本报记者 骆轶琪 深圳报道

AI时代的来临，也意味着数据爆炸环境下对芯片产业链厂商的进一步考验。不论是背后的算法、架构搭建等，还是具体到对产业的渗透、地区市场的发展，厂商们都将有新的思考。

近日举行的“全球CEO峰会”上，FPGA主要供应商赛灵思CEO Victor Peng就认为，当前时代正面临三大趋势：大数据的爆炸、人工智能的黎明、后摩尔时代的计算。为此，赛灵思提出自适应智能方案，并要建设更好的数据中心。

钰创科技（Etron Tech）首席执行官、董事长暨创始人卢超群则提到，异构集成设计系统架构将大量促进IC创新。这将再延续类似摩尔定律每两年增加的经济效应，全世界都在推动。

而在接下来的应用和发展方面，21世纪经济报道记者专访Imagination副总裁及中国区总经理刘国军时，他指出生态圈建设十分关键。作为人工智能处理器IP提供商，公司在中国市场发展时，将从更高效能、低功耗的AI处理器架构和以此延伸出的配套支持着手。

不过从真正落地应用来看，软件创新仍十分重要，这将影响到AI为生活带来的更多想象空间。业内人士认为，目前来看，真正的人工智能改变生活，仍有很长的路要走。

数据爆炸时代

在大数据时代，数据并未真正得到有效的运用，这是半导体行业的共识。

Victor Pen就指出，当前有90%的数据仍是杂乱无序的。而在后摩尔定律时代的计算，面临的是带有加速器的异构计算、广泛的应用和AI需要不同的架构，而芯片设计周期远跟不上创新速度。这是赛灵思提出自适应智能的背景。

“我们处在无所不在的计算或者叫普适智能时代。基础的设施和架构都会发生变化，用以前的微处理器和SoC（系统级芯片）可能都没有办法直接应对。因此要在架构层面创新，赛灵思提出专用领域架构DSA，DSA意味着在每个领域都需要有新的架构，为每个领域都带来新的应用。随着部署更多的产品和更多的设备，随着他们用在具体场景中，DSA会发挥出巨大作用。”他介绍道。

同时，自上任以来，赛灵思就明确，要建设更好的数据中心。“数据中心可以为我们提供非常强的数据支持。希望在做数据分析的时候能够使分析用的计算机与数据非常近，而不是很远地调取数据，这样会降低效率、提高功耗。”

中国半导体行业协会副理事长魏少军则在会上分享道，把做人工智能芯片归结到追求算力就错了，更多需要智能的计算引擎，也即计算本身需要智能化。举例来说主要涵盖三点：适合各类应用的可编程能力，有足够强大的计算和存储能力，以及有很高的能量效率。

由此需要的基本要素，包括超高的计算性能，高能量效率要支持10-100TOPS/W；更重要是再生和组织能力，有可编程、计算架构的动态可变性，从而适应不同的算法、实现高效率的计算架构变换能力；此外是实时智能能力。

软件是实现应用时的重要内容，而硬件是承载软件的平台。为此他提出“软件定义芯片”架构，即软件和硬件均可编程，且是混合颗粒度，这意味着可重构计算芯片。

打造独有的算力和架构之后，具体落地到使用场景中时，“端”侧的计算能力越来越重要，目前的推进还有极大空间。

刘国军向记者表示，以安防场景为例，图像识别的技术早已落地，但当前更多只能完成简单的数据压缩和处理，更多实质性算法仍旧主要在云端。

“个人认为，下一个趋势就是从边缘到云的贯穿。原来都在云，现在趋势在往端走，但实际的AI运用中，云和端要完整考虑，形成完整的系统。”他指出。

打造生态圈