自主可控发展人工智能产业.pdfVIP

聚焦Focus|趋势展望

自主可控发展人工智能产业

■王艺儒︱文

虽然人工智能应用在我国蓬勃发展，但相比于欧美等国，我国人工智能的产业链自主

可控能力和技术原始创新能力仍然任重道远，计算芯片、软件框架等产业基础层尚未突破，

较多依赖于国外开源框架和现有数学模型等。“上层繁荣底层贫瘠”的发展模式有可能给人

工智能产业带来“卡脖子”风险，一旦人工智能领域的竞争上升到国家战略层面，将与芯片、

操作系统、工业软件等产业一样陷入窘境，支撑的上层各类行业应用也将摇摇欲坠。“十四五”

规划纲要将人工智能列为科技前沿领域攻关的首要位置，并将“专用芯片研发”和“深度学

习框架平台构建”列为关键任务，表明国家已经开始重视并致力于解决人工智能产业的“卡

脖子”隐患。本文旨在系统阐释人工智能产业链的最薄弱环节，明确防守要位，研判发展趋

势，锁定发展机会，最后提出针对性建议。

阶段，距离产业化尚远，但因颠覆传统架构、

我国发力人工智能产业关键环节实现存算一体、有望突破算力瓶颈，而被产业

界寄予厚望。

我国在专用型AI芯片及类脑芯片领域异军当前，美国巨头企业凭借产业先发优势和

突起技术版图布局，几乎垄断通用型AI芯片市场。

广义范畴上，所有针对人工智能应用的芯英伟达、英特尔、AMD三大巨头在CPU及

片均可被称为AI芯片。AI芯片的技术路线分GPU领域三分天下；Xilinx和Altera共同占

为两个方向：一类是延续传统计算架构，已实据FPGA领域全球90%以上的市场份额，二

现规模产业化的CPU/GPU/FPGA/ASIC芯者分别被AMD和英特尔收购。美国牢牢掌控

片，其中CPU/GPU/FPGA属于通用型AI芯着AI通用芯片市场，而我国无论在芯片设计

片，其硬件逻辑架构并非针对AI算法专门设还是制造环节长期处于追赶地位，难以产出具

计，适配性较差，很多垂直场景端侧并不适用，有竞争力的原创产品。

多用于云端训练和推理。比如自动驾驶车载我国在专用型AI芯片领域形成异军突起

AI芯片，若使用CPU则算力低、延时大，影之势，类脑芯片领域的前瞻布局也有所建树。

响行驶安全性，若使用GPU则功耗高、成本高，由于AI专用芯片应用遍布众多领域，近两年

车载电池无法长时间支持，若使用FPGA，集中催生出一批中小型AI芯片厂商，多集中

则规模放量后单价过高。而ASIC属于专用型于ASIC芯片研发，如寒武纪的NPU芯片、地

AI芯片，兼具算力、功耗、体积、成本优势，平线的BPU芯片、比特大陆的TPU芯片等。

更适用于不同场景设备端的推理计算。一方面说明芯片的设计难度与通用性成正比，

另一类是彻底颠覆冯诺依曼架构，通过模AI专用芯片的技术门槛并非不可逾越；另一方

拟人脑神经元结构提升算力的类脑芯片，将存面说明AI专用芯片处于群雄并起、散式发展

储模块和计算模块一体化，具备算力极高、功的起步阶段，尚未形成规模，且我国与发达国

耗极低和成本极低的优势。该类芯片处于起步家水平较为相近。除了AI专用芯片外，我国

30中国电信业

August082021248

｜