8月16日，在英特爾2023中國學術峰會上，清華大學教授、國際歐亞科學院院士魏少軍表示，未來人工智能技術需要從終端應用出發，以應用定義軟件，再用軟件來定義芯片，以滿足各種人工智能終端設備的定制化需求，并提升算力的供給。

AI芯片要在通用的基礎上更加“智能”

作為引領新一輪科技革命和產業變革的戰略性技術，人工智能正加速發展，為數字經濟社會的高質量發展提供了新動能。數字化新事物、新業態、新模式的不斷涌現，推動了人工智能應用場景向多元化發展。在算力規模不斷擴大、算力需求持續攀升的背景下，如何更加高效地配置、共享、調度并釋放更多算力，成為人工智能發展的一個新的挑戰。

魏少軍表示，智能化發展已經取得了巨大進步，以谷歌為例，谷歌的智能玩家比人類專業玩家能力強10倍，智能唇語識別的精準度達93.4%，語音識別的錯詞率只有5.9%。“雖然，人們依舊難以完全了解人腦計算，但能基于現有的芯片和軟件技術來構建類腦計算機，并實現成就，已實屬不易。”魏少軍說。

盡管，智能化發展已經取得了階段性的進展，但人工智能依舊存在兩個現實問題。第一，算法在不斷演進，新算法層出不窮。第二，沒有統一的算法，只能一種算法對應一種應用。深度學習需要一款“智能計算引擎”，既能具備各類應用的可編程能力，還具備計算和存儲密集型功能以及實現數據從“云端”向“邊緣端”遷移的能力。魏少軍認為，這個“智能計算引擎”，便是如今人工智能領域萬眾期待的新芯片架構。

魏少軍介紹，基于軟件可編程性和硬件可編程性兩方面，可以把AI芯片劃分為四個維度。第一個維度是目前最通用的CPU、DSP等處理器，具有很強的軟件可編程性，但硬件可編程性弱。第二個維度是ASIC、SoC等專用集成電路，此類芯片在運行過程中通常不需要軟件，也意味著軟件可編程性弱，但芯片一旦完成制作，硬件不可更改。此外，在芯片制程工藝進入納米級后，高昂的成本使得具備多品種、小批量特點的專用集成電路難以維持。第三個維度是以FPGA、EPLD等為代表的可編程邏輯器件，在硬件編程方面具備高靈活性，但是軟件可編程性弱，且成本高、價格貴。第四個維度便是如今業內追求的新型芯片架構，該架構既具備很強的軟件可編程性，也具備很強的硬件可編程性。因此，魏少軍認為，“通用”仍然是人工智能芯片的主流架構，然而此通用非彼通用，未來的通用人工智能芯片，需要在通用的基礎上，變得更加“智能”，以滿足各種各樣終端應用的定制化需求。

實現智能，軟件是核心芯片作支撐

若想讓新的芯片架構變得更加“智能”，離不開軟件的加持。

魏少軍表示，如今，高性能計算機的計算能力已經進入到了E級時代。E級超算是指每秒可進行百億億次數學運算的超級計算機，是國際上高端信息技術創新和競爭的制高點，被全世界公認為“超級計算機界的一頂皇冠”。如今已經有企業實現了該技術，美國橡樹嶺國家實驗室的新型超算“前沿”，是全球首臺實現每秒浮點運算速度超過百億億次超算的超級計算機。

與此同時，人們對于更高算力的追求從未停滯。魏少軍表示，到2024年，全球數據量將超過100ZB（1021），這也意味著業內對于計算能力的需求不僅限于E級，未來將很快達到Zetta級（數據量達到1021量級），且需求愈發迫切，但僅依靠現有的計算難以實現。例如，僅僅通過提升芯片工藝制程，難以實現Zetta量級的計算。“下一代超算處理器若達到Zetta級，即使使用尚未量產的3nm工藝，也會因為耗電量和投資額巨大而難以落地。”魏少軍說。

此外， CPU、FPGA、GPU等現有的計算芯片也難以滿足下一代計算的要求，這是由于，現有的計算芯片計算資源占比低，僅不到0.1%，技術資源利用率低，僅不到5%，但數據傳輸能耗高達90%。

因此，在強大算力需求的推動下，若想讓芯片變得更通用、更智能，可以以應用定義軟件，再用軟件定義芯片，保證芯片在具備靈活性的同時，還能大幅提升效率。這不僅可以滿足各種人工智能應用的定制化需求，也能有效增強算力供給。

魏少軍表示，智能軟件是實現智能的載體，應具備自我學習能力、形成知識和經驗的能力、持續改進和優化的能力、再生和組織能力、思維邏輯推理的能力以及做出正確判斷和決策的能力。智能芯片是計算的載體，需要具備高性能計算能力、多任務并行計算能力、足夠的吞吐量、極高的能量效率、靈活高效的存儲尋址功能以及實時動態功能變化能力。因此，軟件和芯片是相輔相成的存在。

“實現智能的核心是軟件，支撐智能的基礎是芯片。”魏少軍說。

來源：中國電子報