圖攝：Pixabay
30秒快讀
1、即便不進行微縮，技術革新仍然能讓晶片的效能提升50到500倍，甚至1000倍。
2、超過萬億演算法引數的模型已經誕生，已經超過了曾被認為最複雜的人腦神經元結構。
3、未來，小公司也許會越來越少，在2～4年裡逐漸走向整合。
“在數字經濟時代，算力就像水和電一樣，一定要成為一種可獲得、可負擔的資源。”華為輪值CEO胡厚崑在2021世界人工智慧大會（下簡稱WAIC 2021）上表示，沒有充足的AI算力就像沒有水和電，會大大制約城市數字化的程序。
那麼在AI時代，智慧城市、工業網際網路、自動駕駛等領域的算力會由誰來承擔呢？是深藏資料中心的雲端算力，還是飛入尋常百姓家的邊緣側算力？未來世界中，算力會無休止增長嗎？中國智慧晶片行業會在“百花齊放”之後重新洗牌嗎？
帶著這一連串疑問，在WAIC 2021的智慧晶片定義產業未來論壇，我們或許可以找到一些答案。
01
即便製程不再微縮
晶片效能還能提升1000倍
對於算力與晶片之間的最基本關係，中國科學院院士、復旦大學教授劉明認為，晶片的發展最終還是要落實到算力上，而算力本身則直接來自於積體電路的發展。
在IC長遠的發展歷程中，微縮常常作為一個標誌性的概念被提及。
全球主要半導體廠商晶片製程進度，圖源：DIGTIMES
晶片製程技術節點，圖源：semiengineering
劉明指出，在最好的時期，僅僅依靠工藝的微縮性，就可以給晶片效能帶來快速提升，給算力帶來巨大的增益。但這是否就意味著晶片只能依賴尺寸的微縮來提升效能？劉明的答案是否定的。在她看來，利用混疊技術提升寬頻的例子就能很好地說明這一點。
當微縮不再成為晶片的限定詞，未來晶片之路又在哪裡？劉明認為，基礎器件的變革和多元化技術的變革，都能為IC的效能帶來進一步的提升。在IC現有的發展中，無論是材料的引進，器件結構的發展，還是光刻技術的出現，都在改變著微縮的基本手段，尤其是如三維異構整合這樣多元技術的出現和協同發展，都將為晶片整體的效能提升帶來很好的增益。
圖源：techhq
即便不進行微縮，據劉明預測，技術革新仍然能讓晶片的效能提升50到500倍，甚至1000倍。
當微縮的空間慢慢變窄之後，產業界也會採用新的策略來評價新一代技術。效能、功耗、面積、成本以及新一代技術進入市場的時間，將決定這一代技術是否值得推廣和研發。而這可能會成為IC產業在不追求尺寸微縮後的新戰略。
除此之外，劉明還認為，儲存計算架構的變革也是智慧晶片未來發展的一個新視角。對儲存來說，越靠近CPU速度越快，而容量越小；越遠離CPU，容量越大，速度越慢。這就意味著，資料的搬運不僅僅在處理和儲存之間，還在不同的儲存層級之間進行，這樣一來，頻繁的資料搬運帶來了延遲功耗。
劉明提出：“透過將傳統以計算為中心的馮氏架構變換成一種新的計算方式，把部分算力下通到儲存，在擁有足夠好效能器件支撐的前提下，就能減少功耗和延遲，提升晶片的算力。”
02
通用、專用晶片此消彼長？
在晶片世界中，通用型晶片和專用型晶片是被粗放劃分的兩大領域，是泛在化、相容性強、效率更低的通用型晶片主導，還是分門別類針對應用場景開發更專注和高效的晶片，一直是業內爭論的焦點之一。
上海天數智芯半導體有限公司董事長兼CEO刁石京表示，人工智慧發展過程中，演算法還在不斷完善，新的應用層出不窮，算力必須有能力匹配靈活多變的應用場景，此時雲端採用通用型晶片的算力價值就得到了體現。
刁石京舉例，PC行業經歷了從Intel、AMD等通用型晶片向GPU專用型晶片的轉變過程，未來隨著市場成熟，大規模應用浮現，應用側、終端側的專用型晶片將逐漸開始大行其道。
圖源：億歐智庫
上海燧原科技有限公司創始人兼CEO趙立東認為，AI還處於起步階段，由於GPU在加速圖形渲染領域的長期應用，其並行處理能力等順理成章地被移植到AI領域。如今，深度學習、機器學習的場景越來越豐富，通用晶片和專用晶片的關係會發生動態變化。
趙立東解釋，在訓練領域，由於需要支援不同的演算法、模型、軟體站等，更適合通用型晶片，而在推理場景下，需要發揮出極致專一的單項效能，更符合專用型晶片的特徵。
愛芯科技董事長兼CEO仇肖莘認為，在邊緣側和終端側，專用型晶片的使用前景更廣，在邊緣側時刻要面對功耗、面積、成本的挑戰，此時Asic晶片等效能更高。
03
演算法引數已超過人腦神經元數量
伴隨著AI行業的快速發展，算力呈現無上限式的快速增長，對半導體行業來說，這儼然就是摩爾定律之後的又一次革命。
趙立東介紹，非盈利組織OpenAI資料顯示，AI算力正以每年10倍的速度極速增長，比摩爾定律更快。
谷歌釋出為自家的最大語言模型GPT-3設計了1750億個引數，這個數字已經接近人腦神經元數量。
圖源：Pixabay
不過這還不是世界上最大的計算模型，目前超過萬億引數的模型已經誕生，已經超過了曾被認為最複雜的人腦神經元結構，這背後無疑需要使用超級強大的叢集算力。
趙立東認為，當前計算模型越來越大，引數越來越多，應用場景也日趨多樣化，AI發展對算力的需求顯然非常巨大。
仇肖莘則提醒，在不同場景下，未必算力越大越強就越好。在邊緣側比拼算力和核心數是不聰明的做法，邊緣側需要提升能效比。目前，一顆10TOPS算力的晶片常常利用率僅有15～20%，如果利用率提高至50～80%，那麼意味著算力得到了4倍的提升。
仇肖莘認為，從AI演算法角度來說，演算法工程師不是創造的引數越多就越好，從晶片效率提高角度來說，還有更聰明的辦法。
刁石京補充，當前的資料、演算法、算力仍常應用於資料對比領域，未來如判斷、決策等都需要新的演算法，“無論演算法如何改進，最終都離不開晶片，這是核心要義。”
04
別讓“外力扭曲了市場”
半導體行業有句老話，老大吃肉，老二喝湯，老三日子不好過。
當前國內半導體領域百花齊放，創業公司數量眾多，未來產業將如何整合？中國半導體公司間將形成怎樣的競爭態勢？
圖源：Pixabay
從投資者角度來看，武嶽峰資本創始合夥人武平透露，自己和其他投資人都曾期盼中國邊緣側應用的興起，但在遲遲不見殺手級應用的前提下，他選擇了先投資雲端領域，例如上海燧原就是設計生產雲端訓練晶片的公司。
但隨著安防、自動駕駛等邊緣側應用場景逐漸清晰，武平表示，投資人此時開始注重邊緣側的投資。
仇肖莘坦言，在其公司所在的終端側市場，存在許多細分市場和小型公司，但晶片行業恰恰需要規模化才能獲得利潤，推動先進技術研發，“未來，小公司也許會越來越少，在2～4年裡逐漸走向整合。”
“是否有外力扭曲了市場”是一個值得關注的話題。刁石京解釋，如市場分割、地方保護主義等非常規競爭手段也在潛移默化中影響著行業，“有些領域本來可以實現快速突破，但依存生態領域，打了十幾年，沒有形成主流生態。”
刁石京呼籲，要讓企業在公平市場環境下競爭，希望在國家政策引導下能建立一個公平的環境，以滿足我國產業需求，戰略追趕國際先進水平。
05
底層支撐社會管理和製造業轉型
圖源：Pixabay
雖然安防、自動駕駛等應用已經讓人們看到了AI應用的真實落地場景，但這還不“解渴”，蓬勃發展的AI和半導體行業顯然還需要更多的“殺手級市場”，那麼這些潛在的行業應用究竟藏在哪裡呢？
武平對此頗為樂觀，除了看好工業4.0概念之外，他認為，起居、出行、駕駛、運動鍛鍊、生物醫藥，“所有角落都可能藏著改變的機遇。”
刁石京認為，半導體行業應該在國家社會管理和製造業轉型升級兩大方面起到底層支撐作用，而這反之也是行業的藍海市場。
趙立東分析，客觀來看，目前算力需求最大的肯定還是網際網路行業，BAT、位元組、快手等網際網路巨頭在應用端不斷湧現新的演算法模型。這塊市場是任何智慧晶片廠商都無法迴避的。
同時，趙立東認為，AI對傳統行業的賦能將是另一大機遇，金融電力、智慧製造、醫療教育、運營商等許多垂直行業都有需求，且這些行業的准入門檻比網際網路行業低，恰恰是國產智慧晶片廠商的機會。
另外，以智慧城市、平安城市、智慧交通等為基礎的新基建市場也不能忽視，“現在不少城市都在建算力中心，這塊市場就放在那裡，而且對國產化要求也比較高。”趙立東說道。
作者／IT時報記者 王昕 見習記者 範昕茹
編輯／挨踢妹
排版／黃建
圖片／DIGTIMES、semiengineering、techhq、億歐智庫、Pixabay
來源／《IT時報》公眾號vittimes
