AI芯片技术“分叉”百害无利，国产芯片大有可为

采访嘉宾 | 王蕴韬

整理 | 夕颜

导读：在中美贸易战影响下，中国的 AI 造芯能力不仅被提上了国家发展战略的高度，更是成为举国关注的热门话题。在目前中美形势未出现缓和的局势下，中国的企业、机构应该如何做，才能在这场关乎中国未来是否能在前沿科技领域夺得高地的战争中发挥能量，是一个值得深思的问题。

本次采访中，AI 科技大本营邀请到了中国信通院云大所人工智能部副主任王蕴韬，从 AI 芯片标准、落地实践等方面，来谈一下“中国芯”的前路在何方。

推动国产AI芯片发展的努力

中国信通院云大所是中国信通院云计算与大数据研究所的简称，它成立于 2017 年 10 月，是中国信息通信研究院面向互联网新技术、新产业、新模式、新业态不断发展的势态，最新设置的核心业务单元。

该单位的主要职责包括围绕云计算、大数据、人工智能、数据中心以及关联应用领域的开展技术、标准研究，构建相关技术的测试、试验和统计平台，承担相关服务和产品的测试评估工作，承担相关国家重大科技项目、产业化项目，提供相关技术标准的咨询服务。在组织结构上，云大所下设六个二级部门，分别是人工智能部、大数据部、云计算部、数据中心部、智慧健康部、综合部（含金融科技团队）。

王蕴韬所领导的人工智能部研究团队，主要业务为标准评测，包括对 AI 中间软件层、上层基础应用和服务的标准测试，从功能性、性能、安全性等维度进行整体评测。研究方向包括 AI 技术方向、AI 算法跟踪、算法的工程实现、技术生态研究，以及 AI 的开源开放。

AIIA DNN benchmark

如何评价一枚芯片的好坏需要统一的标准，但是目前市面上存在的各种 AI 芯片测试标准，比如比较主流的 MLPerf、DAWNBench、BenchIP、Deepbench 等都具有一定的局限性。

相比之下，中国信通院依托于中国人工智能产业联盟制定了 AI 芯片测试标准 AIIA DNN benchmark，评测的公平公正性、方法的公平公正性，以及所采用的开发工具能力都有一定优势，且不像有些 benchmark 一样带有浓重的商业色彩。

2019 年，AIIA DNN benchmark 又有了新的进展，包括面向服务的 AI 声纹识别、语音合成、机器翻译、计算机视觉等都已经开始进行测试。因为人脸识别现在应用广泛，因此，信通院将在底层层面（如视频结构化等）进行标准化，输出一些比较成熟但业界很达成共识的行业标准。

此前，曾有人对 AIIA DNN benchmark 提出质疑，认为这一标准只是国内企业的厂商的“自娱自乐”，距离得到业内的真正认可还有差距。

对此，王蕴韬回应道，这可能是因为他们对于 AIIA DNN benchmark 所做的工作了解不够全面。事实上，除了国内的 BAT 和几大芯片厂商之外，高通、英伟达、英特尔、Arm 等国外主流芯片厂商已经深度参与到芯片测试甚至整个标准规范制定的过程中。

王蕴韬预计，如果得到更多厂商的支持，今年 10 月份，评估结果发布之后就直接向 V1.0 版本迭代，并于明年正式发布。相较于 V0.5 版本，该版本将覆盖更多端侧测试，并改善 V0.5 版本 benchmark 模型选择和使用方法的局限性，将更多应用企业纳入进来。模型库丰富之后， V1.0 版本将比 V0.5 版本更具指导意义。

另外，信通院目前正在向国际标准看齐，参与到了人工智能国家总体组的工作之中，其中值得注意的一点是，信通院正在牵头成立一个在联合国国际电信联盟下的人工智能赋能多媒体应用的标准课题组，在这个课题组下，信通院将会把国内产业界达成的共识直接做国际标准输出，包括 AIIA DNN benchmark、智慧课堂解决方案、深度学习框架评价指标体系等。目前，信通院正在 ITU 积极争取立项，预计将在今年 10 月份立项，之后需要 1-2 年时间进行输出。

开源开放

在推进 AI 开源方面，信通院今年以来也有一些进展，并表示今年最重要的目标是将中国的标准推向国际。

另外，在中国人工智能产业发展联盟下还设有一个开源开放推进组，他们建立并上线了一个线上社区，希望把目前全球的行业大咖聚在一起，以解决用户在使用开源项目时没有合适的渠道反映自己问题的麻烦。

据悉，目前此开源社区已经有包括之江实验室的钱江源项目、AIIA DNN benchmark 工具等已经加入，该社区聚焦高质量的技术交流，以聚人才、聚项目为指引，切实为广大开发者和开源软件使用者提供高质量服务。

相信在更多标准化和开源项目的推动下，定会为国产 AI 芯片未来的发展扫清一些障碍。

中美贸易摩擦下，国产AI芯片路在如何？

在被问到中美贸易战背景下，中国自研 AI 芯片还面临着哪些瓶颈性问题时，王蕴韬和张永谦的回答不谋而合，两人都表示其实从技术层面讲，中国的芯片厂商研发、生产芯片没有太多压力，而真正的瓶颈，在于生态问题和应用场景问题。

AI芯片厂商应与落地和应用场景紧密结合

对于 AI 芯片厂商来说，决定自家产品是否有市场的关键往往不是技术，而是是否能够落地，并与应用场景紧密贴合，满足用户的需求。举例来说，一款功能强大的 AI 芯片，在某一人脸识别场景下可能效果超过业界平均水平，但用于其他场景下效果也许大打折扣。

然而，让人遗憾的是，目前真正有能力将芯片和算法进行整合的企业很少，一方面是芯片和算法的结合需要投入大量技术、人力和精力，且一般来说周期很长，这导致很多企业无法承担成本。

所以，国产 AI 芯片厂商中，谁能在技术过硬的前提下，为市场提供满足用户需求的产品和配套服务，谁就能在其中占得优势。

技术“分叉”，百害无利

王蕴韬表示，造一颗芯片其实不是很困难，因为现在整个造芯片这套工具体系已经非常成熟了，只要有资金，有能力，有想法，就能造出来，但是芯片造出来还不够，得有人用。这实际上就是一个芯片技术生态的问题。

芯片的技术生态不仅需要底层的硬件，更需要上层软件的一整套软件栈开发和推广。举例来说，为什么微软和英特尔的 Wintel 组合可以通吃芯片市场？这是因为实际上英特尔的芯片与微软操作系统进行了紧密的结合。

然而，反观目前国内很多芯片厂商，他们大部分的精力其实并不在于芯片本身，而是在于芯片的上层，包括深度学习编译器、上层软件工具站、开放能力 API 等软件能力的开发上。另一方面，即使是做出来一套软件，国内厂商如何去与那些产业生态已经非常成熟的企业 PK，这些都是一些非常大的问题。因此，很多后入场者因为在生态上完全没有优势，就算造出来的产品再好，也很有可能无法切入市场。

所以，王蕴韬认为，目前从技术能力来看，除了Arm、高通等国外厂商设置的专利壁垒国内厂商绕不开之外，进入 AI 芯片生态圈也是一个巨大的麻烦。

王蕴韬对此表示无奈，他认为，对于国内芯片厂商来说，首先最关键的问题是，在 AI 芯片领域，我们被人“卡脖子”的核心早就被人抓住了，很难绕开，包括一些底层芯片架构、指令及设计、软件简接口等都带有专利墙，无法避免。

退一步说，如果美国全面实行禁令，我们还可以选择推出自己的一套技术生态系统，但是如果真的到了这一步，就会出现技术“分叉”，即美国有一条技术路线，中国有一条技术路线。

一般来说，一个主流技术一旦分叉，那么很有可能其中一个叉会死掉。到底是哪个分叉死掉确实不太好说，但无论是对产业还是对技术的发展来说，都不是好的事情。

国产AI芯片还处于初级发展阶段

现在，越来越多的传统互联网企业都开始进入 AI 芯片领域，自行造芯，但是实际上却鲜有特别成功的企业。

这里所谓的“成功”，是说生产的芯片有人用。

王蕴韬说道，如果选择的应用场景切入点比较好，而这个点恰巧那些大厂没有“染指”过，那么就能迅速切入并拓展生态，成功的几率就相对较大。传统互联网企业纷纷入局做芯片，其实也与他们在市场上买不到满足自己需求的芯片产品相关，这证明需求方和供给方的对接之间是有问题的，这正是机会所在。

因此，尽管现在AI芯片入局者众多，但是这个行业的成熟度并没有想象中那么高。无论是从应用方面，还是从整体规范方面，以及底层技术提供方源来说，目前还处于非常初始的阶段，还需要从更宏观角度来进行统筹分析和指导。

最后，我们应该看到，中国是最大的芯片市场，但目前国产芯片供给率不到 20%，且大多集中在中低端，这本身就代表着巨大的市场机会，这一现状将来定会催生出大量优秀的国产芯片厂商。从这点来说，国产 AI 芯片的未来，大有可为。

采访嘉宾

王蕴韬，中国信息通信研究院副主任，联合国国际电信联盟ITU-T Q5/16报告人，中国人工智能产业发展联盟开源开放推进组联系秘书长。主要研究方向聚焦在人工智能算法原理研究、人工智能系统架构实现、开源体系架构以及智能语音语义。目前正在牵头制定包括语音识别、语音合成、声纹识别、机器翻译、理解与交互以及自然语言处理基本技术等多项评估评价标准，并在筹备多项相关国际标准立项。在人工智能开源体系及开源技术方面在牵头进行包括开源框架性能对比分析，开放平台能力评价等系统性方法制定。在包括国际电信联盟在内的国际标准组织拥有丰富的标准立项及技术谈判经验。