原標題：AI芯片技術“分叉”百害無利，國產芯片大有可為

采訪嘉賓 | 王蘊韜

整理 | 夕顏

導讀：在中美貿易戰影響下，中國的 AI 造芯能力不僅被提上了國家發展戰略的高度，更是成為舉國關注的熱門話題。在目前中美形勢未出現緩和的局勢下，中國的企業、機構應該如何做，才能在這場關乎中國未來是否能在前沿科技領域奪得高地的戰爭中發揮能量，是一個值得深思的問題。

本次采訪中，AI 科技大本營邀請到了中國信通院云大所人工智能部副主任王蘊韜，從 AI 芯片標準、落地實踐等方面，來談一下“中國芯”的前路在何方。

推動國產AI芯片發展的努力

中國信通院云大所是中國信通院云計算與大數據研究所的簡稱，它成立于 2017 年 10 月，是中國信息通信研究院面向互聯網新技術、新產業、新模式、新業態不斷發展的勢態，最新設置的核心業務單元。

該單位的主要職責包括圍繞云計算、大數據、人工智能、數據中心以及關聯應用領域的開展技術、標準研究，構建相關技術的測試、試驗和統計平臺，承擔相關服務和產品的測試評估工作，承擔相關國家重大科技項目、產業化項目，提供相關技術標準的咨詢服務。在組織結構上，云大所下設六個二級部門，分別是人工智能部、大數據部、云計算部、數據中心部、智慧健康部、綜合部（含金融科技團隊）。

王蘊韜所領導的人工智能部研究團隊，主要業務為標準評測，包括對 AI 中間軟件層、上層基礎應用和服務的標準測試，從功能性、性能、安全性等維度進行整體評測。研究方向包括 AI 技術方向、AI 算法跟蹤、算法的工程實現、技術生態研究，以及 AI 的開源開放。

AIIA DNN benchmark

如何評價一枚芯片的好壞需要統一的標準，但是目前市面上存在的各種 AI 芯片測試標準，比如比較主流的 MLPerf、DAWNBench、BenchIP、Deepbench 等都具有一定的局限性。

相比之下，中國信通院依托于中國人工智能產業聯盟制定了 AI 芯片測試標準 AIIA DNN benchmark，評測的公平公正性、方法的公平公正性，以及所采用的開發工具能力都有一定優勢，且不像有些 benchmark 一樣帶有濃重的商業色彩。

2019 年，AIIA DNN benchmark 又有了新的進展，包括面向服務的 AI 聲紋識別、語音合成、機器翻譯、計算機視覺等都已經開始進行測試。因為人臉識別現在應用廣泛，因此，信通院將在底層層面（如視頻結構化等）進行標準化，輸出一些比較成熟但業界很達成共識的行業標準。

此前，曾有人對 AIIA DNN benchmark 提出質疑，認為這一標準只是國內企業的廠商的“自娛自樂”，距離得到業內的真正認可還有差距。

對此，王蘊韜回應道，這可能是因為他們對于 AIIA DNN benchmark 所做的工作了解不夠全面。事實上，除了國內的 BAT 和幾大芯片廠商之外，高通、英偉達、英特爾、Arm 等國外主流芯片廠商已經深度參與到芯片測試甚至整個標準規范制定的過程中。

王蘊韜預計，如果得到更多廠商的支持，今年 10 月份，評估結果發布之后就直接向 V1.0 版本迭代，并于明年正式發布。相較于 V0.5 版本，該版本將覆蓋更多端側測試，并改善 V0.5 版本 benchmark 模型選擇和使用方法的局限性，將更多應用企業納入進來。模型庫豐富之后， V1.0 版本將比 V0.5 版本更具指導意義。

另外，信通院目前正在向國際標準看齊，參與到了人工智能國家總體組的工作之中，其中值得注意的一點是，信通院正在牽頭成立一個在聯合國國際電信聯盟下的人工智能賦能多媒體應用的標準課題組，在這個課題組下，信通院將會把國內產業界達成的共識直接做國際標準輸出，包括 AIIA DNN benchmark、智慧課堂解決方案、深度學習框架評價指標體系等。目前，信通院正在 ITU 積極爭取立項，預計將在今年 10 月份立項，之后需要 1-2 年時間進行輸出。

開源開放

在推進 AI 開源方面，信通院今年以來也有一些進展，并表示今年最重要的目標是將中國的標準推向國際。

另外，在中國人工智能產業發展聯盟下還設有一個開源開放推進組，他們建立并上線了一個線上社區，希望把目前全球的行業大咖聚在一起，以解決用戶在使用開源項目時沒有合適的渠道反映自己問題的麻煩。

據悉，目前此開源社區已經有包括之江實驗室的錢江源項目、AIIA DNN benchmark 工具等已經加入，該社區聚焦高質量的技術交流，以聚人才、聚項目為指引，切實為廣大開發者和開源軟件使用者提供高質量服務。

該社區已于今年 7 月份上線，網址為 http://os.aiiaorg.cn/，感興趣的同學可以訪問了解。

相信在更多標準化和開源項目的推動下，定會為國產 AI 芯片未來的發展掃清一些障礙。

中美貿易摩擦下，國產AI芯片路在如何？

在被問到中美貿易戰背景下，中國自研 AI 芯片還面臨著哪些瓶頸性問題時，王蘊韜和張永謙的回答不謀而合，兩人都表示其實從技術層面講，中國的芯片廠商研發、生產芯片沒有太多壓力，而真正的瓶頸，在于生態問題和應用場景問題。

AI芯片廠商應與落地和應用場景緊密結合

對于 AI 芯片廠商來說，決定自家產品是否有市場的關鍵往往不是技術，而是是否能夠落地，并與應用場景緊密貼合，滿足用戶的需求。舉例來說，一款功能強大的 AI 芯片，在某一人臉識別場景下可能效果超過業界平均水平，但用于其他場景下效果也許大打折扣。

然而，讓人遺憾的是，目前真正有能力將芯片和算法進行整合的企業很少，一方面是芯片和算法的結合需要投入大量技術、人力和精力，且一般來說周期很長，這導致很多企業無法承擔成本。

所以，國產 AI 芯片廠商中，誰能在技術過硬的前提下，為市場提供滿足用戶需求的產品和配套服務，誰就能在其中占得優勢。

技術“分叉”，百害無利

王蘊韜表示，造一顆芯片其實不是很困難，因為現在整個造芯片這套工具體系已經非常成熟了，只要有資金，有能力，有想法，就能造出來，但是芯片造出來還不夠，得有人用。這實際上就是一個芯片技術生態的問題。

芯片的技術生態不僅需要底層的硬件，更需要上層軟件的一整套軟件棧開發和推廣。舉例來說，為什么微軟和英特爾的 Wintel 組合可以通吃芯片市場？這是因為實際上英特爾的芯片與微軟操作系統進行了緊密的結合。

然而，反觀目前國內很多芯片廠商，他們大部分的精力其實并不在于芯片本身，而是在于芯片的上層，包括深度學習編譯器、上層軟件工具站、開放能力 API 等軟件能力的開發上。另一方面，即使是做出來一套軟件，國內廠商如何去與那些產業生態已經非常成熟的企業 PK，這些都是一些非常大的問題。因此，很多后入場者因為在生態上完全沒有優勢，就算造出來的產品再好，也很有可能無法切入市場。

所以，王蘊韜認為，目前從技術能力來看，除了Arm、高通等國外廠商設置的專利壁壘國內廠商繞不開之外，進入 AI 芯片生態圈也是一個巨大的麻煩。

王蘊韜對此表示無奈，他認為，對于國內芯片廠商來說，首先最關鍵的問題是，在 AI 芯片領域，我們被人“卡脖子”的核心早就被人抓住了，很難繞開，包括一些底層芯片架構、指令及設計、軟件簡接口等都帶有專利墻，無法避免。

退一步說，如果美國全面實行禁令，我們還可以選擇推出自己的一套技術生態系統，但是如果真的到了這一步，就會出現技術“分叉”，即美國有一條技術路線，中國有一條技術路線。

一般來說，一個主流技術一旦分叉，那么很有可能其中一個叉會死掉。到底是哪個分叉死掉確實不太好說，但無論是對產業還是對技術的發展來說，都不是好的事情。

國產AI芯片還處于初級發展階段

現在，越來越多的傳統互聯網企業都開始進入 AI 芯片領域，自行造芯，但是實際上卻鮮有特別成功的企業。

這里所謂的“成功”，是說生產的芯片有人用。

王蘊韜說道，如果選擇的應用場景切入點比較好，而這個點恰巧那些大廠沒有“染指”過，那么就能迅速切入并拓展生態，成功的幾率就相對較大。傳統互聯網企業紛紛入局做芯片，其實也與他們在市場上買不到滿足自己需求的芯片產品相關，這證明需求方和供給方的對接之間是有問題的，這正是機會所在。

因此，盡管現在AI芯片入局者眾多，但是這個行業的成熟度并沒有想象中那么高。無論是從應用方面，還是從整體規范方面，以及底層技術提供方源來說，目前還處于非常初始的階段，還需要從更宏觀角度來進行統籌分析和指導。

最后，我們應該看到，中國是最大的芯片市場，但目前國產芯片供給率不到 20%，且大多集中在中低端，這本身就代表著巨大的市場機會，這一現狀將來定會催生出大量優秀的國產芯片廠商。從這點來說，國產 AI 芯片的未來，大有可為。

采訪嘉賓

王蘊韜，中國信息通信研究院副主任，聯合國國際電信聯盟ITU-T Q5/16報告人，中國人工智能產業發展聯盟開源開放推進組聯系秘書長。主要研究方向聚焦在人工智能算法原理研究、人工智能系統架構實現、開源體系架構以及智能語音語義。目前正在牽頭制定包括語音識別、語音合成、聲紋識別、機器翻譯、理解與交互以及自然語言處理基本技術等多項評估評價標準，并在籌備多項相關國際標準立項。在人工智能開源體系及開源技術方面在牽頭進行包括開源框架性能對比分析，開放平臺能力評價等系統性方法制定。在包括國際電信聯盟在內的國際標準組織擁有豐富的標準立項及技術談判經驗。

(*本文為 AI科技大本營原創文章，轉載請聯系微信 1092722531)

◆

◆

9大技術論壇、60+主題分享，百余家企業、千余名開發者共同相約 2019 AI ProCon！技術驅動產業，聚焦技術實踐，傾聽大牛分享，和萬千開發者共成長。5折優惠票搶購中！返回搜狐，查看更多

責任編輯：