【芯观点】AI进化论：由技术驱动到商业驱动，逆向创新正深入上游芯片

图片来源：网络

集微网消息（文/Wilde），到底是人类驯服了小麦还是小麦驯服了人类？在AI技术发展和商业落地两者的关系上，如今也呈现出同样的状态。

李开复上周在世界人工智能大会上指出，过去几年来AI有一个特别大的转型，即从技术驱动变成商业驱动，其产业化和商业化速度越来越快，而AI创业已经从“AI+”推进到“+AI”时代。两者的区别在于，前者是以AI技术（AI工程师、科学家）为核心来寻找商业机会；后者是针对传统应用去产生价值，从而一定程度反过来影响上游技术的发展路径。

在更上游的AI芯片领域，情况同样如此。“无芯片，不AI”已成为业界共识。市场调研公司Tractica的报告则显示，AI芯片的市场规模将由2018年的51亿美元增长到2025年的726亿美元，年均复合增长率达46.14％。而AI芯片作为算法与应用结合的桥梁，近年来来自应用和商业落地端的驱动效应日益明显。

双向改变

改变更确切地说是双向的。

IDC最新发布的《中国人工智能云服务市场研究报告（2019）》显示，中国AI云服务市场2019年市场规模达1.66亿美元，2018至2024年CAGR将达到93.6%，AI能力已成为用户进行云服务选型时的重要考量因素。IDC指出，随着AI开始渗透到企业的核心业务，应用场景会越来越分散，越发需要技术和应用上的不断创新和突破。

这一来自应用端的趋势变化或许正是IBM近年来在AI技术布局上转变的重要原因。

“让AI改变AI，把AI变成具有‘水和电’特质，然后用‘水和电’改变业务流程。”不久前，IBM刚刚举办完2020 IBM Think大会，进一步清晰了其混合云与AI战略。从这家老牌IT公司近年来在AI上的发展路径也可一窥这种技术与应用之间的双向改变。回顾过去三年的Think大会，从IBM首提AI将带来指数级增长的定律，到发布AI平台，再到混合云与AI战略。其AI发展路径也随着商业世界的改变而不断演进。“许多发明创造都经历了漫长过程，持续不断的改进，发明出广泛的应用，从而形成非常强的外溢效应，对人类社会产生重大影响。”IBM大中华区集团董事长陈黎明这样表示。

进入2020年，IBM正在全面发动AI的工业革命。该公司表示，AI时代的工业革命，在更高级的自然语言处理技术、可大规模扩散AI能力的自动化技术以及基于可信基础设施和可解释算法的技术信任等技术的加持下，最终将不断进化的AI能力推向商业应用的深处。

同时，基于应用落地的创新需求，科技产业也在进一步开拓AI计算及更前沿的技术领域。例如，2019年2月成立的IBM研究院AI硬件中心（IBM Research AI Hardware Center），就是为了应对未来十年的智能计算需求而投资的研究机构。该机构为开放式研究方式，将与其它研究机构和产业公司一起对话及合作，共同加速面向AI优化的硬件创新。比如，该AI硬件中心开发的一个技术路线图显示，基于模拟AI内核技术的深度学习结合了优化的材料后能在2030年左右达到今天AI计算能力的千倍。

延伸至更上游的芯片设计与制造

逆向影响还在进一步深入，在更上游的AI芯片制造领域，相关的技术也受到商业应用的驱动。

比如，台积电为了制造“超级计算”AI芯片而专门开发InFO_SoW（晶圆上系统）技术。据DIGITIMES报道，台积电已于人工智能初创公司Cerebras Systems达成合作，将为其生产该公司推出的世界上最大的半导体芯片。该芯片拥有1.2万亿个晶体管，40万个核心，面积为46225平方毫米，片上内存18G，是目前面积最大芯片英伟达GPU的56.7倍，并比其多78个计算内核。

而Cerebras之所以推出这款AI芯片，主要是针对深度学习的工作负载。当今人工智能的发展受训练模型所需花费时间的限制，如何缩短训练时间是整个行业共同面临的问题。根据Cerebras的说法，该芯片是目前唯一的万亿级晶体管晶圆级处理器，基于该芯片推出的CS-1系统可以提供比其他系统更少的空间和功耗的计算性能，相当于标准数据中心机架的三分之一，同时取代对数十万个GPU的需求。

据悉，台积电的这一技术有望在两年内以InFO（集成式扇出封装技术）衍生的工艺开始量产。

同样地，老对手三星电子也在经历类似的技术研发蜕变。三星电子高级副总裁MoonSoo Kang日前在世界人工智能大会上指出，从应用趋势来看，通过定制设计的AI处理器来实现更高效的计算将是AI计算的未来。

MoonSoo Kang称，尽管AI应用尚处于初期阶段，但已经无处不在——从超大规模数据中心到汽车以及各类个人设备（手机、可穿戴设备等），都充斥了大量多样化的AI应用程序，它们需要多样化的计算需求和技术要求。

“没有单一的解决方案能满足所有的需求。”MoonSoo Kang说，三星电子由此预计，到2025年，定制AI芯片或将取代当前CPU在数据中心推理应用市场占据的主导地位，占据将近一半的市场份额。

此外，近年来硅片技术的最新趋势——异构整合（heterogeneous Integration）的发展也与之相关。主要原因是，随着终端应用日趋多样复杂，带来芯片设计及工艺成本的成倍提升，高端制程的逻辑工艺越来越贵，先进工艺的硅片制造成本越来越高。但MoonSoo Kan指出，并非所有的设计都值得引入高级技术节点，例如，模拟设计不会随着先进技术节点的发展而缩小。因而分解的思路成为新趋势，比如，单个芯片可以分为多个小芯片(Chiplet)，这些小芯片可以组装在中介层(Interposer)的顶部或多芯片封装模块中。而这些都将引发相关技术层面的连锁变化。“当然，这其中需要克服很多技术和经济上的障碍。但这正在成为不可否认的趋势，至少在某些细分市场中是这样。”MoonSoo Kan说。

（校对/零叁）