初跨IC占C位，依图：采用“芯”、“算”造就AI未来

芯片是人工智能技术发展过程中绕不过的话题，好的AI算法要想导入应用，就需要通过芯片来实现。纵观AI芯片的演进，经历了从“通用”到“专用”的变化。相伴而生的是，AI驱动芯片产业变革已逐渐转向芯片驱动AI产业变革，而“绑定式”发展也必将是未来两者相生的状态。

走过通用到专用，AI还有哪些“芯”思路

在今天举办的CDNLive China上，清华大学微电子所所长魏少军教授分享了AI芯片演进路线，指出架构创新是AI芯片面临的一个不可回避的课题。在他看来，英特尔CPU、英伟达GPU、Xilinx FPGA等都处于AI芯片0.5阶段，谷歌TPU等处于AI芯片1.0阶段。对于AI芯片的未来，魏少军教授也提供了一种新的思路，即软件定义芯片。

继“软件定义芯片”之后，并非传统IC企业出身的依图科技联合创始人、CEO朱珑进行了CDNLive China的压轴演讲并提出了“算法即芯片”的新思路。

CDNLive是一场半导体行业盛会，而此次压轴演讲由初跨入IC行业的依图科技来进行，也极具思考意义。

提及芯片，都会谈及摩尔定律的问题。例如，在2018年CDNLive China上，海思平台与关键技术开发部部长夏禹为摩尔定律站台，表示摩尔定律还会持续不断的推动半导体产业发展，但她也承认先进半导体工艺技术目前只空有数字，需要用另一种方式来呼应摩尔定律。

而依图制定“算法即芯片”路线的初衷也和摩尔定律有关。

在朱珑看来，随着摩尔定律走向终结，为了满足不断增长的计算需求，应该向算法要算力。

依图科技联合创始人、CEO朱珑

毋庸置疑，作为算法起家的依图，其优势必然在于算法。依图科技曾表示要用最好的算法造就世界级的AI芯片。今年5月9日，依图科技首款AI芯片questcore发布，questcore成为“算法即芯片”的首个“践行者”。

此外，7月29日，依图科技宣布业界大牛颜水成博士加入依图担任首席技术官一职，并表示颜水成博士加入后的重点工作就包括带领团队进一步夯实依图在人工智能基础理论和原创算法方面的技术优势，为依图在商业化场景落地方面提供强有力的技术支持。

走向高阶智能，何为AI关键“抓手”？

在过去30年间的信息时代，CPU运算能力提升了100万倍，存储能力提升了100万倍，通讯能力即数据的传输速度也提升了100万倍。而在智能时代，提升100万倍需要的时间却大大缩短。从2019年回溯过去五年，机器的算法水平已提升了100万倍。

值得注意的是，在算法提升100万倍的同时，算力的提升是10万倍。这似乎预示着，算力的提升还有很大的潜力，似乎可以作为重要突破口。毕竟，目前仅仅是处于弱人工智能发展阶段，向强人工智能、超人工智能阶段发展还有很长的路要走。

朱珑也给当前的人工智能发展水平做了一个非常冷静、克制的评价，他认为，AI所及仍是低阶智能，智能要往前跃迁，最重要的就是提升基础设施。基础设施提升的关键，在于提升一个区域或城市的智能密度。

智能密度需要从宏观与微观两个维度考量。宏观上，要从单体智能发展到群体智能；微观上，则是提升单位面积的智能算力，只有具备高经济性、高性价比的基础设施，才能推动智能水平的跃迁。

朱珑强调，点亮AI是一场基础设施的革命，基础设施的提升，关键在于提升一个区域或城市的“智能密度”，“智能密度”的提升，将带来革命性的成果，最终实现更高阶的智能文明。

算法、数据和算力是人工智能崛起的三个基本要素。而随着AI算法的高速发展、半导体摩尔定律的失效，AI算力不足的问题逐渐凸显 。换而言之，AI行业蓬勃发展的同时AI算力却无法满足企业和消费者日益增长的需求，算力问题成为AI行业面临的共同痛点。

无论英伟达GPU算力革命、华为智能计算、还是百度与英特尔合作等，都是以打破算力瓶颈为出发点。但对于普惠AI而言，攻克算力课题除了单纯的数据提升，还有“经济”维度的考量。

因此，AI算法提升驱动算力提升，企业竞速背后是产品单位性能、功耗、成本之间的博弈。

依图科技也曾向集微网记者表示，依图并非为了做芯片而做芯片，而是从场景出发，提供性能、功耗和成本最优的一体化解决方案。

由此不难发现，依图“智能密度”概念的提出也是在此思路下提出的，并从单体智能的考量维度扩展到了群体智能。例如在城市场景中，基础设施智能密度达到一定程度便可以解锁更多的城市管理场景。

或者换个角度诠释，算力和算法决定了智能的密度，提升智能密度也将成为AI普及并向高阶迈进的关键。