魏少军谈半导体：AI应该从应用入手，解决实际问题

北京时间11月8日，由ASPENCORE主办的“全球CEO峰会”在深圳召开，来自全球半导体产业链知名企业的CEO现场为大家分享关于人工智能，物联网发展的洞见。中国半导体协会集成电路分会理事长魏少军现场发表《智能时代的中国半导体产业走向》演讲，以下是经芯智讯整理的演讲内容:

女士们、先生们，大家下午好！我讲的题目是智能时代中国半导体产业走向，是不是到智能时代仍然有疑问，但是要蹭热点我只好用智能时代。内容主要是相关半导体行业的，没有太多的术语。   

人工智能正向我们走来

这些年人工智能非常热，为什么这么热？有很多非感性的出现，最重要的是AlphaGo的比赛韩国棋手李世石和AlphaGo比了3场，第一场赢了、第二场、第三场输了。中国棋手柯洁说他是一流的，要跟AlphaGo下结果三局都输了。这件事很有意思，告诉我们机器和人在很多时候这种比赛竞争机器可能会赢人。为什么？李世石要吃饭、要睡觉，AlphaGo不吃不睡可以下一万盘。更重要的是，第二天早上AlphaGo已经不是第一天的AlphaGo。因此有人说让机器和人下棋就像让铲车和大力士比谁能举起更重的重量一样，对不对？凡是规则清晰的情况下机器一定赢过人，这点不用怀疑。为什么会这样？特别是近年来，我们觉得人工智能的发展非常快，其实最重要的是深度神经网络的出现。

现在无行业不AI、无应用不AI、无芯片不AI，现在大家想申请国家项目、不申请地方的资助，不提AI都不好意思拿出你的东西。太热了。

这是我从地平线于博士那儿要到的视频，也许我们看到我们想象的智能就是这样。可能不是可能是，但是不管怎么样它会改变我们的生活，它展现了机器更多的一种智能，以至于让一些大佬都感到很有危险。这些人对人工智能的发展充满恐惧，我相信他们不是对这件事产生恐惧，而是对人工智能无节制的发展会怎么样产生恐惧。如果我们对人工智能有各种各样不切实际的想法，有可能人工智能是人类最后一个发明。

人工智能的崛起的三要素

我们不需要发明什么东西，人工智能可以自己发明。我们讲人工智能的发展，最重要的是我们想过没有，什么是我们发展人工智能的必由之路？我想架构创新很重要。图灵奖的获得者他有一个说法：什么是AI？他把架构问题放在非常高，我觉得有道理。今天我们是处在架构创新的黄金年代。说这句话是因为我们看到人工智能的崛起有三个基本要素：算法、数据、算力。

看这三点我们会发现这三点之间有些已经存在，有些还在不断发展，有些我们可以介入，有些我们没有办法介入。芯片我们更多考虑算力的问题，我们看一下算法研究，算法研究不是我们做芯片的人应该做的事情，这是搞算法研究的人做的事情。即便是今天做算法的人，大概也是解决不了我刚才讲的两个问题。一是算法不断演进、新算法层出不穷，二是没有统一的算法。当你要实现复杂的应用时候要把很多算法综合起来。

今后会不会出现一个统一的算法？我本人不那么认为。像大脑一样，大脑每部分只负责一部分处理，不可能大脑中一个细胞可以处理所有问题。大脑真正处理的时候碰到的问题很严重。大脑用到140亿个神经元、工作频率200HZ，我们可以完成大概10-16次方的运转，重量1.2-1.6公斤。而我用天鹅2号超级计算机，我们用电传导30万公里，功率4.2GHZ，我们把芯片堆积起来可以实现比人快得多的运算能力，但是占地面积7.2平方米、5吨、耗电42MW，需要一个发电站。    

我们一直追求算力，其实算力并没有太多的悬念。我们说拥有超过人脑的算力不是我们的终极目标，我们把做人工智能芯片归结到追求算力就错了。很多时候算力不是我们的目标，太容易达到。包括前面讲到的超级计算机，我们已经达到了。但我们其实更多需要智能的计算引擎，也就是说本身的计算需要有智能化。但是这个智能化我想有很多的内容，我只举三个例子：一是适合各类应用的可编程能力；二是有足够强大的计算和存储能力；三是有很高的能量效率。如果能力效率很大，每个人工智能的芯片要跟着一个小发电机发电，这是不可想象的事情。

如果要智能，那我们要说这样的东西是什么呢？我们觉得应该具备一些基本要素。一是超高的计算性能，单芯片计算能力要达到100TOPS。高计算效率要避免使用低效率的指令架构，高能量效率要支持10-100TOPS/W。更重要的是再生和组织能力，还有可编程、计算架构的动态可变性、适应不同的算法、实现高效计算、高效率的计算架构变换能力：实时变换、低开销、低延迟。还有实时智能能力，如果没有这些能力这种人工智能大概很难走出来。

这样的芯片不存在，我们今天做的人工智能做什么呢？左边是硬件可编程、右边是硬件可编程性，软件可编程新。我们今天用的基本在第二象限ASIC、SOC等，有很强软件可变成性，硬件不太可编程。专用集成电路基本在第三象限，它的最大好处是能量效率、计算效率都很高。第三类是FPGA、EPLD，是硬件可编程，软件不需要。第一象限不知道是什么，如果不知道我们就有了一些想象空间，有可能我们的第一个想象当中可以创造很多内容出来。至少让我们看到它有点希望，这个东西一会儿会谈一下。   

软件定义芯片与芯片智能化的关系

软件定义芯片的概念很有意思，在讲这个问题之前我先给大家看一个事——“规格”定义不出芯片产品的差异化。在座很多设计工程师，你们大概都有一个非常重要的感受，你的老板会要你设计一款和别人不一样的芯片，经常提差异化。你接到老板的指令花6个月定义规格，又花6个月时间做好芯片，又卖6个月。18个月之后发现市场上有和你类似的芯片出现，这样你可以持续18-24个月。然后又要开始重新学习、重新定义，这个过程太痛苦了。我们设想一下，我们每个人出生像小屁孩这么大，吃喝拉撒别的不会。但是过了几十年，我们每个人和另外一个人都不一样，差距巨大。有的人很成功、有的人不那么成功，有的人上了大学，有的人做其他事情，每个人和另外一个人不一样。因为他通过教育和学习改变了自己，获得一种能力。

 我们设想一下，如果芯片也具备学习能力。它通过学习不断改变自己的功能，提升自己的能力，那这个芯片用起来的时候就越用越聪明、越用越适合某个它用的场景。这不得了，差异化是不断增强而不像今天的芯片不断被削弱。这个过程如果能做到的话，我们想象一下，你是不是具有和别人天生的差异化？当然这是非常理想的状况。能不能做到呢？我们尝试看一下。   

回到刚才的题目，我们说软件是实现应用当中非常重要的内容，而硬件是承载软件的平台。这两者之间应该修改一种关系，这种关系我们称之为“软件定义芯片”。软件和硬件均可以编程，而且是混合颗粒度。我无法摆脱作为硬件工程师的心态，但是它给我们打开另外一扇窗，这扇窗存在的话，很可能走出全新的道路。   

怎么工作呢？我们知道今天的应用都用软件实现，我们是不是可以想象一下，不考虑代驾和复杂性的情况，有一个软件和硬件完全一致的结构这种实现方式是最直接的。再设想一下，我的应用是C或者C++写出来的，每次变换C和C++我的硬件自动跟着变换，而且永远是一样的结构，这样的效率是最高的。这是美好的想法，并不是如此，软件可以很复杂，硬件可以有边界。直接的是我把软件分块，一块、一块的做。按照所谓的任务依赖关系，那就要求硬件一定要能够动态的按照软件实时的改变它的架构，这就是软件定义芯片最原始的想法。当然不那么简单，当你有硬件以后要改变它，改变什么？有很多内容要研究。这个想法是不是可以通过这种方式打通从应用到芯片之间的通道呢？我们有一个软件，通过某种东西实现一个硬件，让硬件随时跟着软件变，只要我能够让软件实现智能化的功能，硬件就可以实现智能化，这个直接推理很清晰。

我们用这个架构来表示，这是用通用的数据通道，是完全可重构的。当然，控制单元就是原料可编程的游线状态。每次控制单元就把软件按照分好的块一块一块搬过来，第一块要把硬件给它定义好，然后再去执行。这个想法很直接。因此做起来，我们想一个C语言通过所谓的Compiler，通过应用把它变成可以运行的东西。重大的差别在于这所谓的Compiler不是计算机的Compiler，而是全新的设计理念。我们认为从软件到硬件的通道被打通，硬件定义软件、软件定义芯片，这个过程是可以实现的。   

大家一定会问左下角的东西是你自己想出来，没有交代它到底从哪儿来的。这是冯·诺依曼计算架构，这是哈佛结构，把IO合并再分开再上下一弄，把Memory放进去转90度，重新画一下，其实就是冯·诺依曼体系结构。传统的架构中是刚性的，现在我们是柔性的，传统的架构当中应用适应计算架构，现在是运算架构适应应用。传统架构一个应用对应一个软件，现在一个应用对应多个等效软件。新的架构中硬件、软件选择性动态改变。在传统结构中高度富有，但是新的结构是冗余应用，它一样又不一样，这种改变使我们有了和传统结构很不一样的结果。是不是我们一家独自做这件事？并不尽然，美国去年启动电子复兴计划，6个中有一个是软件定义硬件。看了其中的内容，基本上就是我们刚才谈的软件定义芯片的东西。它提出一个指标，你要变换的是300-1000ns，只要这个时间变换都属于他们的要求。我们做的远好于它，我们只要花1/10的时间，而且早10年做完了。

回到AI，我们采用这种架构，所谓软件定义芯片的架构实现AI芯片，全世界都没有用这种方式做，只有我们用这种方式做，我们做了以后，今年年初专门对我们的芯片进行报道，报道告诉我们这是中国取得所谓的Crowning Achievement。给我们很高的评价。你在架构上如果不按照传统的方式走，去找新的途径，很可能会起到事半功倍的效果，但是没有太多的规则。

理性看待中国芯片产业到底怎么走

今天我们还没有做到人工智能。按照迈克尔·乔丹的说法，与其说我们今天做的是人工智能还不如说我们做的是增强人工智能，是IA。我们远没有像刚才想象的像人工智能走得那么远。给大家看两个例子。

这是北京中关村西区拍的视频，做的非常简单，对人眼来说早就习以为常，他来做这个事情。第二个视频是AR的视频，它是一个体育场，发现球赛灯灭了，原因在于电源出现问题。

很有意思，我们觉得我们已经做了很多，其实我们做的工作都是在帮助人。我们离真正的人工智能差得很远，所以我希望我们的产业对人工智能的发展、对智能化发展还是要正确理性的认识，不要觉得自己做了一点工作就觉得做得了不起。我看过很多这方面的工作，基本上都是增强我们的工作。

总结

现在很麻烦的是太多人吹牛，所以我们会看到“吓尿体”盛行。曾经我在北京微电子国际研讨会上讲，讲了有人骂，因为我确实动了一些自媒体的蛋糕，因为他们说的话比较大，他们要靠这个东西来获得他们的利益。我这个话说得有点多了。但是我们看到无论是吓尿体还是被吓尿体都没有冷静看到目前实际的情况。实际情况远没有想象那么好，虽然我们有些地方做得不错，但是总体来看既不像有些人说得那么差，也没有像有些人说得那么好，还是需要努力。什么是我们真正要关注的？这个行业最重要的是关注应用，应用是王，能不能找到应用的发展方向，特别是具体的技术发展方向，这是我们的关键。

这里列出一些问题，希望得到大家自己的研讨，我们哪些需要，是不是所有东西都需要AI，我们希望AI解决什么问题，什么是AI五的杀手级应用，什么样的AI应用是我们每天都需要的。我不需要一个手机照张像告诉我这是风景或者汽车或者什么东西，那不是AI，但我需要AI能提示我做我做不到的东西。我想这个路相当的长远，希望我们的同仁们能够共同努力。谢谢你们的关注。