人工智能發(fā)展過程中，算力是一個重要的因素，算力就像是 AI 的燃油，沒有燃油，AI 哪也去不了。而為 AI 應(yīng)用提供算力的，正是各種各樣的芯片。而近幾年，嗅到 AI 芯片商機的企業(yè)紛紛入局，想要從底層算力上獲得獨立的能力，然而，并不是所有入局的企業(yè)都懂得如何才能造出真正的好芯片，因此走進一些誤區(qū)。在 2019年 CAIS 大會上的演講《人工智能芯片發(fā)展方向與誤區(qū)》中，賽靈思人工智能業(yè)務(wù)資深總監(jiān)姚頌為我們分享了其研發(fā)芯片產(chǎn)品的經(jīng)驗，并指出了 AI 芯片的發(fā)展方向和一些誤區(qū)。

姚頌以一個楔子開場：張華考上了北京大學，李萍進了中等技術(shù)學校，我在百貨公司當售貨員，我們都有光明的前途。這就好比 CPU 擅長通用計算，GPU 擅長大規(guī)模并行計算，它們都有不同的前途。

誤區(qū)1：AI芯片概念火，卻并無技術(shù)突破

姚頌認為，AI 芯片之所以如此火爆，實際上受到多方面因素的影響。首先，我們從互聯(lián)網(wǎng)時代進入了 AI 的新時代，所有的虛擬應(yīng)用必須有一個硬件載體作為支撐。但是與此同時，還有其他的原因。在人工智能流派中，深度學習只是一小部分，所以做一顆 AI 芯片是很寬泛的概念。AI 芯片從通用到專用，它的性能和支持的范圍各異，其中通用芯片是最難設(shè)計的，而專用芯片一定需要錢和時間才能做出來。而做專用的芯片，如深度學習推理芯片，進行專門的應(yīng)用并不難。

但這里其實有一個誤區(qū)。我們可以看到，幾十種 AI 芯片像潮水一樣涌現(xiàn)，但是卻只能支持一部分功能，它可能是一個新的概念，但并沒有帶來實際的技術(shù)上的突破。

誤區(qū)2：衡量 AI 芯片好壞，硬指標不夠

除此之外，AI 芯片競爭激烈，大家經(jīng)常在想到底一顆好的 AI 芯片是怎樣的。在實際應(yīng)用場景中，我們考慮的很多問題是用戶體驗層面的問題，這對于 AI 芯片同樣適用，有人經(jīng)常討論芯片的頻率是多少，性能多好，價格多貴，但是否這些硬性指標就能衡量一款 AI 芯片的好壞呢？

我們看到，現(xiàn)在芯片分為四大技術(shù)路徑：CPU、GPU、FPGA、ASIC，但是 CPU 的開發(fā)、功耗、穩(wěn)定性、靈活性都很好。GPU性能也非常好，正是因為這樣一個強有力的工具，才有今天人工智能的夏天。

FPGA 的性能、功耗的表現(xiàn)同樣很好，但是開發(fā)周期太長。而 ASIC 是專用芯片，專項應(yīng)用。

這里也有一個問題，賽靈思表示，他們從來不覺得投項目是投技術(shù)和商業(yè)，而是投產(chǎn)品和商業(yè)，是要滿足客戶的需求，而不是說某一種新的方式，最終用戶看的不是新概念，而是產(chǎn)品帶來的新指標，以及給用戶帶來的新體驗，這是很重要的事情。

回過頭來看，做芯片和做技術(shù)都是在做產(chǎn)品。產(chǎn)品分為四個層次，第一個層次就是能用，滿足用戶的基礎(chǔ)功能需求；第二個層次是好用，功能比較完整，性能表現(xiàn)較好；第三層是愛用，讓用戶體驗好；第四點是離不開，在產(chǎn)品之外提供額外的一些附加值。做一顆好的芯片也一樣，要做到這四點。

最后，姚頌分享了賽靈思從傳統(tǒng)芯片公司轉(zhuǎn)型到一下軟件系統(tǒng)公司的過程，并強調(diào)了搞定技術(shù)實際上離產(chǎn)品大賣才做了 10% 的事情，當有了一個技術(shù)指標、想法、設(shè)計之后，最后把它變成一個商品，變成一個持續(xù)供貨、用戶認可的產(chǎn)品，背后還有 90% 的體力活苦活要做，把這些做完以后，才能建立一個真正好的產(chǎn)品和商業(yè)級氛圍。

總結(jié)起來，AI 芯片產(chǎn)品是否真的可靠，是否真的好用，這是一個真正衡量產(chǎn)品好壞的標準。