我们都解决完了。仍然有很多问题都是是可以解决但是没有解决的，所以AI会持续很长的时间。泡沫也许会消亡，但是从研究和技术发展的角度来讲，AI会在很长一段时间内成为一个平稳发展的行业。

《赛先生》：AI芯片方面，我没有提到，但您认为还可以强调的？

陈怡然：我想说的一点就是，其实AI没有运算的支撑是不可能大量更好更有效的部署的。我们要更多的去重视它的计算平台，更多的注重它在具体场景的实现。

尤其是在国内，现在有大量注意力是集中在AI的应用层面上，甚至投资也主要是在应用层面上。如果不是因为中兴这件事，我觉得AI芯片这件事不会像现在这么火，这也从另外一个角度说明其实我们在国内的投资眼光之前实际上是有它的偏见的。

我举一个简单的例子，我最近听到一种论调，在AI芯片架构这个领域，说我们现在跟美国是同一个水平线上。

我想举一个例子，比如说像IBM的TrueNorth芯片，立项实际上是2007年，2008年项目正式开始，11年前它就有这样的眼光，说要做一个类脑芯片、加速芯片。那我现在要问的一个问题就是，有没有人可以告诉我，你觉得十年之后我们想要一个什么样的AI芯片，或者在计算领域十年之后什么会是最需要的技术，还没有人能告诉我这件事情。

所以我觉得我们还是有太多的工作需要去做，不能满足于现状，看到一两个还不错的点，就下结论说我们已经够了，我们的投入、人已经够了，我觉得这是不行的，这是没有远见的。

《赛先生》：这就涉及到怎么样才能有眼光，去选择非常重要的问题持续进行研究或者投入，您这方面有怎样的建议？

陈怡然：这个问题就太大了，我觉得可以单独去请一些人讲。但是我觉得至少有一点，一定要有多样性。

实际上你看到的这些有点名气的老师都是当年做的某一个点，这个点后来恰好越来越火，其实有很多老师做的很多工作甚至这些有名的老师自己做的其他一些东西后来也就默默无闻了，因为它们没有变成一个热点。

那是不是我们吃了第七个饼吃饱了，前面六个就不需要了？不是这样的。这种多样性一定是需要的，有多样性就会在某一天某一点爆发的时候，说这是我们当年的一个积累——这种积累就像一个很小很小的种子，最后长成了一棵参天大树。