算力大爆炸万亿个！算法复杂度已超越人脑神经元数量

　　图摄：Pixabay
　　30秒快读
　　1、即便不进行微缩，技术革新仍然能让芯片的性能提升50到500倍，甚至1000倍。
　　2、超过万亿算法参数的模型已经诞生，已经超过了曾被认为最复杂的人脑神经元结构。
　　3、未来，小公司也许会越来越少，在2 4年里逐渐走向整合。
　　＂在数字经济时代，算力就像水和电一样，一定要成为一种可获得、可负担的资源。＂华为轮值CEO胡厚崑在2021世界人工智能大会（下简称WAIC 2021）上表示，没有充足的AI算力就像没有水和电，会大大制约城市数字化的进程。
　　那么在AI时代，智慧城市、工业互联网、自动驾驶等领域的算力会由谁来承担呢？是深藏数据中心的云端算力，还是飞入寻常百姓家的边缘侧算力？未来世界中，算力会无休止增长吗？中国智能芯片行业会在＂百花齐放＂之后重新洗牌吗？
　　带着这一连串疑问，在WAIC 2021的智能芯片定义产业未来论坛，我们或许可以找到一些答案。  01 即便制程不再微缩芯片性能还能提升1000倍
　　对于算力与芯片之间的最基本关系，中国科学院院士、复旦大学教授刘明认为，芯片的发展最终还是要落实到算力上，而算力本身则直接来自于集成电路的发展。
　　在IC长远的发展历程中，微缩常常作为一个标志性的概念被提及。
　　全球主要半导体厂商芯片制程进度，图源：DIGTIMES
　　芯片制程技术节点，图源：semiengineering
　　刘明指出，在最好的时期，仅仅依靠工艺的微缩性，就可以给芯片性能带来快速提升，给算力带来巨大的增益。但这是否就意味着芯片只能依赖尺寸的微缩来提升性能？刘明的答案是否定的。在她看来，利用混叠技术提升宽带的例子就能很好地说明这一点。
　　当微缩不再成为芯片的限定词，未来芯片之路又在哪里？刘明认为，基础器件的变革和多元化技术的变革，都能为IC的性能带来进一步的提升。 在IC现有的发展中，无论是材料的引进，器件结构的发展，还是光刻技术的出现，都在改变着微缩的基本手段，尤其是如三维异构集成这样多元技术的出现和协同发展，都将为芯片整体的性能提升带来很好的增益。
　　图源：techhq
　　即便不进行微缩，据刘明预测，技术革新仍然能让芯片的性能提升50到500倍，甚至1000倍。
　　当微缩的空间慢慢变窄之后，产业界也会采用新的策略来评价新一代技术。性能、功耗、面积、成本以及新一代技术进入市场的时间，将决定这一代技术是否值得推广和研发。而这可能会成为IC产业在不追求尺寸微缩后的新战略。
　　除此之外，刘明还认为， 存储计算架构的变革也是智能芯片未来发展的一个新视角 。对存储来说，越靠近CPU速度越快，而容量越小；越远离CPU，容量越大，速度越慢。这就意味着，数据的搬运不仅仅在处理和存储之间，还在不同的存储层级之间进行，这样一来，频繁的数据搬运带来了延迟功耗。
　　刘明提出：＂通过将传统以计算为中心的冯氏架构变换成一种新的计算方式，把部分算力下通到存储，在拥有足够好性能器件支撑的前提下，就能减少功耗和延迟，提升芯片的算力。＂  02 通用、专用芯片此消彼长？
　　在芯片世界中，通用型芯片和专用型芯片是被粗放划分的两大领域，是泛在化、兼容性强、效率更低的通用型芯片主导，还是分门别类针对应用场景开发更专注和高效的芯片，一直是业内争论的焦点之一。
　　上海天数智芯半导体有限公司董事长兼CEO刁石京表示，人工智能发展过程中，算法还在不断完善，新的应用层出不穷，算力必须有能力匹配灵活多变的应用场景，此时云端采用通用型芯片的算力价值就得到了体现。
　　刁石京举例，PC行业经历了从Intel、AMD等通用型芯片向GPU专用型芯片的转变过程，未来随着市场成熟，大规模应用浮现，应用侧、终端侧的专用型芯片将逐渐开始大行其道。
　　图源：亿欧智库
　　上海燧原科技有限公司创始人兼CEO赵立东认为，AI还处于起步阶段，由于GPU在加速图形渲染领域的长期应用，其并行处理能力等顺理成章地被移植到AI领域。如今，深度学习、机器学习的场景越来越丰富，通用芯片和专用芯片的关系会发生动态变化。
　　赵立东解释，在训练领域，由于需要支持不同的算法、模型、软件站等，更适合通用型芯片，而在推理场景下，需要发挥出极致专一的单项性能，更符合专用型芯片的特征。
　　爱芯科技董事长兼CEO仇肖莘认为，在边缘侧和终端侧，专用型芯片的使用前景更广，在边缘侧时刻要面对功耗、面积、成本的挑战，此时Asic芯片等效能更高。  03 算法参数已超过人脑神经元数量
　　伴随着AI行业的快速发展，算力呈现无上限式的快速增长，对半导体行业来说，这俨然就是摩尔定律之后的又一次革命。
　　赵立东介绍，非盈利组织OpenAI数据显示， AI算力正以每年10倍的速度极速增长，比摩尔定律更快。
　　谷歌发布为自家的最大语言模型GPT-3设计了1750亿个参数，这个数字已经接近人脑神经元数量。
　　图源：Pixabay
　　不过这还不是世界上最大的计算模型，目前超过万亿参数的模型已经诞生，已经超过了曾被认为最复杂的人脑神经元结构，这背后无疑需要使用超级强大的集群算力。
　　赵立东认为，当前计算模型越来越大，参数越来越多，应用场景也日趋多样化，AI发展对算力的需求显然非常巨大。
　　仇肖莘则提醒，在不同场景下，未必算力越大越强就越好。在边缘侧比拼算力和核心数是不聪明的做法，边缘侧需要提升能效比。 目前，一颗10TOPS算力的芯片常常利用率仅有15 20%，如果利用率提高至50 80%，那么意味着算力得到了4倍的提升。
　　仇肖莘认为，从AI算法角度来说，算法工程师不是创造的参数越多就越好，从芯片效率提高角度来说，还有更聪明的办法。
　　刁石京补充，当前的数据、算法、算力仍常应用于数据对比领域，未来如判断、决策等都需要新的算法，＂无论算法如何改进，最终都离不开芯片，这是核心要义。＂  04 别让＂外力扭曲了市场＂
　　半导体行业有句老话，老大吃肉，老二喝汤，老三日子不好过。
　　当前国内半导体领域百花齐放，创业公司数量众多，未来产业将如何整合？中国半导体公司间将形成怎样的竞争态势？
　　图源：Pixabay
　　从投资者角度来看，武岳峰资本创始合伙人武平透露，自己和其他投资人都曾期盼中国边缘侧应用的兴起，但在迟迟不见杀手级应用的前提下，他选择了先投资云端领域，例如上海燧原就是设计生产云端训练芯片的公司。
　　但随着安防、自动驾驶等边缘侧应用场景逐渐清晰，武平表示，投资人此时开始注重边缘侧的投资。
　　仇肖莘坦言，在其公司所在的终端侧市场，存在许多细分市场和小型公司，但芯片行业恰恰需要规模化才能获得利润，推动先进技术研发， ＂未来，小公司也许会越来越少，在2 4年里逐渐走向整合。＂
　　＂是否有外力扭曲了市场＂是一个值得关注的话题。刁石京解释， 如市场分割、地方保护主义等非常规竞争手段也在潜移默化中影响着行业，＂有些领域本来可以实现快速突破，但依存生态领域，打了十几年，没有形成主流生态。＂
　　刁石京呼吁，要让企业在公平市场环境下竞争，希望在国家政策引导下能建立一个公平的环境，以满足我国产业需求，战略追赶国际先进水平。  05 底层支撑社会管理和制造业转型
　　图源：Pixabay
　　虽然安防、自动驾驶等应用已经让人们看到了AI应用的真实落地场景，但这还不＂解渴＂，蓬勃发展的AI和半导体行业显然还需要更多的＂杀手级市场＂，那么这些潜在的行业应用究竟藏在哪里呢？
　　武平对此颇为乐观，除了看好工业4.0概念之外，他认为，起居、出行、驾驶、运动锻炼、生物医药，＂所有角落都可能藏着改变的机遇。＂
　　刁石京认为，半导体行业应该在国家社会管理和制造业转型升级两大方面起到底层支撑作用，而这反之也是行业的蓝海市场。
　　赵立东分析，客观来看，目前算力需求最大的肯定还是互联网行业，BAT、字节、快手等互联网巨头在应用端不断涌现新的算法模型。这块市场是任何智能芯片厂商都无法回避的。
　　同时，赵立东认为， AI对传统行业的赋能将是另一大机遇，金融电力、智能制造、医疗教育、运营商等许多垂直行业都有需求，且这些行业的准入门槛比互联网行业低，恰恰是国产智能芯片厂商的机会 。
　　另外，以智慧城市、平安城市、智慧交通等为基础的新基建市场也不能忽视，＂现在不少城市都在建算力中心，这块市场就放在那里，而且对国产化要求也比较高。＂赵立东说道。
　　作者／IT时报记者 王昕 见习记者 范昕茹
　　编辑／挨踢妹
　　排版／黄建
　　图片／DIGTIMES、semiengineering、techhq、亿欧智库、Pixabay
　　来源／《IT时报》公众号vittimes