人工智能正在經曆第三輪浪潮。
上世紀的40-50年代，通用計算機的出現，帶來了人類對人工智能的第一次探索；進入上世紀90年代，以日本第五代計算機成為重要标志的第二次人工智能浪潮，通過“通用推理”方式實作了部分人工智能。目前，我們正在處于機器學習帶來的第三次人工智能浪潮。
在本輪AI浪潮中，一個突破性的變化是，人工智能已經在多方面超越人類。
随着人工智能的加速發展，使得算力規模不斷擴大、算力需求持續攀升。在這樣的背景下，如何更加高效地配置、共享、排程并釋放更多算力，成為人工智能發展的一個新的挑戰。
9月14日，在2023全球AI晶片峰會(GACS 2023)上，清華大學教授、中國半導體行業協會副理事長魏少軍表示，未來人工智能技術需要從終端應用出發，以應用定義軟體，再用軟體來定義晶片，以滿足各種人工智能終端裝置的定制化需求，并提升算力的供給。
魏少軍教授認為，工業革命延伸了人類體力極限，資訊革命延伸了人類感覺極限，而正在發生的智能化革命即延伸了人類的認知極限。
如今，智能化發展已經取得了巨大進步。以谷歌為例，谷歌的智能玩家比人類專業玩家能力強10倍，智能唇語識别的精準度達93.4%，語音識别的錯詞率隻有5.9%。由機器學習推動的第三次AI浪潮，出現了突破性變化，即機器在多方面超越人類。
AI需要“軟硬”協同的晶片架構
人工智能的發展在給人們帶來驚喜的同時，也在不斷推動人工智能晶片向前演進。從早期功能晶片到性能專用晶片，再到追求靈活性的可重構AI晶片。而随着大模型的出現，人工智能晶片的發展目标又轉向高算力。
在魏少軍教授看來，盡管智能化發展已經取得了階段性的進展，但人工智能依舊存在兩個現實問題。第一，算法在不斷演進，新算法層出不窮。第二，沒有統一的算法，隻能一種算法對應一種應用。
現有的條件是，晶片制造完成後其實體結構基本特性随即固定，難以兼具高能效和高靈活性，來滿足人工智能算法演進變化的需求。是以，亟需變革晶片架構和設計範式。
如何設計兼具高能效和高靈性的晶片，這就需要找到一種新的架構。魏少軍教授認為，新架構要同時考慮硬體和軟體兩個部分。在計算機工作的過程中，晶片是承載智能運算的底層硬體，而軟體則承載智能功能的實作。
“如何在軟體和硬體之間形成有效結合？基于軟體可程式設計性和硬體可程式設計性，我們将這兩者構成AI晶片的坐标體系。比如，處理器放在第二象限，專用內建電路放在第三象限，FPGA放在第四象限。而第一象限，即是具備軟體和硬體的雙可程式設計性，通過軟體和硬體之間的有機融合，來用軟體定義晶片。”
在硬體結構方面，我們需要考慮如何利用軟體來實作，将軟體轉換為一個可以與硬體結構比對的大小分塊。之後我們将推出一個分塊軟體系統。當硬體架構運作時，軟體與硬體将實作映射。硬體功能不斷根據軟體程式設計結果的變化而發生變化。由此獲得一個具備軟體和硬體的雙可程式設計性的智能架構晶片。
魏少軍認為，“通用”仍然是人工智能晶片的主流架構，然而此通用非彼通用，未來的通用人工智能晶片，需要在通用的基礎上，變得更加“智能”，以滿足各種各樣終端應用的定制化需求。
目前，大陸在“軟體定義晶片”的方向上做的比較好，實作了晶片架構和功能的納秒級重構，使硬體電路可随軟體算法的變化而快速變化，在確定靈活性的同時，大幅提升能量效率。
值得一提的是，如今，高性能計算機的計算能力已經進入E級時代，即每秒可進行百億億次數學運算的超級計算機。未來還将進入Z級時代，比E級還快1000倍。但在追求高算力的同時，在功耗和資金投入上花費都是巨大的。
2022年，世界第一的超算 E 級(1018Flops)美國Frontier超算的GPU晶片使用了先進的6nm工藝，可以達到1.1億個Flops，若算力再提高到1000倍（z級時代），即使技術能達到3納米，想要實作Z級計算，功耗為8000兆瓦，相當于2021年北京市總電力負荷的三分之一。
那麼，8000兆瓦是8000萬度電，一度電要花費5毛錢，用一個小時的400萬人民币。前沿計算機花費了6.6億美元實作了E級計算，相當于40億人民币。
此外， CPU、FPGA、GPU等現有的計算晶片也難以滿足下一代計算的要求，一是計算晶片計算資源占比低，僅不到0.1%；二是技術資源使用率低，僅不到5%；同時，資料傳輸能耗高達90%。
“在人工智能完全智能化的發展中，我們一個重要的任務就是提高晶片自學能力和接受教育的能力。如同人類接受教育和學習成長一樣。但晶片并非如此，晶片出廠即巅峰，後面逐漸衰減。是以晶片在實體上無法實作不斷學習成長。但智能軟體是實作智能的載體，應具備自我學習能力，通過軟體賦予硬體持續疊代的能力。”是以，在強大算力需求的推動下，若想讓晶片變得更通用、更智能，可以以應用定義軟體，再用軟體定義晶片，保證晶片在具備靈活性的同時兼顧效率提升。
最後，魏少軍教授總結了智能AI晶片應具備的基本要素：
1、學習能力、接受教育并成長的能力;
2、算法和軟體的自主演進能力;
3、自主認知、自主判斷、自主選擇和自主決策；
4、可程式設計性：适應算法的演進和應用的多樣性;
5、架構的動态可變性：适應不同的算法，實作高效計算;
6、高效的架構變換能力：<10 Clock cycle，低開銷、低延遲；
7、高計算效率：避免使用指令這類低效率的架構;
8、高能量效率:~10 TOPS/W；某些應用: 功耗<1mW；某些應用: 識别速度>25F/s
9、低成本:能夠進入家電和消費類電子
10、體積小:能夠裝載在移動裝置上;
11、應用開發簡便:不需要晶片設計方面的知識
芯榜：榜單評選.人工智能/AI晶片 企業榜單（點選參與）
點選看：1、無錫晶片36條（全文）2、榜單釋出！恭喜中科芯、思瑞浦、複旦微電、芯馳科技、芯擎科技等企業上榜（芯榜）3、聚焦汽車半導體：2023年第五屆太湖創芯峰會成功舉辦（芯榜）
4、第五屆太湖創芯峰會重磅釋出：全球智能汽車産業圖譜及報告