发展人工智能芯片必须得软硬兼施

人工智能芯片明明是硬件，和软件又有什么关系？人工智能芯片本身只起到加速的作用。除了少量定制化人工智能芯片具备一定功能外，大多数人工智能芯片本身并不具备功能，它们的功能必须结合相关软件来实现。

算法是软件的重要组成部分，它相当于人工智能芯片的灵魂。除了算法本身，软件层面还包括算法的移植、芯片驱动程序、配套软件工具、人机交互界面等等。这就像电脑不仅仅需要好的处理器，还需要好的 *** 作系统一样。在人工智能芯片涉及的软件领域，国内的算法开发平台仍比较少，一些已有算法开发平台，在人机交互与资源管理方面，与国外相比仍有一定差距。另外，一些前瞻性人工智能芯片的核心算法、核心架构，还有待提升。

软件和使用侧结合得更多。人工智能芯片的硬件固然重要，但是如果软件做得好，可能更胜一筹。一些非常厉害的算法团队和软件团队，甚至可以在十分普通的芯片上，实现神经网络加速芯片的加速效果。对于国内人工智能芯片产业而言，软硬件匹配度不够好的情况并不罕见。

很多人工智能芯片在设计之初的想法是很好的，但是上市后却发现用户不太买账，软件环节做得不够好可能是原因之一。

以算法为例，用户的“美好理想”一般是，利用算法开发平台把算法训练出来后，只需进行傻瓜式移植，就能将其应用在人工智能芯片上，产品随之迅速出炉。但实际情况是，算法移植到人工智能芯片时需要进行硬件化改造，让它适应芯片的硬件。

这个环节需要花费很大的精力，要么应用方来做，要么芯片的设计方来做。目前芯片研发团队大多是硬件出身，在软件支持方面花费的精力相对较少，重视程度依然不足。把真正好的算法，落地到人工智能芯片硬件中，需要进一步实现软硬件协同发展，而这一领域还存在非常大的市场空间。

在人工智能芯片软硬件协同方面，国内的大公司一般做得比较好。因为软件方面例如算法的移植和人工智能芯片的驱动，实现起来有一定难度，需要专门的团队去研发。对于提升人工智能芯片的软硬件协同发展，应结合人工智能芯片产品的定位选择不同策略。

如果人工智能芯片面向的应用场景比较窄，那么在硬件做好的基础上，设计一些软件工具就可以实现应用。但如果是通用型人工智能芯片，支撑的算法范围非常宽泛的话，就需要很好的软件团队与之匹配，否则就会导致芯片的硬件很强大，用户却不买账的尴尬局面。