人工智能將重塑芯片產(chǎn)業(yè)格局2016年谷歌AlphaGo的人工智能圍棋“選手”橫掃世界圍棋界，獲得世界輿論媒體對人工智能的廣泛關(guān)注和討論。而在更早之前的2011年2月，IBM的認(rèn)知計(jì)算平臺Watson在《危險(xiǎn)邊緣》智力問答節(jié)目中以壓倒性優(yōu)勢擊敗人類，創(chuàng)下節(jié)目27年來最好的成績，就已經(jīng)顯示人工智能在部分領(lǐng)域已經(jīng)超越人類大腦的能力。1956年人工智能概念首次提出以來的五十多年里，受計(jì)算機(jī)計(jì)算能力和人工智能基礎(chǔ)技術(shù)的欠缺，其發(fā)展處于躊躇不前。最近十年受益于超級計(jì)算機(jī)、大數(shù)據(jù)積累、云計(jì)算和云存儲技術(shù)發(fā)展，開始可以滿足人工智能大規(guī)模并行計(jì)算能力的部分需求，多種機(jī)器深度學(xué)習(xí)的算法模型開始迎來大規(guī)模的研究和應(yīng)用。一、人工智能應(yīng)用前景廣闊人工智能做為一種基礎(chǔ)技術(shù)，能輔助或者替代人的部分腦力活動，達(dá)到提升效率和增加工作成果的作用，其可以應(yīng)用于各種行業(yè)。目前人工智能在模仿人腦構(gòu)造和邏輯算法等方面的基礎(chǔ)研究仍然處于起步階段，而在細(xì)分應(yīng)用領(lǐng)域的研究成果相對更成熟，比如工業(yè)4.0、機(jī)器人、語音識別、自動問答系統(tǒng)、智能醫(yī)療、安防、智能家居、無人駕駛等。基于比較成熟的人臉識別技術(shù)目前已經(jīng)開始大規(guī)模應(yīng)用在銀行、國防、公安、移動支付、自拍軟件等多種應(yīng)用場景。以人工智能技術(shù)為核心的工業(yè)4.0和工業(yè)機(jī)器人在幾年前掀起了全球性的工業(yè)革命，工業(yè)制造領(lǐng)域的智能化仍在持續(xù)深化加速發(fā)展中。盡管人工智能的基礎(chǔ)性技術(shù)有待成熟，但隨著各細(xì)分應(yīng)用領(lǐng)域研究不斷成熟和各行業(yè)大數(shù)據(jù)的積累，人工智能應(yīng)用的市場價(jià)值已經(jīng)先行顯現(xiàn)，成為各國政府和企業(yè)的投資熱點(diǎn)。根據(jù)機(jī)構(gòu)的研究預(yù)測，僅中國國內(nèi)人工智能市場規(guī)模在2018年將超過406億元，年復(fù)合增長率預(yù)計(jì)25.8%。資本市場近幾年對人工智能領(lǐng)域的投資呈現(xiàn)爆發(fā)性的增長，據(jù)VentureScanner公布的統(tǒng)計(jì)數(shù)據(jù)，2014年人工智能全球投資總額為10億元，同比增長逾50%。2015年則達(dá)到了12億元，超過2014年之前近20年的累計(jì)投資總額。以IBM、谷歌、Facebook、蘋果、阿里等為代表的國際巨頭早已在人工智能領(lǐng)域深耕十多年，目前開始加快向人工智能上下游關(guān)鍵產(chǎn)業(yè)鏈延伸。人工智能產(chǎn)業(yè)鏈上下游傳統(tǒng)的芯片制造企業(yè)、家電家居制造、汽車研發(fā)制造等行業(yè)企業(yè)也開始加大人工智能應(yīng)用方面的研究。二、人工智能重塑芯片市場需求人工智能產(chǎn)業(yè)鏈分為技術(shù)支持層、基礎(chǔ)應(yīng)用層和方案集成層，分別為上中下游產(chǎn)業(yè)。技術(shù)支持層主要由硬件計(jì)算機(jī)芯片和軟件算法模型兩部分構(gòu)成，在人工智能的研發(fā)研究中，通過計(jì)算機(jī)使用大數(shù)據(jù)進(jìn)行大量大規(guī)模運(yùn)算來不斷優(yōu)化算法模型，提高算法模型產(chǎn)品的深度推理和邏輯思考層次，而運(yùn)算能力的核心技術(shù)在于芯片。目前主流的芯片設(shè)計(jì)和構(gòu)架為經(jīng)典馮諾依曼模型，為單程運(yùn)算，而人工智能的人工神經(jīng)算法與傳統(tǒng)計(jì)算模式不同，需要同時(shí)并行運(yùn)算，而原來英特爾CPU的架構(gòu)模式無法適應(yīng)計(jì)算需求。以人工智能算法中研究和應(yīng)用比較廣泛的一種是卷積神經(jīng)網(wǎng)絡(luò)CNN（ConvolutionalNeuralNetwork）算法為例，該模型算法的特性可以概括為海量的輸入數(shù)據(jù)、大規(guī)模的MAC運(yùn)算、稀疏的權(quán)值矩陣、靈活的數(shù)據(jù)位寬和多樣的網(wǎng)絡(luò)拓?fù)涞忍匦?。傳統(tǒng)的馮諾依曼結(jié)構(gòu)的CPU在執(zhí)行該算法時(shí)，其串行執(zhí)行方式無法高效處理大量并行運(yùn)算，導(dǎo)致執(zhí)行效率非常低下，無法滿足計(jì)算量的需求，而硬件數(shù)量的限制也導(dǎo)致并行計(jì)算能力出現(xiàn)瓶頸。盡管目前用于處理圖形的GPU有高度并行運(yùn)算單元并被廣泛運(yùn)用于目前的人工智能研究的計(jì)算系統(tǒng)中，但是GPU仍然不是專為人工智能并行計(jì)算需求而設(shè)計(jì)的芯片，存在功耗大、價(jià)格高，且不適合嵌入式環(huán)境。另外，目前已有的DSP、FPGA等成熟的主流處理器也并不完全適合深度學(xué)習(xí)向的算法模型。換句話來說就是人工智能已經(jīng)開始重塑未來芯片市場的主導(dǎo)需求，而目前這個(gè)市場處于群雄逐鹿的初級競爭階段。人工智能在網(wǎng)絡(luò)科技和傳統(tǒng)產(chǎn)業(yè)中廣闊的應(yīng)用前景，吸引了各路資本包括政府的投資布局，尤其在處于技術(shù)和資本壁壘極高的上游芯片產(chǎn)業(yè)。人工智能對新型芯片的需求將主導(dǎo)芯片市場未來的需求，誰先開發(fā)出先進(jìn)的人工智能芯片產(chǎn)品，誰就將崛起成為芯片行業(yè)的新寡頭。三、人工智能芯片——電子芯片技術(shù)重構(gòu)目前人工智能芯片主流的研發(fā)方向?yàn)橐猿墒祀娮有酒夹g(shù)進(jìn)行電路集成架構(gòu)重新設(shè)計(jì)，以求增加并行運(yùn)算能力、減小尺寸和降低能耗。受芯片行業(yè)高技術(shù)壁壘和資本壁壘因素影響，這方面研發(fā)主要為傳統(tǒng)芯片制造企業(yè)和大型科技公司主導(dǎo)，而目前人工智能芯片主要應(yīng)用于人工智能算法研究的超級計(jì)算機(jī)中，移動設(shè)備、普通計(jì)算機(jī)和人工智能應(yīng)用終端設(shè)備仍然是傳統(tǒng)架構(gòu)的專用芯片。公司發(fā)布時(shí)間AI芯片名稱特性谷歌2016年5月TPU專為TensorFlow深度學(xué)習(xí)算法設(shè)計(jì)的專用集成芯片英特爾預(yù)計(jì)2017年XeonPhi快速計(jì)算，并根據(jù)概率和聯(lián)系做決策，可為計(jì)算帶來更多的浮點(diǎn)性能NVIDIA2016年4月特斯拉P100GPU目前世界最大芯片，可執(zhí)行深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)任務(wù)，運(yùn)算速度快IBM2015年10月TrueNorth在不借用云計(jì)算的情況下，讓移動計(jì)算機(jī)以極低能耗運(yùn)行先進(jìn)機(jī)器智能軟件中科院預(yù)計(jì)2017年寒武紀(jì)專門面向深度學(xué)習(xí)技術(shù)設(shè)計(jì)的處理器芯片微軟2016年9月FPGA可執(zhí)行bing的機(jī)器學(xué)習(xí)算法的FPGA,同時(shí)也是Azure和Office365的“內(nèi)芯”現(xiàn)階段因GPU的并行運(yùn)算優(yōu)勢被大量使用在人工智能的深度學(xué)習(xí)服務(wù)器中，作為GPU處理器方面領(lǐng)軍企業(yè)英偉達(dá)去年股價(jià)飆漲，其同期業(yè)績也出現(xiàn)爆發(fā)性增長。另外，英偉達(dá)也打造NVIDIACUDA平臺大大提升其編程效率、開放性和豐富性，建立了包含CNN、DNN、深度感知網(wǎng)絡(luò)、RNN、LSTM以及強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)等算法的平臺，切入到人工智能領(lǐng)域。但是英偉達(dá)只是人工智能芯片初級競爭階段暫時(shí)領(lǐng)先的企業(yè)，傳統(tǒng)芯片廠商英特爾、高通等近幾年在大規(guī)模收購人工智能智能算法研究和人工智能芯片設(shè)計(jì)方面的企業(yè)，科技企業(yè)巨頭如谷歌、IBM、微軟、亞馬遜、Facebook等也已經(jīng)向人工智能芯片設(shè)計(jì)研發(fā)領(lǐng)域延伸，未來將不斷出現(xiàn)新的人工智能專用芯片，技術(shù)優(yōu)勢和運(yùn)算能力強(qiáng)弱將決定其市場份額的多寡。四、人工智能芯片——量子芯片技術(shù)研發(fā)電子芯片運(yùn)算能力方面有一個(gè)摩爾定律，即每隔18個(gè)月集成電路的晶體管數(shù)量會增加一倍，其運(yùn)算速度也將提升一倍。在摩爾定律提出到現(xiàn)在48年以來，電子芯片的運(yùn)算速度基本沿著這個(gè)規(guī)律持續(xù)提升。但是從物理基本定律基礎(chǔ)上的電子不可再分，電子芯片微型化進(jìn)入納米后無法再更小，摩爾定律最多只能適用10年左右。人工智能的核心就是模擬人大腦的神經(jīng)網(wǎng)絡(luò)和信息處理模式達(dá)到實(shí)現(xiàn)人工智能能力，人腦大概有860億個(gè)神經(jīng)元，2012年谷歌的科學(xué)家將1.6萬個(gè)CPU鏈接起來才創(chuàng)造了一個(gè)擁有10億多條神經(jīng)元鏈接的神經(jīng)網(wǎng)絡(luò)。之前備受矚目的AlphaGo對戰(zhàn)李世石時(shí)動用了1920個(gè)CPU和280個(gè)GPU來保證運(yùn)行，這種超級大的超級計(jì)算機(jī)也只能呆在實(shí)驗(yàn)室中。未來高級的類人人工智能要應(yīng)用于可獨(dú)立處理的終端設(shè)備產(chǎn)品，其超級計(jì)算機(jī)系統(tǒng)必須實(shí)現(xiàn)小型化和微型化，而單個(gè)電子芯片的微型化即將觸碰物理極限，未來人工智能需要的微型超級計(jì)算機(jī)系統(tǒng)也將遇到不可突破的物理極限。另外傳統(tǒng)電子芯片在能耗方面的問題也是重要的制約因素。以AlphaGo為例，其運(yùn)行在一個(gè)龐大的服務(wù)器集群上，下一局棋光電費(fèi)成本就高達(dá)3000美元。在能耗方面還有一個(gè)能量耗損問題帶來計(jì)算過程的散熱問題，這兩方面也制約著電子芯片的進(jìn)一步發(fā)展應(yīng)用。單個(gè)電子芯片運(yùn)算速度遲早到頂，而人工智能需要的超級計(jì)算機(jī)系統(tǒng)微型化將無法實(shí)現(xiàn)。目前最前沿的量子計(jì)算機(jī)理論的研究成果在計(jì)算能力潛力方面有望滿足人工智能的計(jì)算需求，而且其擁有耗能低和不存在能量耗散問題的特性。量子計(jì)算機(jī)的核心就是量子芯片，所謂量子芯片就是講量子線路集成到基片上，進(jìn)而承載量子信息處理的功能。量子計(jì)算機(jī)對每一個(gè)疊加分量實(shí)現(xiàn)的變換相當(dāng)于一種經(jīng)典計(jì)算，所有這些經(jīng)典計(jì)算同時(shí)完成，并按一定的概率振幅疊加起來，給出量子計(jì)算機(jī)的輸出結(jié)果。這種計(jì)算稱為量子并行計(jì)算，也是量子計(jì)算機(jī)最重要的優(yōu)越性。在運(yùn)行速度方面，舉例來說，目前人工智能運(yùn)行需要一千個(gè)或者一萬個(gè)芯片的運(yùn)算速度，換成量子芯片的可能就只需要四個(gè)。量子計(jì)算機(jī)技術(shù)研發(fā)已經(jīng)列為世界很多國家的戰(zhàn)略研究項(xiàng)目，越來越多的企業(yè)也注意到量子計(jì)算的潛能，亞馬遜、谷歌、IBM、微軟、英特爾等科技巨頭也開始投入大量資源進(jìn)行研發(fā)。其中谷歌2013年與NASA及USRA聯(lián)手構(gòu)建了量子人工智能實(shí)驗(yàn)室。目前量子理論和量子計(jì)算方面的研究成果主要掌握在政府