人工智能產業規模高速增長，環球市場調研機構IHS Markit發表數據顯示，到2025年AI應用市場規模將從2024年的428億美元激增到1289億美元。
回首2024年，AI機械人群聊、管控途徑橋梁積水、寫作、智能客服人工智能做了很多原先人類才會做的事情。數不盡的繁多應用背后離不開 AI 芯片的根基支撐。
日前，AI芯片新老牌廠商混戰國際消費類電子產品博覽會，全面蓋住當前人工智能六大要賽程表 運彩點落地場景，包含有云端培訓、云端推理、智能手機、AIoT視覺推理、AIoT語音推理、自動駕駛等，內地AI芯片進入落地階段。
依據中國人工智能產業發展聯合(以下簡稱聯合)提供的數據，2024年以來內地外芯片廠商共發表AI芯片近30款。
AI芯片怎樣支撐多姿多彩的人工智能應用落地?評測尺度進展如何?本年的亮點、看點又在哪?科技日報記者采訪了相關專家。
AI芯片：驅動智能產品的大腦
回首2024年，AI機械人群聊、管控途徑橋梁積水、寫作、智能客服人工智能做了很多原先人類才會做的事情。數不盡的繁多應用背后離不開AI芯片的根基支撐，它是如何驅動AI功課的呢?
現在消費類智能產品大批應用人工智能、大數據等專業，芯片作為硬件載體，蒙受了讓智能產品發揮作用的性能。鯤云科技創始人兼CEO牛昕宇介紹，人工智能行業有三個要點驅動力：算法、算力和數據。人工智能芯片作為人工智能應用的底層硬件，為其提供算力支撐。通過專業創造，連續不斷提拔人工智能算計的功能、減低其成本和功耗，從而支援越來越復雜的人工智能應用。
假如把運行各種人工智能專業聚合比作一個人的話，人工智能芯片便是它的大腦實體，而各種聊天、視頻制作、自動駕駛應用便是它依據自己所能接觸到的數據，吸取到的經驗知識進行的操縱。一方面，跟著數據經驗的積累，它們運行的人工智能應用會越來越準確，另一方面，它的吸取受限于大腦的容量(芯片算計才幹)、教養成本(芯片成本)以及大腦運算消耗的熱量(芯片功耗)。
牛昕宇辯白道：人工智能芯片研發要做的，便是提供這樣一個越來越智能的大腦，從而能夠吸取各種各樣的技巧(人工智能應用)，終極應用到各類智能終端設施中，在自動駕駛、聰明城市、工業視覺、聰明安防等領域發揮作用。
起步階段：加快芯片算力的迭代優化
AI芯片的發展，離不開人工智能專業的發展。人工智能從1956年誕生至今，共履歷過三次大的浪潮。進入21世紀，跟著算計機功能的提拔和海量數據的產生，機械吸取和CNN網絡(卷積神經網絡)獲得突破，算法、算力和數據知足了人工智能的商務化落地需求，人工智能迎來了高速發展的階段。
特別是2024年起，人工智能的商務化落地連續不斷加快。 牛昕宇以為，從芯片的起步、發展運彩時間、成熟的三個階段來看，人工智能芯片仍然處于起步階段。
人工智能芯片重要涵蓋三個發展脈絡，一是由于前期人工智能落地的旺盛需求，英偉達的圖像處理器GPU由於可以支援CNN等算法網絡，知足根本的人工智能落地需求，在這個期間獲得了大范圍應用，其也通過芯片架構連續不斷迭代，逐漸轉型成為人工智能芯片供給商。二是由於算法的連續不斷迭代，對芯片和算力提出了更高的要求，這時候內地外的初創企業和華為等采用與英偉達雷同的指令集專業路線，通過架構創造，推出了一批新的專用人工智能芯片。三是陰礙芯片功能的制程工藝發展日趨成熟，摩爾定律放緩對指令集專業路線的發展提出了挑戰，現在也有初創企業采用全新的數據流專業路線，推出新的專用人工智能芯片。
當前內地重要是后兩種人工智能芯片，各家企業都處于推出產品、進行市場化落地的階段。例如，鯤云科技就在上年發表了通用AI底層CAISA芯片架構，可以實現高達98%的芯片利用率，在聰明城市、工業檢測、電力安防等領域實現了規模落地。
牛昕宇坦言，芯片行業是一個需要連續不斷迭代發展的行業。深度吸取算法日新月異，對算力也提出了更高的要求，知足人工智能快速發展的需求，仍然需要芯片企業對于市場的快速反饋，完工產品的快速迭代和優化。
2024年看點：落地被反復強調
人工智能產業規模高速增長，據環球市場調研機構IHS Markit發表的AI遍及度查訪預計，到2025年AI應用市場規模將從2024年的428億美元激增到1289億美元。
從2024年年底開始，人工智能芯片的落地被反復強調。不論是短期還是長期目標都是落地。牛昕宇說。由此看來，人工智能芯片2024年的重要看點仍然在于新產品迭代和落地。加快人工智能應用落地，只有以市場需求為驅動的芯片才能連續創新價值。
當然，人工智能應用永遠需要功能更高、代價更低、功耗更低的芯片，如何能在這之上連續不斷知足市場需求，考驗著每一家人工智能芯片企業的要點專業以及對市地方需產品的洞察。
芯片和算計架構在人工智能的發展中扮演著主要腳色。聯合算計架構與芯片組聯席秘書長張蔚敏說。2024年起，許多AI芯片產品都在底層架構設計上講究架構創造，2024年這種趨勢越發展現。要點在于市場對芯片所能提供的更高實際算力的追求，將在真實採用場景中得到驗證。
在牛昕宇看來，安防是人工智能落地相對對照充分的領域。運彩 活動本年我們將看到更多細分領域的落地場景，比如占國民生產總值近30%的制造業。包含有鯤云科技在內，很多企業也在為智能制造領域的工業視覺檢測提供基于深度吸取的一體化算力辦理方案。
三大困難：破解AI芯片落地的關鍵
落地，既是本年運彩計算AI芯片的看點，也是難點。當前AI的行業應用遲遲沒有大規模爆發，AI芯片創業公司照舊面對產品難以落地、研發和應用還沒有很有效地銜接起來等疑問。張蔚敏以為，芯片專用化趨勢越來越明顯，而應用落地則成為急迫需求。
從研發角度來看，牛昕宇說，當前人工智能芯片重要面對三方面疑問，即芯片設網路下注 運彩計的底層專業路線同質化較高，軟件開闢支援依然是短板，以及芯片功能測試處于起步階段、間隔形成權威統一的評測尺度還需要一定的時間。
顯然，專業路線同質化容易導致產品同質化，減低了創新獨特價值的可能性。作為底層硬件芯片，不一定每個指標都需要最強，可是要找到對于市場需求獨一無二的價值，辦理要點疑問。這就要在專業路線方面進行創造，掌握自己的要點專業，從而在芯片功能和專業支援上掌握更多主動性。
而芯片的採用和對算法的支援離不開軟件工具。現在有一些人工智能芯片仍然缺乏可用的軟件開闢工具，或者軟件編譯工具設計復雜，用戶的開闢和採用門檻過高，這些都需要在落地過程中連續不斷完善和迭代。誠如牛昕宇所說，假如不能辦理這個疑問，AI芯片的大規模商務落地也會遭遇阻當。
至于AI芯片評測尺度的規定進展，牛昕宇坦言，現在這類尺度還處于項目推廣的早期，各家采用的測試網絡和測試尺度還缺乏統一性，可能對客戶的選型造成一定難題。
從2024年起，內地外針對AI芯片的測評方案陸續出爐，比如由百度、google、斯坦福大學、哈佛大學等聯盟發表的用于丈量和提高機械吸取軟硬件功能的MLPerf國際基準、由中國人工智能產業發展聯合和內地人工智能企業合作推出的AIIA DNN benchmark項目。牛昕宇引領下的鯤云科技也在連續積極推進人工智能芯片評測的尺度化。我們同中國信通院和聯合親暱合作，推動AIIA DNN benchmark項目的尺度迭代，介入國家尺度的規定。
