北京中科寒武纪科技有限公司副总裁钱诚认为，在人工智能社会，智能芯片是不可或缺的。新华网 李林 摄

　　以下内容节选自钱诚演讲实录：

　　就像芯片对于我们信息时代所起的重要作用一样，在人工智能社会，智能芯片也是不可或缺的。

　　像我们现在的一些典型的应用是必须要智能芯片才能够去完成的。比如，如何让我们沉浸在像虚拟现实的这种智能终端这样一个场景中间头不晕？其实，只需要一分钟，智能芯片就能捕捉我们几个眼球的震动，来实时调焦距，这样人在里面就不会头晕了。像VR的一些内容，现在发展得非常火爆。但是，有一个比较大的痛点就是它跟人的互动还是没有那么紧密。这中间，还要运行很多人工智能的算法。它还可以提升VR眼镜的运行速度，降低它的功耗。自动驾驶汽车也需要智能芯片实现1秒钟100次以上的循环。现在互联网上大量的短视频，还有像手机上的语音购物的应用，它们也需要智能芯片才能做这样一个处理。再比如说，现在我们用的是2万多块钱成本的智能加速卡，它1秒钟可以支持20个人做手机端的语音购物，但这些都必须要用智能芯片才能够去完成。

　　我们人工智能应用的这些能力，比如图像、语音识别的能力，主要是基于云端大量的服务器集群才能够做到。如果我们希望它做到移动终端，如手机、汽车上面去，出去野营拉练也能够完成人工智能的应用，并在不远的将来计算速度至少要提升1万倍以上，那么相应其他方面的功能也要做相应的提升。所以对于业界产业化的公司来说，这个发展空间非常大emc易倍体育官方网站。

　　有一个资深的日本专家提出：每十年，在需求的推动下会出现新的半导体的形态。上世纪70年代以后，世界上出现了通用的CPU、定向定制电路、科学计算机GPU，可编程逻辑阵列，还有手机上的芯片等等，但是从2016年、2017年，大家都开始聚焦智能芯片，并用一个新的形态来做相应的处理，这种形态大家觉得应该要做成什么样子呢emc易倍体育官方入口？现在有三种不同的想法。

　　第一种，就是类脑的方向。这种方向是希望能够模拟我们人类智能产生的原因。通过这个模型的芯片，或者是其他的介质当中实现出来。比如说像描述神经元行为、生物界行为的方程，这样模拟出来的很好，它不需要太强的计算能力，功耗丰富低，但图象识别不到90%以上的准确率，还不能做大规模的工业应用。

　　另一个路线基于数学和统计学的原理，基于一些并行计算能力加速的模式，如现在占垄断地位的GPU。但是它的缺点是它的性能提升曲线不太陡峭，同时它的功耗也无法进一步的降低，因为它相对来说更加通用一些。如果我们现在人工智能应用更加蓬勃发展，可以说我们以后每个城市做相应的人工智能处理，这方面的耗电量可能相当于这个城市里面每个家庭一个空调24小时开着这样一个耗电量，这是一个不可持续发展的过程。

　　业界几乎所有的芯片公司都在研究的是第三种，就是一种给更加专于深度学习的处理器来做人工智能的加速。可以说现在几乎所有的芯片公司、所有的互联网或者说头部企业，还有新兴人工智能公司也都要做自己的智能芯片。因为现在人工智能的应用，确实是非常离不开硬件加速。每个公司都需要做垂直整合，现在这些智能芯片上运行的人工智能算法，不仅是要满足于对物体做一个分类、做一个识别，渐渐地，还要能够理解我们分类识别的物体之间的联系。现在，人工智能主要应用在计算智能。计算智能只是结果近似于我们人脑智能的结果，但是它并不是一个真正的智能，所以它的缺点是算法单一，容易被欺骗，也可能被对抗干扰。比如说在识别图像时，如果我们改其中的一个像素点，一只猫就有可能被识别成为一艘游艇。在自动驾驶中也有类似的案例。比如说高速公路上面，强烈阳光照射下的车厢，有可能被识别成白云，这样，汽车就会一头扎进去。所以，在运算时就需要对摄像头传来的图像做一个识别，对汽车雷达点阵做一个建模，也需要后台的数据库，甚至是麦克风传进来语音的指令做一个智能融合。我们现在可以说，智能芯片必须得支持几乎所有的智能应用。比如说像典型视觉的、语音的、自然语音理解的，都要支持到。也有一些公司会做只支持一个语音或者只支持一个视频的、更加专用于一些细分领域的芯片。但是，它们目前在产业化方面会面临一些问题。因为功能简单的芯片，它的节省成本很敏感，对芯片行业来说难做到盈利。