清華大學(xué)魏少軍：通用AI芯片到底有什么作用？

2018 全球人工智能與機器人峰會（CCF-GAIR）在深圳召開，7 月 1 日，隨著議程進入到第三天，本次 CCF-GAIR 大會也在下午迎來了堪稱壓軸的 AI 芯片專場。擔(dān)任 AI 芯片專場主席的，是中國電子學(xué)會電子設(shè)計自動化專家委員會主任委員、清華大學(xué)微電子研究所所長魏少軍教授；在擔(dān)任主席之外，魏教授還為 AI 芯片專場帶來了一場干貨滿滿的大會報告《從 IA 到 AI，我們還要走多遠？》

在報告中，魏教授引用人工智能專家 Michael I. Jordan 的觀點認為，我們今天所做的還不能算是真正的 AI（Artificial Intelligence），只是利用技術(shù)來增強某一方面的智能而已，也就是所謂的增強智能（Intelligence Augmentation，簡稱 IA）。究其原因，是因為當(dāng)前的人工智能算法遠遠沒有達到人們的要求，具體來說，現(xiàn)有的算法過于單一，無法實現(xiàn)類似于人腦的高度復(fù)雜又高度靈活的互聯(lián)結(jié)構(gòu)系統(tǒng)。

魏教授指出，我們目前要實現(xiàn)人工智能，別無選擇，只能靠芯片；但是現(xiàn)有 CPU、GPU、FPGA 等芯片的基本架構(gòu)早在這次人工智能突破之前就已經(jīng)存在了，并不是為人工智能而專門設(shè)計的，因此不能完美地承擔(dān)實現(xiàn)人工智能的任務(wù)。人工智能對芯片的要求，除了足夠的算力和極高的能效比，還需要一個高能效、通用的計算引擎。由此，魏教授認為 AI 芯片至少應(yīng)有以下幾個特質(zhì)：

第一，它的可編程性，要適應(yīng)算法的演進和應(yīng)對多樣性；因為算法不穩(wěn)定，它在不斷變化；

第二，架構(gòu)動態(tài)可變性，要適應(yīng)不同算法；

第三，高效的架構(gòu)變換能力，因為不同的運算要求變換不同的架構(gòu)。

隨后，魏教授從硬件可編程和軟件可編程的角度，將芯片的性質(zhì)分為四個種類，并認為目前少有人關(guān)注的軟件定義芯片（SDC）在 AI 領(lǐng)域最有潛力；它一方面具備 CPU 的靈活性，另一方面是專用集成電路的高能量效率和高集成度。它的軟件和硬件均可編程，混合顆粒度，最重要的是芯片功能隨軟件變化而變化；在使用中也不需要芯片設(shè)計知識。

魏教授表示，芯片要實現(xiàn)智能化，不能光有硬件，一定要有要求很高的軟件——自主學(xué)習(xí)的能力、形成知識和經(jīng)驗的能力、持續(xù)改進和優(yōu)化的能力、再生和組織能力、思維邏輯推理能力、作出正確判斷和決策能力，這是軟件才能完成的，而非硬件。

基于這個理念，魏教授提到了他所認為的真正軟件定義芯片。也就是：

一個真正理想的計算應(yīng)該是軟件和硬件的架構(gòu)一模一樣，軟件是什么樣的拓撲結(jié)構(gòu)，硬件就應(yīng)該是怎樣的拓撲結(jié)構(gòu)；軟件需要什么樣的運算，硬件需要存在這樣的運算資源。可惜的是，軟件可以很大，硬件不能大；我們只好把軟件分塊，跟硬件大小一樣。比如把它分為 6 塊，根據(jù)數(shù)據(jù)依賴關(guān)系把第二塊、第三塊、第四塊放進去……一直到第六塊。這要求我們硬件必須隨時改變其功能，硬件功能和架構(gòu)能夠動態(tài)地按照軟件實時進行改變，這是我們所說的軟件定義芯片。

魏教授表示，上述概念雖然聽起來簡單，但實現(xiàn)起來是一個非常艱難的過程，而他自己的實驗室也是經(jīng)歷了 12 年的努力終于得到實現(xiàn)（該研究成果由清華大學(xué) Thinker 團隊已經(jīng)在相關(guān)國際會議上發(fā)布，可查看雷鋒網(wǎng)相關(guān)報道）。通過這一全新架構(gòu)，可以用來實現(xiàn)可重構(gòu)神經(jīng)網(wǎng)絡(luò)；也就是說，通過 AI 應(yīng)用定義我們所選用的深度神經(jīng)網(wǎng)絡(luò)，改變芯片架構(gòu)和功能——魏教授表示，如果能做到，那么這種芯片將成為真正的通用人工智能芯片。

最后，針對近段時間以來中美芯片領(lǐng)域的”嚇尿體“和”被嚇尿“之類的聲音，魏教授認為我們應(yīng)當(dāng)在承認與美國半導(dǎo)體行業(yè)差距的同時，也要看到我國在軟件定義芯片領(lǐng)域的領(lǐng)先地位；而 AI 芯片的創(chuàng)新也只有通過真正的架構(gòu)創(chuàng)新才能到達頂峰。

在大會報告結(jié)束之后，魏教授接受了雷鋒網(wǎng)的獨家專訪。

此前，魏教授曾經(jīng)提出過這樣一個觀點：AI 芯片的發(fā)展很可能會在未來 2-3 年遭遇一個挫折期；今天的部分、甚至大部分創(chuàng)業(yè)者將成為這場技術(shù)變革中的“先烈”。對于這個觀點的得出，魏教授表示有兩個原因：

一是因為產(chǎn)業(yè)發(fā)展的特定規(guī)律，比如說 Gartner 的發(fā)布 Hype Cycle（技術(shù)成熟度曲線），目前的 AI 芯片正處于第一個峰值的頂點處，未來兩三年將會出現(xiàn)下降，很多事情的發(fā)展都是在經(jīng)歷了熱度之后進入到下降期，最后才會進入到應(yīng)用穩(wěn)定期。

第二，雖然 AI 很熱，但是并沒有真正落地。實際上，并不是所有的技術(shù)都一定需要 AI，很多情況下 AI 起到的是增強的作用；當(dāng)前人們擁抱 AI，但未來可能會失望。所以說，AI 要需要的，是真正的 Killer Application（殺手級應(yīng)用），每天都離不開的。

至于這里所說的 AI 的殺手級應(yīng)用，魏教授也給了一些案例，比如說自動駕駛，遠程醫(yī)療等。另外，針對 AI 芯片在去年下半年以來的火熱狀況，魏教授認為這是資本助推的結(jié)果，一旦錢燒完，就很有可能出現(xiàn)問題；而且在資本的逐利本性下，也是難以為繼的。

而針對魏教授在報告中提到的 Thinker 團隊的相關(guān)成果，魏教授表示，目前團隊正處于融資階段，估值也很高；而且一旦進入到產(chǎn)業(yè)界，它所能獲得的性能、能量效率、成本一定遠遠好于高校的結(jié)果。

魏教授強調(diào)，Thinker 的通用性雖然很強，但它并非是為了取代 CPU、GPU、FPGA 而來，未來這些不同類型的芯片依然會是長期共存的局面。就目前的情況來看，Thinker 在產(chǎn)業(yè)方向的具體應(yīng)用場景要取決于工業(yè)界的具體狀況，不過魏教授認為 Thinker 更傾向于端側(cè)應(yīng)用，因為只有端側(cè)的突破才是 AI 芯片的真正突破。

談到整個 AI 芯片行業(yè)未來的發(fā)展，魏教授認為，正如 Intel 的 CPU、英偉達的 GPU 在各自領(lǐng)域占據(jù)統(tǒng)治地位一樣，在 AI 芯片領(lǐng)域同樣會在未來出現(xiàn)一個稱霸世界的企業(yè)——這個企業(yè)有希望出現(xiàn)在中國，而 Thinker 獨樹一幟，也擁有別人所不具備的優(yōu)點，因此未必就沒有機會。

最后，在中興事件引起的輿論塵埃尚未完全落定的大背景下，作為中國半導(dǎo)體行業(yè)的領(lǐng)軍人物，魏教授也通過雷鋒網(wǎng)給出了一個來自中國半導(dǎo)體行業(yè)的聲音：

首先，中興事件還是一個獨立事件。它反映了中國企業(yè)在走向國際市場當(dāng)中要必然經(jīng)歷一個”必修課“。即使這件事不發(fā)生在中興身上，也會在未來某些時候發(fā)生在其他企業(yè)身上，總之是早晚會發(fā)生的，它也讓我們的企業(yè)意識到走向國際市場的過程中要遵守的規(guī)則。當(dāng)然，中興這次的代價的確是大了點。

從外界來看，有些社會輿論一方面把中興罵得狗血臨頭，另一方面又認為自己一無是處，對此我是非常不贊成的。這次中興事件之后，有些人妄自菲薄地說自己什么都不行，也有很多”你看過這個才知道中國的芯片有多爛“這樣的聳人聽聞的話題——這些人也陷入到另外一個極端。

那么，中國的芯片到底怎么樣呢？

我們認為，跟別人比有差距，但也沒有差到那種程度。其實別人有的我們都有，只是比別人差一點，比如說性能低一點、可靠性差一點，還在慢慢的發(fā)展過程中，存在一些問題。再過五年八年十年的時候，很有可能中國的芯片就跟國際水平差不多了。

所以，我們第一不要自己吹牛，第二也不要妄自菲薄；踏踏實實發(fā)展，同時也要有信心。美國之所以那么擔(dān)心，本質(zhì)上還是因為忌憚中國在相關(guān)方面的發(fā)展，否則根本不會予以理會。中國人要有自己的定力，中國的半導(dǎo)體產(chǎn)業(yè)既不像有人說的那么好，也不像有人說的那么差——它還處于發(fā)展過程中，我還是充滿信心的。

以下是魏少軍教授在 CCF-GAIR 2018 上的大會報告內(nèi)容，雷鋒網(wǎng)對其進行了不改變原意的編輯整理。

大家下午好！很開心有機會在此跟大家做關(guān)于 AI 芯片的溝通和交流。純屬個人想法，不代表任何人，只代表我自己。

從 IA 到 AI，我們還要走多遠？大家知道 AI，恐怕沒多少人知道 IA，我們逐步展開談?wù)?，顯然 AI 和 IA 是有關(guān)系的。大概講幾個內(nèi)容：

一是人工智能技術(shù)與人工智能芯片面臨的挑戰(zhàn)。

二是架構(gòu)創(chuàng)新是人工智能芯片獲得突破的必由之路，目前有很多人做芯片，如何做芯片的架構(gòu)，探討比較少，甚至嚴(yán)重不夠。

三是結(jié)束語。

人工智能對人類社會的影響非常深遠，不管我們是否承認，這件事都發(fā)生了。

全球知名咨詢企業(yè)麥肯錫通過對 300 多家 9 個垂直領(lǐng)域的企業(yè)進行案例分析，覆蓋金融、消費、電信、健康、能源和材料、媒體、公共和社會服務(wù)、先進產(chǎn)業(yè)和制藥等，得出的重要結(jié)論是：人工智能將在幾乎所有垂直領(lǐng)域產(chǎn)生深遠影響，并不只是針對某一個領(lǐng)域。

這個結(jié)論讓我們做芯片的人非常激動，因為人工智能帶來的變化和之前互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)等顛覆性技術(shù)創(chuàng)新發(fā)生的時候有很大的不同點——硬件將占據(jù)超過 50%。以前，在互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的主導(dǎo)下，許多學(xué)生選擇就業(yè)首先選金融和互聯(lián)網(wǎng)；但是在 AI 領(lǐng)域，超過 50% 的科技發(fā)展將由硬件主導(dǎo)。

尤其是未來 10 年，人工智能和深度學(xué)習(xí)將成為提升硅片需求的主要因素；2025 年，人工智能將推動半導(dǎo)體產(chǎn)業(yè)收入超過 600 億美元，接近全球半導(dǎo)體銷售的 20%。

我們的半導(dǎo)體 AI 芯片是否做得很好？并不是。加州大學(xué)伯克利分校的教授 Michael I. Jordan 20 天前在美國做過一場演講，我當(dāng)時在場，他說“與其說我們今天做的是人工智能，還不如說我們做的是增強智能”。這句話的意思是說，我們今天所做的還不能算是真正的 AI（Artificial Intelligence），只是利用技術(shù)來增強某一方面的智能而已，也就是所謂的增強智能（Intelligence Augmentation，簡稱 IA）——之所以說 IA，是因為基本人工智能算法遠未達到我們的要求。

這里有兩個現(xiàn)實問題：

第一，AI 算法本身在不斷的演進，新算法層出不窮。

第二，還沒一種算法可以統(tǒng)一面向所有的應(yīng)用。每種應(yīng)用對應(yīng)一種算法，或者每種算法對應(yīng)一種應(yīng)用。實際上我們的人腦能夠做很多事情，但現(xiàn)在人工智能的算法依然是一對一的。

我們說一個基本的感知過程：感知-傳輸-處理-傳輸-執(zhí)行，這是一個基本的邏輯關(guān)系。當(dāng)然這其中包括多元感知，就像人有眼睛、鼻子、嘴、皮膚；執(zhí)行時有多種執(zhí)行；傳輸也是多樣化的，有神經(jīng)傳導(dǎo)、皮膚傳導(dǎo)、眼睛傳導(dǎo)、聲音傳導(dǎo)等各種各樣的傳導(dǎo)，只是中間不知道如何比喻。

實際上，計算、分析、經(jīng)驗知識和判斷等，到今天為止只是用計算機的概念代替，也就是用軟件 + 處理 + 存儲的方式來進行。

我們想要得出的其實是這樣一個復(fù)雜的、智能的系統(tǒng)：它應(yīng)該是多輸出、多輸入的系統(tǒng)，應(yīng)該是高度復(fù)雜又高度靈活的互聯(lián)結(jié)構(gòu)，具有多任務(wù)且高度并行運算系統(tǒng)、多處理器單元系統(tǒng)、并行分布式存儲、并行分布式軟件、分布式處理和集中控制架構(gòu)等。

實際上，在座所從事的人工智能芯片，絕大多數(shù)能夠完成的是一種功能，可能兩種，最多三種；要想做到像人似的處理 N 種，還差得很遠。而且，人在做決定時不是單個決定，而是同時做多個決定，或者叫多個決策同時做，這是今天人工智能遠未達到的；我們并不知道但是人腦如何工作，我們可以用計算的方式實現(xiàn)記憶、行動、特征提取、決策等過程。

我們現(xiàn)在只能依據(jù)計算，原因在于機器和人腦之間的差別實在太大。

做一個比較。人的大腦有 140 億個神經(jīng)元，傳輸速度 120 米每秒，工作頻率很低，為 200 赫茲；人腦皮層比較大，可以完成每秒鐘 10 的 16 次方運算，把大腦皮層攤開是四分之一平方米，重量是 1.2-1.6 公斤，功耗只有 20 瓦。

而機器不行，雖然它在某些事情上可能超越人類，但代價非常大。比如超級計算機可以用多個芯片實現(xiàn) 10 的 30 次方每秒鐘的運算，非常了不起；但它用電傳輸，每秒鐘 30 萬公里，工作頻率每小時 42 億次，耗電量是 24 兆瓦。所以說，機器和人之間的差別很大，機器趕上人還要很遠。

我們目前要實現(xiàn)人工智能，別無選擇，只能靠芯片。芯片有很多不同的，目前我們已經(jīng)有 FPGA、GPU、CPU 等，我們還可以做所謂的類腦計算，甚至可以做內(nèi)存內(nèi)計算等。然而，這些都是已經(jīng)存在的芯片，它們的基本架構(gòu)早在這次人工智能突破之前已經(jīng)存在了，并不是為人工智能而專門設(shè)計的，因此不能完美地承擔(dān)實現(xiàn)人工智能的任務(wù)；即便能完成，它是不是最好的，這些問題都值得我們思考。

但是我們知道，計算是根本點，我們需要有一個很好的計算引擎，這是因為我們看到的人工智能各種網(wǎng)絡(luò)所需要的計算量是巨大的。比如說，2014 年 VGG19 的計算能力要達到 196 億次每秒，同時處理大概 1.38 億個參數(shù)，沒有足夠的算力是做不到的；其次，當(dāng)我們從云端所謂的訓(xùn)練向終端推理推進時，我們要求它有極高的效率比，否則終端設(shè)備（比如說智能手機）很快沒電無法運作。

所以，我們說需要一個所謂高能效、通用的計算引擎，這是必備的條件。在此條件下，AI 芯片需要有基本特質(zhì)，我列出如下（可能還不止）：

第一，它的可編程性，要適應(yīng)算法的演進和應(yīng)對多樣性；因為算法不穩(wěn)定，它在不斷變化；

第二，架構(gòu)動態(tài)可變性，要適應(yīng)不同算法；

第三，高效的架構(gòu)變換能力，因為不同的運算要求變換不同的架構(gòu)。我可以斷言一句，目前凡是使用指令結(jié)構(gòu)的，都永遠無法達到我們的要求。我們期待高效率的架構(gòu)，比如 1W 每秒鐘要 10 萬億次運算量。

但是在某些終端應(yīng)用上來說，你的功耗要小于 1mW，在一個電池用一年不換是基本要求。同時，成本要低，才能夠進入家電和消費類電子；體積要小，才能裝載在移動設(shè)備上；同時還要開發(fā)簡便，讓所有人不必知道芯片如何設(shè)計。

就這些條件來看，CPU + 軟件、CPU + GPU、CPU + ASIC 都不是理想架構(gòu)。

那么，什么是架構(gòu)？人工智能芯片的架構(gòu)應(yīng)該是怎樣的？在談人工智能芯片架構(gòu)之前，我想跟大家回顧芯片發(fā)展歷程中的相關(guān)內(nèi)容。

首先，我們按照硬件可編程和軟件可編程分為四個象限。

第二個象限是硬件處理器，硬件不能動，軟件可變化，比如說 CPU、DSP 等。它們是粗顆粒度的，通常工作在 8 到 64 位，芯片運行時可以軟件編程，只需要軟件工程師編程就可以了，能量效率和計算效率都不高。

第三象限是軟件和硬件都不可編程，ASIC、SoC 等。它們的特點是多品種、小批量，一旦完成制造就不能改變，也通常不需要軟件（有的需要軟件，但不是主要的）；要想使用，需要對芯片有非常清晰的了解。能量效率和計算效率很高，這是其優(yōu)點。

第四象限是可編程邏輯，如 FPGA、EPLD。硬件可編程，但其實是靜態(tài)編程；細顆粒度，可以定義到每一個 Bit，芯片運行不需要軟件（有人說 FPGA 需要軟件，其實不是軟件，而是定義硬件的描述語言，所以 FPGA 不需要軟件）。使用它需要芯片支持，能量效率和計算效率不高。

而第一象限，到現(xiàn)在為止很少有人關(guān)注——軟件定義芯片（SDC），像 RCP、CGRA 等。它的軟件和硬件均可編程，混合顆粒度，最重要的是芯片功能隨軟件變化而變化；在使用中也不需要芯片設(shè)計知識，其能量效率和計算效率雖然沒有專業(yè)集成那么高，但也足夠高。

這是一個全新的領(lǐng)域。

CPU 等處理器是通用高靈活性，但已經(jīng)進入寡頭壟斷極端，它需要最先進的技術(shù)，成本高、價格貴，易受生態(tài)環(huán)境制約；專用集成電路，專用而無靈活性，用量足夠的情況下才能便宜；FPGA 通用高靈活性，和 CPU 差不多。而我們所說的軟件定義芯片，它不存在寡頭壟斷的問題，也并不需要最先進，夠先進就好，擴大用量可以降低成本，不存在生態(tài)問題；它一方面具備 CPU 的靈活性，另一方面是專用集成電路的高能量效率和高集成度。

軟件定義芯片畢竟是一個新名詞，那么下一步應(yīng)該怎么做？我們不知道人腦如何計算和思考，因此我們只能用計算機進行大概地推理一下。

比如說，我們要有硬件平臺，這個硬件平臺必須得有高計算能力、多任務(wù)并行計算能力、足夠的吞吐量、極高的能量效率、靈活高效的存儲、適應(yīng)動態(tài)的工作變化，這是支撐智能的基礎(chǔ)。而芯片要實現(xiàn)智能化，不能光有硬件，一定要有要求很高的軟件——自主學(xué)習(xí)的能力、形成知識和經(jīng)驗的能力、持續(xù)改進和優(yōu)化的能力、再生和組織能力、思維邏輯推理能力、作出正確判斷和決策能力，這是軟件才能完成的，而非硬件。

如果有人認為能夠硬件上做到這一點，那一定走錯路了。實現(xiàn)智能的核心是軟件，所以再進一步看，我們要的是軟件定義的芯片——軟件變化時，芯片跟著變化。其實，美國人也在做這項工作，比如說美國最近推出的 ERI（電子振興計劃），其中非常重要的就是軟件定義硬件，它是作為 ERI 項目中的 6 個子課題之一。

前段時間，我在舊金山和美國 DARPA（國防高級研究計劃局，Defense Advanced Research Projects Agency）的項目經(jīng)理交流發(fā)現(xiàn)，美國之所以要做這件事，正是因為他們看到了軟硬結(jié)合特別是硬件可變性成為未來發(fā)展的重點；項目中規(guī)劃的內(nèi)容，就是建立一個在運行時可以實時變化的硬件和軟件，能夠達到專用集成電路的性能，同時對于數(shù)據(jù)密集型的運算不失去它的可編程性——這就是軟件定義芯片。

對我來說，我非常關(guān)注所謂的運行時間 “At Runtime”，規(guī)定 300-1000 NS，0.3-1 微秒，這個變化的速度很慢。

那么，F(xiàn)PGA是軟件定義芯片嗎？不是。我把 FPGA 的 10 大缺陷重復(fù)一遍：

FPGA 細粒度，實現(xiàn)比特級的運算。

配置信息量大，幾兆甚至幾十兆。

配置時間長，少則十幾毫秒到幾十毫秒，甚至要上秒。

靜態(tài)編程，一旦配置完畢不可更改，改變 FPGA 的功能要下電或者在線重新載入配置信息。

邏輯不可復(fù)用，所有電路必須全部裝入 FPGA。

面積效率低，每個 LUT 只能實現(xiàn)一位運算，面積效率只有 5%，一個千萬門級的 FPGA 只能實現(xiàn)幾十萬門的邏輯電路。

能量效率低，由于邏輯利用率低引發(fā)無效功耗巨大。

需要特種工藝，F(xiàn)PGA 往往需要最先進的制造工藝，且需對工藝進行特別調(diào)整。

電路設(shè)計技術(shù)，應(yīng)用者必須具備電路設(shè)計知識和經(jīng)驗。

成本高昂，幾十到幾萬美元一片。

所以 FPGA 不是我們想要的東西；FPGA 不能當(dāng) SdC，不是軟件定義芯片。

那么，為什么要軟件定義芯片？

舉例說明，做芯片設(shè)計時，老板經(jīng)常說“你一定要做差異化的東西，不能跟別人做得一樣”；于是就在規(guī)格（Specification）上做文章——這是完全錯誤的思路，差異化并不是靠規(guī)格設(shè)計出來的。這樣設(shè)計出來的差異化只存在于產(chǎn)品產(chǎn)出的那一段時間，之后就無法更改；別人追上來，差異化越來越小，你的產(chǎn)品便出局。

一個小孩從嬰兒成長為成年人，中間的成長中包括教育、學(xué)習(xí)，《三字經(jīng)》說“人之初，性本善，性相近，習(xí)相遠”。為什么芯片不能這么做？

如果我們的芯片可以在使用過程中不斷學(xué)習(xí)，則差異化可以隨著時間的變化而不斷加強，這樣的芯片才是真正的智能芯片?，F(xiàn)在的做法是訓(xùn)練 + 推理（訓(xùn)練是老師訓(xùn)練，老師利用以前的知識教我們，我們照老師教的方式推理應(yīng)用），這恰好是人工智能發(fā)展的過程；如果我們讓芯片做到這一點，我們可以讓芯片做得更好。

現(xiàn)在，我來講一下什么是真正的軟件定義芯片。

一個真正理想的計算應(yīng)該是軟件和硬件的架構(gòu)一模一樣，軟件是什么樣的拓撲結(jié)構(gòu)，硬件就應(yīng)該是怎樣的拓撲結(jié)構(gòu)；軟件需要什么樣的運算，硬件需要存在這樣的運算資源?？上У氖?，軟件可以很大，硬件不能大；我們只好把軟件分塊，跟硬件大小一樣。比如把它分為 6 塊，根據(jù)數(shù)據(jù)依賴關(guān)系把第二塊、第三塊、第四塊放進去……一直到第六塊。這要求我們硬件必須隨時改變其功能，硬件功能和架構(gòu)能夠動態(tài)地按照軟件實時進行改變，這是我們所說的軟件定義芯片——這其實是一件非常困難的事情，我的實驗室做了 12 年才做成。

按照這種思路，我們可以很容易地得到基本架構(gòu)：我們將劃分好的軟件通過控制單元送到所謂的數(shù)據(jù)通道中，由數(shù)據(jù)通道來對硬件進行編程；因此，我們的編程結(jié)果可以完全適應(yīng)軟件的發(fā)展，這要求我們硬件和軟件完全可重構(gòu)、完全可編程。這是我們的基本思想。

這樣的基本思想與傳統(tǒng)的計算架構(gòu)之間比較，可以看到：

經(jīng)典的計算結(jié)構(gòu)基本上是馮諾依曼的體系結(jié)構(gòu)，但是對于軟件定義芯片而言，它是一個函數(shù)化的柔性結(jié)構(gòu)。傳統(tǒng)的架構(gòu)中，應(yīng)用適應(yīng)于計算結(jié)構(gòu)，你要知道計算機結(jié)構(gòu)進行編程，而在我們的結(jié)構(gòu)中，計算適應(yīng)于應(yīng)用，這是倒過來的，硬件適應(yīng)軟件。傳統(tǒng)結(jié)構(gòu)中，一個任務(wù)只有一個處理軟件，不可能編 10 個軟件；在我們的結(jié)構(gòu)中，一個任務(wù)有多個等效處理軟件。傳統(tǒng)計算模式中，硬件和軟件不變，但在我們這里，硬軟件動態(tài)選擇性改變。傳統(tǒng)結(jié)構(gòu)中，要高度復(fù)用，在我們的結(jié)構(gòu)中，產(chǎn)生冗余應(yīng)用，這是根本的不同。

但是，我們沒有逃離馮諾依曼的體系結(jié)構(gòu)，這是壞事也是好事——壞事是創(chuàng)新不夠，好事是計算理論的完整性。

我們利用這個架構(gòu)來實現(xiàn)可重構(gòu)神經(jīng)網(wǎng)絡(luò)的的基本想法是：通過 AI 應(yīng)用定義我們所選用的深度神經(jīng)網(wǎng)絡(luò)，改變芯片架構(gòu)和功能。如果能做到，我們不僅僅適用一種應(yīng)用，我們可以跟著應(yīng)用不斷變化，適用 N 種應(yīng)用。

這樣的芯片是所謂通用的人工智能芯片。

這個基本運算單元有多種不同的能力，我們可以讓它做卷積、池化等各種各樣的內(nèi)容。利用這種方式，我們還可以實現(xiàn)數(shù)據(jù)通道，完全并行。這樣的結(jié)果是，我們可以把大量不適合硬件做和硬件做得很麻煩的東西，可以一個所謂的 Compiler（不是傳統(tǒng)的 Compiler）來實現(xiàn)，大幅度提升效率。

這里有一個結(jié)果，它是我們?nèi)ツ戢@獎的內(nèi)容。這個結(jié)果是通用 AI 處理器，在 10 兆到 200 兆頻率下，4mW-450mW，運算速度達到 1.06-5.09TOPS/w。另外一個是我們國際會議上報道過的做人臉識別的，小于 100mW，每識別一個只需要 6 個毫瓦時，比人類的人臉識別率高 1 個百分點。

還有一個是語音信號識別，包括語音識別和聲紋識別，其耗電量只有 200 多微瓦?！禡IT Technology Review》今年年初在一篇專稿中評論了我們的工作，認為這是中國取得的皇冠級別的成就，一節(jié)電池可以用一年多，被認為是世界上耗電量最小的語音識別軟件。

我們已經(jīng)工作了 12 年，這是我們?nèi)〉靡幌盗械某煽儭⒄撐暮蛯＠?/p>

最后結(jié)束一下。

我們說，大家都在做 AI。但是 AI 到底是什么？我們應(yīng)該怎么做 AI？哪些地方到底需要 AI？我們希望 AI 幫助我們解決什么問題？如果不需要 AI 也可以做，為什么要 AI？其實我們沒有回答好這些問題?，F(xiàn)在很多應(yīng)用根本不需要 AI，甚至有人用 AI 做幌子。

什么是我們離開就活不了的 AI 殺手級應(yīng)用？語音識別和人臉識別都需要 AI 嗎？未必，特別是語音識別很多時候不需要 AI。當(dāng)然某些情況下語音識別是有作用的。什么樣的 AI 是我們每天都需要的？這是我們的關(guān)鍵。

前兩年很多人認為自己超過了美國，有很多這樣的聲音“明年就超過英特爾”“再過 3 年就超過微軟”，我把他們稱之為“嚇尿體”，他們把美國人嚇尿了，最近一段時間，大家都說我們的芯片碰到很大困難，跟前兩年不太一樣，于是“嚇尿體”變成”被嚇尿“了。我們的芯片發(fā)展有自己的步驟，我們確實不如美國，但也沒有像美國某些人說得那么糟糕。當(dāng)然，我們不像某些人說得那么好，我們在發(fā)展過程中，不要妄自菲薄。

告訴大家一件事：在軟件定義芯片領(lǐng)域中，我們現(xiàn)在大幅領(lǐng)先美國。我的團隊提出軟件定義芯片技術(shù)比美國 ERI 技術(shù)早了 10 年，他提出 300-1000 納秒時間，只是我們現(xiàn)在實現(xiàn)指標(biāo)的十分之一，我們的性能比它好多了。我現(xiàn)在到國外國際會議上，很多人說我們是國際上做得最好的，我們在軟件定義上在國際走在前列。

總結(jié)來說，AI 技術(shù)不斷進步，目前差距依然很大；像人類似的同時做出多個判斷和決定，這樣的算法尚未出現(xiàn)。我們現(xiàn)在是 IA，還不是 AI；芯片是我們不可逾越的障礙，必須通過芯片實現(xiàn)；而芯片的發(fā)展決不是我們今天想象的，做一個芯片就是 AI 芯片。

要讓芯片具有智慧的能力，這是我們真正需要考慮的事情，不是為了 AI 而 AI 。你想讓 AI 芯片在使用中變得更“聰明”，架構(gòu)創(chuàng)新是不可回避的課題。如果你依然用 FPGA，不要有太大的希望，沒有獨霸天下的可能性。希望大家在芯片發(fā)展過程中特別關(guān)注架構(gòu)的創(chuàng)新，只有架構(gòu)創(chuàng)新才能把大家送到這個領(lǐng)域的巔峰。

謝謝大家！