如今人工智能芯片已成為全球科技、產(chǎn)業(yè)和社會關(guān)注的焦點(diǎn)，學(xué)界力爭從各種不同的技術(shù)路線對AI芯片性能提升進(jìn)行探索，世界各地也涌現(xiàn)出了諸多各有側(cè)重點(diǎn)的AI芯片公司，從算法、架構(gòu)、硬軟件等不同的維度去實現(xiàn)高能效的AI計算。AI芯片作為人工智能技術(shù)的硬件基礎(chǔ)和產(chǎn)業(yè)落地的載體，吸引了眾多巨頭和創(chuàng)企入局，整個芯片市場新品迭出、各類AI芯片相繼面世。錦宏電路專業(yè)生產(chǎn)PCB線路板。

　　尤其需要注意的是，人工智能算法的更新?lián)Q代較為迅速，在固定架構(gòu)中會存在很多風(fēng)險。一旦舊人工智能架構(gòu)失靈，在新架構(gòu)出現(xiàn)時，原本的固化架構(gòu)很大程度上即刻失效。所以，架構(gòu)的彈性成為業(yè)界需要聚焦的問題。

　　近日，科技部、中央網(wǎng)信辦、國家發(fā)展改革委、國家標(biāo)準(zhǔn)化管理委員會、工業(yè)和信息化部發(fā)布關(guān)于印發(fā)《國家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》(以下簡稱“《指南》”)的通知，以進(jìn)一步加強(qiáng)人工智能領(lǐng)域標(biāo)準(zhǔn)化頂層設(shè)計，推動人工智能產(chǎn)業(yè)技術(shù)研發(fā)和標(biāo)準(zhǔn)制定，促進(jìn)產(chǎn)業(yè)健康可持續(xù)發(fā)展。

　　《指南》對行業(yè)總體要求、建設(shè)思路、建設(shè)內(nèi)容等方面做了具體規(guī)定，智能語音、AI云等領(lǐng)域也迎來了新一輪發(fā)展機(jī)遇。對于AI芯片來說，設(shè)備需要連接網(wǎng)絡(luò)，因而決定了對物聯(lián)網(wǎng)芯片和人工智能芯片的需求。有關(guān)數(shù)據(jù)顯示，全球云端AI芯片市場規(guī)模預(yù)計2024年將達(dá)100億美元，邊緣AI芯片也同樣增長強(qiáng)勁，未來幾年，年復(fù)合增長率約為31%。

　　芯片設(shè)計、芯片架構(gòu)的高壁壘行業(yè)中，RISC-V這股新勢力正在快速崛起、逐步壯大。指令集就像是一整套語言系統(tǒng)，CPU能夠讀懂并按照要求硬件、運(yùn)行程序。而這套高效的語言規(guī)范，需要在設(shè)計CPU的時候都制定好。

　　從芯片架構(gòu)來看，目前市場上絕大多數(shù)AI芯片都是采用傳統(tǒng)的指令集架構(gòu)。傳統(tǒng)的指令集架構(gòu)采用馮諾依曼計算方式，通過指令執(zhí)行次序控制計算順序，并通過分離數(shù)據(jù)搬運(yùn)與數(shù)據(jù)計算提供計算通用性。

　　發(fā)展至今，CPU主要有兩大指令集，復(fù)雜指令集(CISC)架構(gòu)x86，精簡指令集(RISC)架構(gòu)陣營有MIPS、ARM、和RISC-V。一般來看，RISC-V基于“精簡指令集”原則的第五代指令集架構(gòu)，并且對外開源，由于中立、開源、精簡的屬性，且不太受一個國家政策的影響，因此被不少國家視為彎道超車的機(jī)會。

　　有市場研究報告指出，在半導(dǎo)體的歷史上，X86、ARM作為主流架構(gòu)一直都占有著很大的市場。隨著5G、物聯(lián)網(wǎng)時代的來臨，而RISC-V作為新興架構(gòu)，以其精簡的體量，或許在未來的IoT領(lǐng)域中能取得突出的優(yōu)勢，其他的應(yīng)用場景還包括存儲、電子、服務(wù)器等市場。

　　人工智能需要繁多的訓(xùn)練、識別、數(shù)據(jù)分析、大量計算。所以，AI解決方案應(yīng)針對不同的應(yīng)用對網(wǎng)絡(luò)和性能參數(shù)，要求不同速度、能耗、延遲、準(zhǔn)確性，芯片同樣如此。從設(shè)計到制造，AI芯片無疑凝聚了人類智慧的結(jié)晶。而彈性架構(gòu)的支撐，將為AI芯片功能完全釋放提供強(qiáng)大支柱。

　　此外，當(dāng)前人工智能發(fā)展正處于第三波浪潮上，這波浪潮的一大特點(diǎn)就是與業(yè)務(wù)緊密結(jié)合的人工智能應(yīng)用場景逐漸落地，擁有先進(jìn)算法和強(qiáng)大計算能力的企業(yè)成為了十分有力的推動者。當(dāng)前人工智能的主流技術(shù)路徑是深度學(xué)習(xí)，但無論是產(chǎn)業(yè)界或?qū)W術(shù)界，都認(rèn)為深度學(xué)習(xí)尚存在一些局限性，在機(jī)器感知類場景表現(xiàn)優(yōu)異，但在機(jī)器認(rèn)知類場景表現(xiàn)還有待提高。

　　眼下，人工智能服務(wù)器正在快速的成熟和完善中，結(jié)合整個人工智能技術(shù)和服務(wù)的發(fā)展，未來人工智能服務(wù)器會重點(diǎn)在低功耗設(shè)計、智能邊緣計算、軟硬件平臺融合等領(lǐng)域產(chǎn)生新的突破。