半导体芯片如何助力AI应用实现？台积电和格芯的大咖这样说

本站原创，作者：章鹰，电子发烧友执行副主编。

在2018年和2019年这两年，中外厂商AI芯片量产和上市的新闻层出不穷。小编为工程师来梳理一下，看看英特尔、英伟达、超微、华为、阿里巴巴几家的动作。

1、2018年5月下旬，英特尔全球副总裁兼人工智能产品事业部总经理Naveen Rao表示，英特尔正在开发第一个商用神经网络处理器产品英特尔Nervana NNP-L1000（Spring Crest），计划在2019年发布。

2、2018年6月初，英伟达正式发布了全新AI芯片“Jetson Xavier”，在CEO黄仁勋看来：“这台小电脑，将成为未来机器人的大脑”，将该芯片的使用范围清晰定义在机器人领域。

3、2018年8月，英伟达图灵芯片（Turing）台积电大量以12纳米投片，9月底已经开始出货。

4、首度采用台积电7纳米的超微移动加速处理器（APU）架构芯片，最快2018年底至2019年上半年出货。

5、据***工商时报报道，华为自行研发的云端运算AI芯片，包括采用台积电12奈米的Ascend 310及采用台积电7奈米的Ascend 910，预期在2019年第二季推出。

6、12月16日，阿里巴巴成立的芯片公司平头哥（上海）半导体已经在上海完成注册，阿里巴巴首席技术长、达摩院院长张建锋透露，阿里首款AI芯片预计2019年下半年面世。这款芯片将应用在阿里数据中心、城市大脑和自动驾驶等云端数据场景中。

“AI芯片是AI技术发展过程中不可逾越的关键阶段，不管有什么好的AI算法，要想最终得到应用，都必然通过芯片来实现。” 清华大学微电子所所长、中国半导体行业协会集成电路设计分会理事长魏少军断言，芯片是实现人工智能的当然载体。

图：清华大学微电子所所长、中国半导体行业协会集成电路设计分会理事长魏少军

在珠海举办的ICCA2018年会上，中国半导体行业协会集成电路设计分会理事长魏少军教授指出，集成电路设计产业蓬勃发展，芯片设计企业再次大幅度上升，全国共有1698家设计企业，比过去一年暴增了23%。1600多家无晶圆厂设计公司，有AI方面产品的公司也有不少，产品如何落地，值得思考。

作为全球晶元代工龙头的台积电，其董事长张忠谋对外界表示，无论人工智能（AI）、5G等新应用，都脱离不了运算，因此，运算未来辉是非常普遍被需要的技术。而运算是集成电路（IC）的基本，未来无论什么杀手级产品出现，都需要IC，也让IC产业长期看好。

图：台积电董事长张忠谋

张忠谋预料，运算（computing）在未来将会非常重要。他指出MIT新设立运算学院，是个跨学系的学院，原本机械、电子、电机等系所都可以来运算学院修读运算课程，5G和AI的根本都是运算。

张忠谋分析指出，大陆之所以可以诞生寒武纪等AI芯片独角兽，主要是因为大陆有人才和国内庞大的市场。这点和美国市场相同，比如Google， Facebook，这些独角兽能够成功，前提是很大的国内市场。

台积电中国业务发展副总经理陈平陈平观察这一波 AI 热潮需要具备三个关键：海量数据、算法、技术工艺。AI 最先的要素是有“海量数据”才能成立，所有的场景推演和训练都要有数据在背后做依据，如果想要做一个 AI 产品，但没有数据库做基础，那评估的时候就要打个问号！

两个关键点是算法和工艺，半导体工艺技术是台积电的强项，IC 设计客户要追求极致，有好的算法不够，算力也很重要，用 7 纳米就是比 28 纳米的算力强，目前台积电是唯一 7 纳米工艺技术的提供者。寒武纪、华为海思、比特大陆都是台积电的重要客户。

图：格芯市场总监朱宇

格芯市场总监朱宇在12月21日的《人工智能落地应用与趋势》论坛上，指出，半导体给AI应用带来了实现的可能性。他分析说：从云端到Edge端，AI应用分为三个大类：主要集中在AI训练和inference，代表厂商是Google和英伟达；在自动驾驶领域，采用AI是减轻驾驶员在驾驶途中的精力。做自动驾驶，需要车在实时性环境中反应，需要强大的计算平台和AI芯片；在边缘（Edge）端，AI算力提升产品体验，真正改变生活形态的挑战部分。比如家里的空调根据家中人数多少，自动调节温度和湿度，又比如智能门锁，监控人的进出，为芯片设计的厂商带来思考，用那种工艺实现AI算法。

从云端的AI处理器的趋势，经过多年的演进，从CPU到GPU到FPGA，在做云端训练和处理器，大家都在定义自己的架构，这种芯片需要先进工艺，做云端训练，ASIC是必然之路。

服务器90%市场使用的是X86架构，做一个芯片要替代X86， 再加上AI功能，需要更长的过程。加速芯片+服务器芯片，这是比较现实的模式。

AI流程是怎样的？训练一个神经网络，把训练好的神经网络灌到芯片上，以车为主，车子在使用当中，不断有新数据产生和输入，已有的神经网络会做处理和判断，云端不断训练神经网络，终端门店不断将神经网络最新配置到更新车载上。AI的子应用，包括人脸识别、自动驾驶，都是这样的套路。

他指出，大公司在云端AI创新更容易成功，中小型和初创公司在某个细分领域做一些子创新，做AI应用落地更容易找到市场机会。

从工艺角度，业界对AI客户分为两个级别：第一、在数据中心做训练的AI芯片，需求是高效和功耗，先进工艺，效能要高，实现互联互通，采用高带宽Memory，2.5D/3D封装（3／2.5D与多个HBMS或GDDRS的集成）。为了未来新的形态GDR5+GDR6，芯片内部嵌入的Memory也比较多，是一个很大的芯片。第二、边缘端普遍算力不足，这类客户对AI芯片的功耗非常敏感，要考虑功耗与成本的平衡。

手机Soc芯片是顶尖制程最主要应用领域，麒麟980芯片作为首发商用7nm工艺制程手机Soc，麒麟980在指甲盖大小的尺寸上塞进69亿个晶体管，实现了性能与能效的提升，相较上一代处理器在表现上提升75%，在能效上提升58%。为了7nm制程的研发，华为投资远远超过了3亿美元，如果是数据中心使用的AI芯片,面积是麒麟980芯片的几倍，不是一个小公司可以开发的。

朱宇强调，在边缘（Edge）端的创新空间巨大， 终端上普遍存在AI算力不够的情况。“我看到的人脸识别、图像处理加上AI处理引擎，对Memory需求没有那么高， 边缘端对功耗非常敏感，要考虑功耗和成本的平衡。”

AI芯片有三大发展趋势：第一、追求更高性能；第二、从CPU到FPGA的进展可以在没有芯片设计公司的情况下进行，3、迁移到ASIC需要一个充足的设计团队。