人工智能芯片要關注的關鍵問題是什么？

　　如今人工智能芯片已成為全球科技、產業(yè)和社會關注的焦點，學界力爭從各種不同的技術路線對AI芯片性能提升進行探索，世界各地也涌現出了諸多各有側重點的AI芯片公司，從算法、架構、硬軟件等不同的維度去實現高能效的AI計算。AI芯片作為人工智能技術的硬件基礎和產業(yè)落地的載體，吸引了眾多巨頭和創(chuàng)企入局，整個芯片市場新品迭出、各類AI芯片相繼面世。錦宏電路專業(yè)生產PCB線路板。

　　尤其需要注意的是，人工智能算法的更新?lián)Q代較為迅速，在固定架構中會存在很多風險。一旦舊人工智能架構失靈，在新架構出現時，原本的固化架構很大程度上即刻失效。所以，架構的彈性成為業(yè)界需要聚焦的問題。

　　近日，科技部、中央網信辦、國家發(fā)展改革委、國家標準化管理委員會、工業(yè)和信息化部發(fā)布關于印發(fā)《國家新一代人工智能標準體系建設指南》(以下簡稱“《指南》”)的通知，以進一步加強人工智能領域標準化頂層設計，推動人工智能產業(yè)技術研發(fā)和標準制定，促進產業(yè)健康可持續(xù)發(fā)展。

　　《指南》對行業(yè)總體要求、建設思路、建設內容等方面做了具體規(guī)定，智能語音、AI云等領域也迎來了新一輪發(fā)展機遇。對于AI芯片來說，設備需要連接網絡，因而決定了對物聯(lián)網芯片和人工智能芯片的需求。有關數據顯示，全球云端AI芯片市場規(guī)模預計2024年將達100億美元，邊緣AI芯片也同樣增長強勁，未來幾年，年復合增長率約為31%。

　　芯片設計、芯片架構的高壁壘行業(yè)中，RISC-V這股新勢力正在快速崛起、逐步壯大。指令集就像是一整套語言系統(tǒng)，CPU能夠讀懂并按照要求硬件、運行程序。而這套高效的語言規(guī)范，需要在設計CPU的時候都制定好。

　　從芯片架構來看，目前市場上絕大多數AI芯片都是采用傳統(tǒng)的指令集架構。傳統(tǒng)的指令集架構采用馮諾依曼計算方式，通過指令執(zhí)行次序控制計算順序，并通過分離數據搬運與數據計算提供計算通用性。

　　發(fā)展至今，CPU主要有兩大指令集，復雜指令集(CISC)架構x86，精簡指令集(RISC)架構陣營有MIPS、ARM、和RISC-V。一般來看，RISC-V基于“精簡指令集”原則的第五代指令集架構，并且對外開源，由于中立、開源、精簡的屬性，且不太受一個國家政策的影響，因此被不少國家視為彎道超車的機會。

　　有市場研究報告指出，在半導體的歷史上，X86、ARM作為主流架構一直都占有著很大的市場。隨著5G、物聯(lián)網時代的來臨，而RISC-V作為新興架構，以其精簡的體量，或許在未來的IoT領域中能取得突出的優(yōu)勢，其他的應用場景還包括存儲、電子、服務器等市場。

　　人工智能需要繁多的訓練、識別、數據分析、大量計算。所以，AI解決方案應針對不同的應用對網絡和性能參數，要求不同速度、能耗、延遲、準確性，芯片同樣如此。從設計到制造，AI芯片無疑凝聚了人類智慧的結晶。而彈性架構的支撐，將為AI芯片功能完全釋放提供強大支柱。

　　此外，當前人工智能發(fā)展正處于第三波浪潮上，這波浪潮的一大特點就是與業(yè)務緊密結合的人工智能應用場景逐漸落地，擁有先進算法和強大計算能力的企業(yè)成為了十分有力的推動者。當前人工智能的主流技術路徑是深度學習，但無論是產業(yè)界或學術界，都認為深度學習尚存在一些局限性，在機器感知類場景表現優(yōu)異，但在機器認知類場景表現還有待提高。

　　眼下，人工智能服務器正在快速的成熟和完善中，結合整個人工智能技術和服務的發(fā)展，未來人工智能服務器會重點在低功耗設計、智能邊緣計算、軟硬件平臺融合等領域產生新的突破。