2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开，峰会由中国计算机学会(CCF)主办，由雷锋网、香港中文大学(深圳)承办，得到了深圳市宝安区政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会，旨在打造国内人工智能领域最具实力的跨界交流合作平台。

7 月 1 日，随着议程进入到第三天，本次 CCF-GAIR 大会也在下午迎来了堪称压轴的 AI 芯片专场。担任 AI 芯片专场主席的，是中国电子学会电子设计自动化专家委员会主任委员、清华大学微电子研究所所长魏少军教授;在担任主席之外，魏教授还为 AI 芯片专场带来了一场干货满满的大会报告《从 IA 到 AI，我们还要走多远?》

在报告中，魏教授引用人工智能专家 Michael I. Jordan 的观点认为，我们今天所做的还不能算是真正的 AI(Artificial Intelligence)，只是利用技术来增强某一方面的智能而已，也就是所谓的增强智能(Intelligence Augmentation，简称 IA)。究其原因，是因为当前的人工智能算法远远没有达到人们的要求，具体来说，现有的算法过于单一，无法实现类似于人脑的高度复杂又高度灵活的互联结构系统。

魏教授指出，我们目前要实现人工智能，别无选择，只能靠芯片;但是现有 CPU、GPU、FPGA 等芯片的基本架构早在这次人工智能突破之前就已经存在了，并不是为人工智能而专门设计的，因此不能完美地承担实现人工智能的任务。人工智能对芯片的要求，除了足够的算力和极高的能效比，还需要一个高能效、通用的计算引擎。由此，魏教授认为 AI 芯片至少应有以下几个特质：

第一，它的可编程性，要适应算法的演进和应对多样性;因为算法不稳定，它在不断变化;

第二，架构动态可变性，要适应不同算法;

第三，高效的架构变换能力，因为不同的运算要求变换不同的架构。

随后，魏教授从硬件可编程和软件可编程的角度，将芯片的性质分为四个种类，并认为目前少有人关注的软件定义芯片(SDC)在 AI 领域最有潜力;它一方面具备 CPU 的灵活性，另一方面是专用集成电路的高能量效率和高集成度。它的软件和硬件均可编程，混合颗粒度，最重要的是芯片功能随软件变化而变化;在使用中也不需要芯片设计知识。

魏教授表示，芯片要实现智能化，不能光有硬件，一定要有要求很高的软件——自主学习的能力、形成知识和经验的能力、持续改进和优化的能力、再生和组织能力、思维逻辑推理能力、作出正确判断和决策能力，这是软件才能完成的，而非硬件。

基于这个理念，魏教授提到了他所认为的真正软件定义芯片。也就是：

一个真正理想的计算应该是软件和硬件的架构一模一样，软件是什么样的拓扑结构，硬件就应该是怎样的拓扑结构;软件需要什么样的运算，硬件需要存在这样的运算资源。可惜的是，软件可以很大，硬件不能大;我们只好把软件分块，跟硬件大小一样。比如把它分为 6 块，根据数据依赖关系把第二块、第三块、第四块放进去……一直到第六块。这要求我们硬件必须随时改变其功能，硬件功能和架构能够动态地按照软件实时进行改变，这是我们所说的软件定义芯片。

魏教授表示，上述概念虽然听起来简单，但实现起来是一个非常艰难的过程，而他自己的实验室也是经历了 12 年的努力终于得到实现(该研究成果由清华大学 Thinker 团队已经在相关国际会议上发布，可查看雷锋网相关报道)。通过这一全新架构，可以用来实现可重构神经网络;也就是说，通过 AI 应用定义我们所选用的深度神经网络，改变芯片架构和功能——魏教授表示，如果能做到，那么这种芯片将成为真正的通用人工智能芯片。

最后，针对近段时间以来中美芯片领域的”吓尿体“和”被吓尿“之类的声音，魏教授认为我们应当在承认与美国半导体行业差距的同时，也要看到我国在软件定义芯片领域的领先地位;而 AI 芯片的创新也只有通过真正的架构创新才能到达顶峰。

在大会报告结束之后，魏教授接受了雷锋网(公众号：雷锋网)的独家专访。

此前，魏教授曾经提出过这样一个观点：AI 芯片的发展很可能会在未来 2-3 年遭遇一个挫折期;今天的部分、甚至大部分创业者将成为这场技术变革中的“先烈”。对于这个观点的得出，魏教授表示有两个原因：

一是因为产业发展的特定规律，比如说 Gartner 的发布 Hype Cycle(技术成熟度曲线)，目前的 AI 芯片正处于第一个峰值的顶点处，未来两三年将会出现下降，很多事情的发展都是在经历了热度之后进入到下降期，最后才会进入到应用稳定期。

第二，虽然 AI 很热，但是并没有真正落地。实际上，并不是所有的技术都一定需要 AI，很多情况下 AI 起到的是增强的作用;当前人们拥抱 AI，但未来可能会失望。所以说，AI 要需要的，是真正的 Killer Application(杀手级应用)，每天都离不开的。

至于这里所说的 AI 的杀手级应用，魏教授也给了一些案例，比如说自动驾驶，远程医疗等。另外，针对 AI 芯片在去年下半年以来的火热状况，魏教授认为这是资本助推的结果，一旦钱烧完，就很有可能出现问题;而且在资本的逐利本性下，也是难以为继的。

而针对魏教授在报告中提到的 Thinker 团队的相关成果，魏教授表示，目前团队正处于融资阶段，估值也很高;而且一旦进入到产业界，它所能获得的性能、能量效率、成本一定远远好于高校的结果。

魏教授强调，Thinker 的通用性虽然很强，但它并非是为了取代 CPU、GPU、FPGA 而来，未来这些不同类型的芯片依然会是长期共存的局面。就目前的情况来看，Thinker 在产业方向的具体应用场景要取决于工业界的具体状况，不过魏教授认为 Thinker 更倾向于端侧应用，因为只有端侧的突破才是 AI 芯片的真正突破。

谈到整个 AI 芯片行业未来的发展，魏教授认为，正如 Intel 的 CPU、英伟达的 GPU 在各自领域占据统治地位一样，在 AI 芯片领域同样会在未来出现一个称霸世界的企业——这个企业有希望出现在中国，而 Thinker 独树一帜，也拥有别人所不具备的优点，因此未必就没有机会。

最后，在中兴事件引起的舆论尘埃尚未完全落定