特稿：点亮人工智能时代需专“芯”

本篇文章1564字，读完约4分钟

新华社北京9月6日专电:点亮人工智能时代需要一个特殊的“核心”

新华社记者刘

去年，“阿尔法狗”(Alpha Dog)打败了韩国棋手李世石(Li Shishi)，后者需要消耗数万瓦，并依赖于巨大的云服务器。一年多以后，一个小小的人工智能芯片可以让手机、手表甚至照相机变得像阿尔法狗一样智能。

随着中国企业率先推出面向市场的人工智能手机芯片，这种手机“核心”正在掀起一股全球热潮。它将如何影响传统芯片的命运？

致力于“核心”

在2017年柏林国际消费电子展上，华为推出了内置神经元网络单元(NPU)的麒麟970人工智能手机芯片，通过对人工智能的深入学习，使手机运行更加高效。

芯片，也称为集成电路，可以根据其功能分为许多类型，其中一些负责电源电压输出控制，一些负责音频和视频处理，一些负责复杂的算术处理。目前，市场上有近百种手机芯片，如指纹识别芯片、图像识别芯片、基带芯片和射频芯片。

现有的芯片有很多种，那么你为什么需要人工智能芯片呢？

随着手机智能应用的日益广泛，传统的芯片要么效率不高，要么不足以支持人工智能所需的大规模神经网络操作。

例如，“谷歌大脑”使用成千上万个通用处理器“运行”几天来学习如何识别猫的脸；阿尔法狗(Alpha Dog)和李世石下棋时使用了数千个中央处理器(CPUs)和数百个图形处理器(GPUs)，每局平均电费近3000美元。对于绝大多数智能需求，传统的基于通用处理器的计算机成本高、功耗高、体积大、速度慢，这是不可接受的。

与传统的4核芯片相比，在处理相同的人工智能应用任务时，麒麟970具有约50倍的能效和25倍的性能优势。

这个职业有专业。专业人士指出，普通的处理器就像瑞士军刀，很普通，但不专业。厨师必须使用专业的菜刀才能做出像样的菜肴，而特殊的深度学习处理器是一把更高效、更快捷的“菜刀”。

“核心”足够强大，可以走得很远

目前，人工智能发展迅速，上层应用依赖于底层核心能力，而这种核心能力就是人工智能处理器。如果不能在芯片上突破，人工智能的应用就不能真正成功。可以说，核心芯片是人工智能时代的战略制高点。

目前，人工智能中使用的深度学习算法具有巨大的数据计算需求，对传统的体系结构和系统提出了巨大的挑战。

深度学习是通过算法为机器设计一个神经网络。这个网络的基本特征是模仿大脑神经元之间的信息传递和处理方式，从多个角度和层次进行观察、学习、判断和决策。近年来，该方法已被应用于许多领域，如人脸识别、语音识别等。这是人工智能领域的热点研究方向之一。

由于海量数据的并行计算能力，用于图像处理的Gpu芯片首次被引入深度学习。2011年，当时在谷歌工作的吴恩达将英伟达图形处理器应用于“谷歌大脑”，结果显示12个图形处理器可以达到相当于2000个处理器的深度学习性能。此后，许多研究机构加快了基于图形处理器的深度学习神经网络。

然而，随着近两年人工智能技术的快速发展，GPU在三个方面表现出局限性:不能充分发挥并行计算的优势，硬件结构固定且不具备可编程性，运行深度学习算法效率低下。

因此，全球科研界和企业都在竞相开发更合适的人工智能芯片，尤其是适合移动通信时代的芯片。

华为与中国科学院计算技术研究所寒武系项目组联合开发的麒麟970人工智能手机芯片首次集成了NPU，将传统的计算、图形、图像和数字(数字)信号处理功能(通常由多个芯片完成)集成到一个芯片中，节省了空，节约了能源消耗，大大提高了计算效率。

据预测，到2022年，脑类计算芯片市场将达到1000亿美元，其中消费终端将是最大的市场，占98.17%。其他需求包括工业检查、空航空、军事和国防等。

在新的计算时代，核心芯片将决定基础设施和未来生态。因此，谷歌、微软、魏超等全球信息技术和通信制造巨头都投入巨资加快人工智能芯片的研发。