人工智能芯片與人工智能框架代表企業

作為算力算法的關鍵基礎,人工智能芯片、人工智能框架的性能決定著人工智能產業的發展。

隨著人工智能成為大國競爭的新焦點。與美國相比,我國目前人工智能的短板就是關鍵根技術的缺失。

“十四五”時期人工智能規劃需要關注的重點就是如何通過明確我國人工智能技術發展路線,發揮我國制度優勢,促進人工智能根技術突破和創新。

AlphaGo再次進化。

2020年12月,據《自然》雜志報道,DeepMind公司的一項研究提出了MuZero算法,可以在不知道規則的情況下,通過自己試驗,掌握圍棋、國際象棋等游戲,被認為在尋求通用人工智能算法方面邁出重要一步。

許多人還記得,2016年,這個人工智能程序的“前輩”AlphaGo第一次戰勝人類世界頂級圍棋選手。一年后,繼任者AlphaGoZero通過規則輸入和自我博弈進行學習,在僅40天的訓練后成功擊敗上一代產品。不久之后,9小時掌握國際象棋、12小時掌握日本將棋、13天掌握圍棋的AlphaZero出世……

是什么讓人工智能飛速進化?

如果把人工智能比作一棵“技術樹”,擊敗人類棋手的人工智能程序只是“樹冠”,為整棵樹提供滋養、使其不斷升級的,則是圍繞基礎軟硬件的人工智能根技術。

中國科學技術信息研究所黨委書記趙志耘告訴《t望》新聞周刊記者,人工智能根技術,是指那些能夠支撐人工智能技術發展和支撐人工智能產業衍生的基礎研究和關鍵技術,比如人工智能芯片、系統框架等。

根深葉茂。某種程度上,根技術,決定著產業發展的興衰。

根技術左右人工智能生態

人工智能對計算能力的需求有多強?

據硅谷非營利組織OpenAI測算,2012年開始,全球人工智能訓練所用的計算量呈現指數增長,平均每3.43個月便會翻一倍,目前計算量已擴大30萬倍,遠超算力增長速度。傳統的CPU架構早已無法滿足深度學習對算力的需求,AlphaGo的硬件基礎就是專注神經網絡算法、大幅加快運算速度的TPU芯片。

可以說,作為算力的關鍵基礎,人工智能芯片的性能決定著人工智能產業的發展。

清華大學微納電子系教授魏少軍指出,現有CPU、GPU、FPGA等芯片的基本架構早在這次人工智能突破之前就已經存在了,并不是為人工智能而專門設計的,因此不能完美地承擔實現人工智能的任務。人工智能對芯片的要求,除了足夠的算力和極高的能效比,還需要一個高能效、通用的計算引擎。

魏少軍認為人工智能芯片至少應有以下幾個特質:第一,可編程性,要適應算法的演進和應對多樣性,因為算法不穩定,在不斷變化;第二,架構動態可變性,要適應不同算法;第三,高效的架構變換能力,因為不同的運算要求變換不同的架構。

除此之外,AlphaGo之所以能在極短時間內快速“進化”,算法的提升同樣功不可沒,背后是人工智能算法框架使然。

賽迪智庫信息化與軟件產業研究所信息技術研究室負責人許亞倩說,算法框架能夠極大地提高人工智能學習效率。一方面,算法框架降低了深度學習的難度,提供進行深度學習的底層架構、接口,以及大量訓練好的神經網絡模型,減少用戶的編程耗時。另一方面,大部分深度學習框架具有良好的可擴展性,支持將復雜的計算任務優化后在多個服務器的CPU、GPU或TPU中并行運行,縮短模型的訓練時間。

此外,許亞倩認為,算法框架還是人工智能核心生態圈建立的關鍵環節。算法框架是決定人工智能技術、產業、應用的核心環節,是人工智能核心生態圈建立的基礎和關鍵。算法框架的研發能夠促進生態圈關聯及外圍的芯片、系統、軟硬件平臺等產業發展,從而促進人工智能核心生態圈的建設。

歐美發達國家已經在人工智能算法框架方面進行了大量的研究和開發應用。Google、亞馬遜、微軟、IBM等國際科技巨頭紛紛布局算法框架,搶占技術和市場先機,開發開源了TensorFlow、PyTorch等一批主流人工智能算法框架。

根技術是關鍵短板

“隨著中美競爭態勢加劇,人工智能成為大國競爭的新焦點。與美國相比,我國目前人工智能的短板就是關鍵根技術的缺失。”趙志耘說。

受訪專家指出,近年來,我國人工智能在技術與應用方面取得了巨大進展,在國際上具備了一定的競爭力,但基礎層整體實力較弱,缺乏人工智能框架、人工智能芯片等根技術的支撐――芯片大多依賴進口,計算力方面的基礎薄弱,且開源框架受制于國外巨頭。

據了解,我國芯片進口額已經連續多年超過石油,2019年超過3000億美元;操作系統、高端光刻機仍被國外公司壟斷,90%以上傳感器來自國外。

賽迪智庫人工智能產業形勢分析課題組研究指出,在人工智能的算力支持方面,IBM、HPE、戴爾等國際巨頭穩居全球服務器市場前三位,浪潮、聯想、新華三等國內企業市場份額有限;國內人工智能芯片廠商需要大量依靠高通、英偉達、AMD、賽靈思、美滿電子、EMC、安華高、聯發科等國際巨頭供貨,中科寒武紀等國內企業發展剛剛起步。

用清華大學電子工程系教授汪玉的話概括,大致上國內人工智能芯片在需要聰明智慧的環節做得不錯,但在需要積累沉淀的環節做得卻不夠好。專家指出,我國人工智能芯片在通用化、產業鏈完整度、高速接口和專用的集成電路IP核等方面都存在短板。

“對于人工智能芯片產業來說,僅有好的硬基礎是不夠的,在硬基礎上再做出好的軟件,才能做得更好。”中國信息通信研究院云計算與大數據研究所總工程師王蘊韜強調說。

目前,我國在基礎軟件方面仍面臨外國廠商獨大的局面。數據顯示,中國服務器發貨量占全球28%,中國的操作系統銷售額則占全球不足6%。從全球市場份額來看,中國應用軟件基本達成了“三分天下有其一”的格局。但從技術底座來看,只有約10%的政府類應用軟件運行在中國的技術底座上,其余九成的應用還是以國外技術底座為主。

t望智庫聯合莫干山研究院發布的《賦能數字經濟擁抱算力時代》報告則指出,我國新計算產業底層技術架構和標準由國外企業主導,存在較高產業安全風險。自第一代電子管計算機ENIAC面世以來,CPU外圍所有的接口總線標準制定權,都掌握在國外企業手中,我國企業只能在既定框架內謀求發展。

以人工智能框架這樣的基礎軟件為例,深度學習主流框架TensorFlow、Caffe等均為美國企業或機構掌握,國內還缺少自主可控的全場景計算框架,且目前計算框架存在開發門檻高、運行成本高、部署難度大等亟待解決的問題。

《賦能數字經濟擁抱算力時代》報告指出,目前西方國家以超30%的投入主導全球關鍵開源社區和開源項目。GitHub(一個面向開源及私有軟件項目的托管平臺)2019年年度報告顯示,在其4000萬的用戶(開發人員)中,美國開發人員占30%,其他國家的開發人員占到70%;年度最受歡迎的Top10開源軟件和項目,均由谷歌、微軟、Facebook等美國公司主導。雖然2020年,來自美國的開源貢獻者下降到22.7%,越來越多的開發者來自中國(9.76%)和印度(5.2%),但總體來看,我國在開源社區和項目的貢獻度仍然不高,影響力有待進一步提高。

超前布局突破根技術制約

趙志耘認為,“十四五”時期人工智能規劃需要關注的重點是如何通過明確我國人工智能技術發展路線,發揮我國制度優勢,促進人工智能根技術突破和創新。

人工智能芯片方面,專家表示,首先需要全面布局,在政府層面加強對通用芯片支持力度。在技術路徑上,遵循全面布局,分步突破原則,近期重點突破以NPU為代表的ASIC芯片,遠期突破GPU、FPGA等通用芯片;在應用環節上逐步拓展,從邊緣端逐步擴展到云端,從推理芯片拓展到訓練芯片;同時探索多種芯片高效協同運行的芯片解決方案。由于ASIC芯片專用性強,不同廠商往往需根據應用場景需求自主研發;而GPU、FPGA等通用芯片由于有標準化產品,國內終端應用廠商自主研發或國產化替代意愿不強。因此,政府層面應在GPU和FPGA等通用芯片領域加強布局推廣力度。

此外,加強類腦芯片等前沿性領域布局。充分發揮國內高校以及科研院所力量,布局類腦芯片等前沿性領域。該領域國際巨頭尚未形成技術及知識產權壁壘,提前布局將使我國在人工智能芯片領域存在換道超車的可能性。

賽迪顧問股份有限公司的研究認為,人工智能芯片未來將呈現新發展趨勢。如芯片開發將從技術難點轉向場景痛點。目前,人工智能芯片設計更多地是從技術角度出發,以滿足特定性能需求。未來,芯片設計需要從應用場景出發,借助場景落地實現規模發展。又如,技術路線將從專用芯片轉向通用芯片。目前應用于人工智能領域的芯片多為特定場景設計,不能靈活適應多場景需求,未來需要專門為人工智能設計靈活、通用的芯片。另外,現階段人工智能芯片產業的發展方式大多以企業為主體,產品上下游企業的運營和管理相對獨立,但同環節的企業卻高度競爭,未來產業發展應以合作為主線,形成產業生態。

北京大學經濟學院教授、深圳市灣區數字經濟與科技研究院院長曹和平表示,發展人工智能芯片要有產業思維。“要做產業,而不僅僅是做產品。要在促進芯片產業發展的前提下做芯片,在全景產業鏈條下做芯片的外部性成本更低。”

中國工程院院士高文認為,開源是軟件時代非常關鍵的一條技術路線,人工智能領域也應該采用。

中國工程院院士倪光南表示,芯片設計門檻極高,只有極少數企業能夠承受中高端芯片研發成本,這也制約了芯片領域創新。我國可以借鑒開源軟件成功經驗,降低創新門檻,提高企業自主能力,發展國產開源芯片。

人工智能框架方面,專家指出,新一代人工智能開源計算框架,首先要讓人工智能專家、工程師、數據科學家們可以更好地使用;其次,計算框架需要滿足人工智能全場景的應用需求,更好地保護數據隱私;并且可開源,通過開源形成廣泛的應用生態,廣泛支持不同類型的人工智能芯片、硬件設備、應用等。目前,深度學習框架開源已成趨勢。曠視深度學習框架天元、華為深度學習框架MindSpore皆已正式開源。

趙志耘還建議,應通過集約化建設人工智能基礎設施和計算中心等,進一步利用長板,加快人工智能與行業深度融合,培養多層次人才,確保我國人工智能產業在中長期國際競爭中持續保持領先。

目前,新基建正帶動一批人工智能基礎設施落地。2020年以來,河南、安徽、廣州等地均有數據中心項目啟動。去年,總投資超150億元的騰訊長三角人工智能超算中心及產業基地落戶上海松江區,武漢人工智能計算中心也啟動建設。趙志耘認為,人工智能計算中心是人工智能產業的基礎算力供給平臺,能極大發揮集聚效應,承擔人工智能領域的國家重大戰略需求、基礎共性技術攻關、前瞻性基礎與算法研究,并能帶動當地優勢產業領域的人工智能核心技術研發及應用,促進高端人才培養。