来源：《中国科学报》 2019-05-09
近几年，机器视觉、自然语言处理、无人驾驶等大规模新型应用需求催生了人工智能研究的热潮，国际科技巨头纷纷推出面向人工智能的专用智能芯片：谷歌为其深度学习神经网络打造基于ASIC的专用TPU芯片，微软推出了基于FPGA的视觉芯片A-eye，英特尔宣布与Facebook共同打造AI芯片，特斯拉和AMD正联合研发用于自动驾驶的AI芯片……
然而，目前大部分智能芯片仅作为支持人工神经网络计算的特定领域处理器。那么，实现专用智能芯片的核心瓶颈集中在哪些方面？智能芯片是否具有自主连续学习的能力，以实现智慧的自我升级与成长？
功能：算力是对智能芯片的误解
阿尔法狗（AlphaGo）接连打败国际围棋高手李世石、柯洁后，AI的算力震惊世界。无锡中微亿芯有限公司总经理单悦尔却表示，近年来，外界对芯片提供的“算力”（计算能力）关注较多，同时现在很多应用中芯片都发挥着强大的运算能力，但以此认为芯片等价于运算/计算，甚至智能芯片就意味着更强大的算力，这是对智能芯片的误解。
事实上，甚少有人关注AlphaGo打败对手消耗的“能量”。复旦大学专用集成电路与系统国家重点实验室常务副主任曾晓洋表示，从能量消耗角度看，可能李世石吃了一碗粥，但是AlphaGo却是不计一切代价在“战斗”。真正的智能芯片不该如此，应通过更高层次的构架，减轻运算负担，使芯片告别“体力活”。
此外，成倍增长的数据对芯片造成极大压力，怎么样既能算得不累，又省点能耗呢？软件升级势在必行。
与此同时，当前，应用对设备智能化、微型化提出更高要求，单纯变更系统软件对于解决问题来说杯水车薪。南京大学微电子副院长李丽表示，需要用更智慧的方法来处理，要依赖顶层的设计方法学、中间层的电路以及技术技巧等来解决这些关键问题。
一些方案尝试通过变革常见硬件——芯片，使芯片与软件配合更加“天衣无缝”，以提升设备性能，比如，面向智能感知的专用芯片的研究就是其中一种颇受关注的解决方案。目前，该类芯片的应用集中于智能感知领域，比如智能家居、智能监控、智能穿戴、智能机器人等。专家认为，专用智能芯片具有低功耗、高性能，安全性和灵活性好的特点，解决了硬件不可再生的费用投入非常大、使用周期和寿命很短的问题。
军事科学院国防科技创新研究院人工智能研究中心主任戴华东表示，实际上很多芯片并不一定要求各方面的能力都非常强，只要专注于一点，这一点就是芯片的“杀手锏”。
发展：动静态芯片并行
智能芯片前景如何？业界普遍认为，没有确切的说法。目前尚处于论文文献或设想阶段，比如存内计算。世界处于变化中，很难有一种声音说服全世界，但芯片的关键要做到智慧，实现自学习、自适应。
戴华东表示，尽管前途扑朔迷离，但目前已经到了订立目标的关键时期。可以将可解释的人工智能，适应环境的、具有持续学习能力的人工智能作为下一步的发展目标。
具体来说，针对军事智能领域，除了对客观信息的感知、增强数据储备精确度之外，更关键的是在作战决策、辅助分析方面提供支撑。
如何实现？李丽表示，单纯变化软件、硬件打配合，在指令的推进下一条一条运算的时代已成过去，未来业态是静态和动态并举的方式。
以FPGA为代表的静态芯片，其承载的信息量较大，在5G通信、大数据、物联网领域有巨大的潜力。虽然，技术与应用相对成熟，但对比国外，国内的发展尚有差距，国内生产厂家寥寥，未来尚有广阔增长空间。
此外，动态可重构芯片亦是业界讨论的热点。该类芯片支持动态改变设备功能，对重构技术提出更高要求，但困难在于编程技术的实现，以及怎样改变原来的指令和数据流的二维方法。李丽表示，该方法尝试从传统的器件、工艺创新转向芯片架构创新，集成可编程硬件的系统，通过一系列定时变化的物理控制点，完成空间并行求解过程。可以说，这一过程实现了对硬件的可重构计算，将成为未来专用智能芯片的实现架构。
亮点：用AI设计AI芯片
先行一步的AlphaGo为研究界带来了一个启示，只学习了围棋的规则的AlphaGo，能走出围棋选手一般不会走的招数，如今一些职业选手也在学习AlphaGo下围棋的方法。
单悦尔表示，AlphaGo的先进之处在于未受到其他运算的干扰，这也是其自我创新的原动力。这提示用AI来设计AI芯片的可能性，即教会AI如何设计芯片。
单悦尔说，告诉AI要什么，但是不要告诉它对错好坏，让它自己去学习，给予足够的算力、资源和决策权，优化算法和策略，给它时间，这可能会给专业领域的芯片应用带来惊喜。
一般来说，在算力充足的情况下，AI可以同时迭代几千次甚至上万次，这是普通芯片无法做到的；如果启用人力承担AI的迭代工作，也意味着高昂的成本。
目前，一些芯片已经提出加入AI功能，单悦尔表示，人类不一定能在短期内设计出这样的芯片，这是一段漫长的路，需要不断进行架构验证、规则验证、修补等，但这是一个趋势，甚至会对芯片设计的理念、流程产生颠覆性的影响。
此外，戴华东表示，每个领域都有自己的装置和领域的算法、模型以及芯片需求，针对各个领域设计专用芯片成本高昂，目前来看，相关领域、相关功能的集成是两全之法。比如视觉功能，将视觉的表征、计算模型和算法形成的体系打包，那么，这个“包裹”就可以嵌合到监视、拍摄等涉及视觉功能的芯片中，这时芯片可以通过重构和配置适用于多个应用中。