作為典型的前瞻性基礎(chǔ)研究領(lǐng)域，人工智能得到了我國基礎(chǔ)研究最主要的支持渠道——國家自然科學(xué)基金委的持續(xù)關(guān)注和重視。自然科學(xué)基金較早地做出了前瞻部署，聚焦重點問題，資助了大批探索性研究項目，培養(yǎng)了一批基礎(chǔ)研究隊伍。

1956年在美國舉行的達特茅斯會議，探討了人工智能的發(fā)展。在這次會議中，人工智能（AI）的概念被正式提出：“讓機器能像人那樣認知、思考和學(xué)習(xí)，即用計算機模擬人的智能”。參加這次會議的科學(xué)家開始在科研領(lǐng)域致力于人工智能的發(fā)展，但受制于計算機技術(shù)的水平，當(dāng)時人工智能的進展有限。

在20世紀60年代，美國科幻小說家阿西莫夫在《紐約時報》開設(shè)專欄，對人類半個世紀后的科技生活進行預(yù)測。他預(yù)言：“到2014年，機器人有了自己存在的意義：把人類從瑣碎的家務(wù)中解放出來，人們只需頭一天晚上對機器做出設(shè)置，第二天早上就可以直接享用現(xiàn)成的美味早餐。”

我國計算機仿真與計算機集成制造專家、中國工程院院士李伯虎認為，人工智能最近60年發(fā)展可以分為三個階段：20世紀50年代至70年代，人工智能力圖模擬人類智慧，但是受過分簡單的算法、匱乏得難以應(yīng)對不確定環(huán)境的理論以及計算能力的限制，這一熱潮逐漸冷卻；20世紀80年代，人工智能的關(guān)鍵應(yīng)用——基于規(guī)則的專家系統(tǒng)得以發(fā)展，但是數(shù)據(jù)較少，難以捕捉專家的隱性知識，加之計算能力依然有限，使得人工智能不被重視；進入20世紀90年代，神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等人工智能算法以及大數(shù)據(jù)、云計算和高性能計算等信息通信技術(shù)快速發(fā)展，人工智能進入新的快速增長時期。

李伯虎說：“當(dāng)前，正在發(fā)生重大變革的信息新環(huán)境和人類社會發(fā)展的新目標(biāo)，催生人工智能技術(shù)與應(yīng)用進入了一個新階段。這一次人工智能新高潮的最大特點是企業(yè)引領(lǐng)。”

確實是這樣，在國際上，谷歌、IBM、亞馬遜等各自展開了對人工智能領(lǐng)域的研究。谷歌的人工智能程序阿爾法圍棋（AlphaGo）在圍棋領(lǐng)域的“人機大戰(zhàn)”吸引了世界的目光。在我國，阿里巴巴、華為、百度等公司在人工智能方面也各有建樹。比如，在中國，“人臉識別”這一人工智能技術(shù)已在多家公司的刷臉支付產(chǎn)品中被廣泛應(yīng)用。

人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟理事長、中國工程院院士高文表示，新一輪的人工智能浪潮由企業(yè)帶動，目前多國已關(guān)注到人工智能巨大的發(fā)展?jié)摿?，加大了對人工智能研究的資助。

在中國，“人工智能”被寫入我國“十三五”規(guī)劃綱要。在2016年5月，國家發(fā)改委、科技部、工信部及中央網(wǎng)信辦四部委聯(lián)合下發(fā)《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》，要“充分發(fā)揮人工智能技術(shù)創(chuàng)新的引領(lǐng)作用，支撐各行業(yè)領(lǐng)域‘互聯(lián)網(wǎng)+’創(chuàng)業(yè)創(chuàng)新，培育經(jīng)濟發(fā)展新動能”。面向2030年的人工智能規(guī)劃即將出臺，中國的人工智能研究與開發(fā)將進入頂層設(shè)計后的系統(tǒng)推進階段。

中國工程院院士潘云鶴表示，我國對智能城市、智能醫(yī)療、智能交通、智能制造、無人駕駛等領(lǐng)域的研究需求與日俱增，“我國已在這些領(lǐng)域?qū)崿F(xiàn)了信息化，現(xiàn)在迫切需要智能化”。

人工智能有可能率先實現(xiàn)從跟跑到領(lǐng)跑

此前中國工程院根據(jù)人工智能60年的發(fā)展，結(jié)合中國發(fā)展的社會需求與信息環(huán)境，提出了人工智能2.0的理念。

中國工程院高文院士表示，人工智能2.0的一個鮮明特征是實現(xiàn)“機理類腦，性能超腦”的智能感知，進而實現(xiàn)跨媒體的學(xué)習(xí)和推理，比如人工智能AlphaGo就是通過視覺感知獲得“棋感”：“它將圍棋盤面視為圖像，對16萬局人類對弈進行‘深度學(xué)習(xí)’，獲得根據(jù)局面迅速判斷的‘棋感’，并采用強化學(xué)習(xí)方法進行自我對弈3000萬盤，尋找對最后取勝的關(guān)鍵‘妙招’?！蓖ㄟ^這種感知，AlphaGo實現(xiàn)了符號主義、連接主義、行為主義和統(tǒng)計學(xué)習(xí)“四劍合璧”，最終超越人類。

楊衛(wèi)認為，在研發(fā)活動的全鏈條——從基礎(chǔ)科學(xué)到技術(shù)及產(chǎn)品和市場中，基金委正是源頭供給者。順應(yīng)時代發(fā)展要求深入探索人工智能，不僅造福于民，更可為國家在重大研究領(lǐng)域的突破作出貢獻。

此外，為推動人工智能研究的拓展與豐富，科學(xué)基金將重點支持通信與電子學(xué)、計算機科學(xué)與技術(shù)、自動化科學(xué)與技術(shù)等分支學(xué)科之間的交叉研究，通過交叉研究孕育重大突破。

“中國人工智能的發(fā)展前景閃爍著希望的曙光，有望領(lǐng)跑世界。”楊衛(wèi)指出，在科技發(fā)展過程中，一個國家從跟跑到領(lǐng)跑的歷史性跨越既是華麗的，又是艱難的。它需要高瞻遠矚地把握創(chuàng)新規(guī)律，認識到領(lǐng)跑特有的表現(xiàn)形式，并審時度勢選擇正確的領(lǐng)跑方向，而人工智能作為人機網(wǎng)共融的重要組成部分，和智慧數(shù)據(jù)、新物理、合成生命、量子躍遷一道，有可能成為我國科技率先實現(xiàn)從跟跑到領(lǐng)跑的跨越的五個重要領(lǐng)域。

人工智能芯片設(shè)計

移動端的AI芯片在設(shè)計思路上有著本質(zhì)的區(qū)別。首先，必須保證功耗控制在一定范圍內(nèi)，換言之，必須保證很高的計算能效；為了達到這個目標(biāo)，移動端AI芯片的性能必然有所損失，允許一些計算精度損失，因此可以使用一些定點數(shù)運算以及網(wǎng)絡(luò)壓縮的辦法來加速運算。

下面，將分別從服務(wù)器端芯片進行介紹。有的廠商同時具有這兩類產(chǎn)品，則不做嚴格區(qū)分。

Nvidia

在云端服務(wù)器這個領(lǐng)域，Nvidia的GPU已經(jīng)成為服務(wù)器不可或缺的一部分，稱其為領(lǐng)跑者毫不為過。有報告顯示，世界上目前約有3000多家AI初創(chuàng)公司，大部分都采用了Nvidia提供的硬件平臺。

資本市場對此給出了熱烈的回應(yīng)：在過去的一年中，曾經(jīng)以游戲芯片見長的Nvidia股價從十幾年的穩(wěn)居30美元迅速飆升至120美元。2017年2月10日，英偉達發(fā)布2016年第四季度的財報顯示，其營收同比增長55%，凈利潤達到了6.55億美元，同比增長216%。

Intel

作為PC時代的絕對霸主，Intel已經(jīng)錯過了移動互聯(lián)網(wǎng)時代，在已經(jīng)到來的AI時代，也失掉了先機，但它并沒有放棄，而是積極布局，準備逆襲。在云端，收購Altera之后推出了基于FPGA的專用深度學(xué)習(xí)加速卡，可以在云端使用；另外，收購Nervana，目標(biāo)也是在云端。在移動端，則是收購了Movidius。下面先對Nervana進行介紹，對Movidius的介紹放在后面移動端。

Nervana創(chuàng)立于2014年，位于圣地亞哥的初創(chuàng)公司NervanaSystems已經(jīng)從20家不同的投資機構(gòu)那里獲得了2440萬美元資金，而其中一家是十分受人尊敬的德豐杰風(fēng)險投資公司（DraperFisherJurvetson，DFJ）。

TheNervanaEngine（將于2017年問世）是一個為深度學(xué)習(xí)專門定做和優(yōu)化的ASIC芯片。這個方案的實現(xiàn)得益于一項叫做HighBandwidthMemory的新型內(nèi)存技術(shù)，同時擁有高容量和高速度，提供32GB的片上儲存和8TB每秒的內(nèi)存訪問速度。該公司目前提供一個人工智能服務(wù)“inthecloud”，他們聲稱這是世界上最快的且目前已被金融服務(wù)機構(gòu)、醫(yī)療保健提供者和政府機構(gòu)所使用的服務(wù)，他們的新型芯片將會保證Nervana云平臺在未來的幾年內(nèi)仍保持最快的速度。

IBM

IBM很早以前就發(fā)布過watson，早就投入了很多的實際應(yīng)用中去。除此之外，還啟動了對類人腦芯片的研發(fā)，那就是TrueNorth。

TrueNorth是IBM參與DARPA的研究項目SyNapse的最新成果。SyNapse全稱是SystemsofNeuromorphicAdapTIvePlasTIcScalableElectronics（自適應(yīng)可塑可伸縮電子神經(jīng)系統(tǒng)，而SyNapse正好是突觸的意思），其終極目標(biāo)是開發(fā)出打破馮?諾依曼體系的硬件。

這種芯片把數(shù)字處理器當(dāng)作神經(jīng)元，把內(nèi)存作為突觸，跟傳統(tǒng)馮諾依曼結(jié)構(gòu)不一樣，它的內(nèi)存、CPU和通信部件是完全集成在一起。因此信息的處理完全在本地進行，而且由于本地處理的數(shù)據(jù)量并不大，傳統(tǒng)計算機內(nèi)存與CPU之間的瓶頸不復(fù)存在了。同時神經(jīng)元之間可以方便快捷地相互溝通，只要接收到其他神經(jīng)元發(fā)過來的脈沖（動作電位），這些神經(jīng)元就會同時做動作。

2011年的時候，IBM首先推出了單核含256個神經(jīng)元，256&TImes;256個突觸和256個軸突的芯片原型。當(dāng)時的原型已經(jīng)可以處理像玩Pong游戲這樣復(fù)雜的任務(wù)。不過相對來說還是比較簡單，從規(guī)模上來說，這樣的單核腦容量僅相當(dāng)于蟲腦的水平。

不過，經(jīng)過3年的努力，IBM終于在復(fù)雜性和使用性方面取得了突破。4096個內(nèi)核，100萬個“神經(jīng)元”、2.56億個“突觸”集成在直徑只有幾厘米的方寸（是2011年原型大小的1/16）之間，而且能耗只有不到70毫瓦。

這樣的芯片能夠做什么事情呢？IBM研究小組曾經(jīng)利用做過DARPA的NeoVision2Tower數(shù)據(jù)集做過演示。它能夠?qū)崟r識別出用30幀每秒的正常速度拍攝自斯坦福大學(xué)胡佛塔的十字路口視頻中的人、自行車、公交車、卡車等，準確率達到了80%。相比之下，一臺筆記本編程完成同樣的任務(wù)用時要慢100倍，能耗卻是IBM芯片的1萬倍。

寒武紀

Google將TPU加速器芯片嵌入電路板中，利用已有的硬盤PCI-E接口接入數(shù)據(jù)中心服務(wù)器中。

終于有中國公司了，中文名“寒武紀”，是北京中科寒武紀科技有限公司的簡稱。這家公司有中科院背景，面向深度學(xué)習(xí)等人工智能關(guān)鍵技術(shù)進行專用芯片的研發(fā)，可用于云服務(wù)器和智能終端上的圖像識別、語音識別、人臉識別等應(yīng)用。

寒武紀深度學(xué)習(xí)處理器采用的指令集DianNaoYu由中國科學(xué)院計算技術(shù)研究所陳云霽、陳天石課題組提出。模擬實驗表明，采用DianNaoYu指令集的寒武紀深度學(xué)習(xí)處理器相對于x86指令集的CPU有兩個數(shù)量級的性能提升。

目前，寒武紀系列已包含三種原型處理器結(jié)構(gòu)：

寒武紀1號（英文名DianNao，面向神經(jīng)網(wǎng)絡(luò)的原型處理器結(jié)構(gòu)）；

寒武紀2號（英文名DaDianNao，面向大規(guī)模神經(jīng)網(wǎng)絡(luò)）；

寒武紀3號（英文名PuDianNao，面向多種機器學(xué)習(xí)算法）。

2016年推出的寒武紀1A處理器（Cambricon-1A）是世界首款商用深度學(xué)習(xí)專用處理器，面向智能手機、安防監(jiān)控、可穿戴設(shè)備、無人機和智能駕駛等各類終端設(shè)備

CEVA

CEVA是專注于DSP的IP供應(yīng)商，擁有為數(shù)眾多的產(chǎn)品線。其中，圖像和計算機視覺DSP產(chǎn)品CEVA-XM4是第一個支持深度學(xué)習(xí)的可編程DSP，而其發(fā)布的新一代型號CEVA-XM6，具有更優(yōu)的性能、更強大的計算能力，以及更低的耗能。

XM6的兩大新硬件功能，將幫助大多數(shù)圖像處理和機器學(xué)習(xí)算法。第一個是分散-聚集，或者說是閱讀一個周期中，L1緩存到向量寄存器中的32地址值的能力。CDNN2編譯工具識別串行代碼加載，并實現(xiàn)矢量化來允許這一功能，當(dāng)所需的數(shù)據(jù)通過記憶結(jié)構(gòu)分布時，分散-聚集提高了數(shù)據(jù)加載時間。由于XM6是可配置的IP，L1數(shù)據(jù)儲存的大小/相關(guān)性在硅設(shè)計水平是可調(diào)節(jié)的，CEVA表示，這項功能對于任意尺寸的L1都有效。此級用于處理的向量寄存器是寬度為8的VLIW實現(xiàn)器，這樣的配置才能滿足要求。

第二功能稱為“滑動-窗口”數(shù)據(jù)處理，這項視覺處理的特定技術(shù)已被CEVA申請專利。有許多方法可以處理過程或智能中的圖像，通常算法將立刻使用平臺所需一塊或大片像素。對于智能部分，這些塊的數(shù)量將重疊，導(dǎo)致不同區(qū)域的圖像被不同的計算區(qū)域重用。CEVA的方法是保留這些數(shù)據(jù)，從而使下一步分析所需信息量更少。

CEVA指出，智能手機、汽車、安全和商業(yè)應(yīng)用，如無人機、自動化將是主要目標(biāo)

ARM

ARM剛推出全新芯片架構(gòu)DynamIQ，通過這項技術(shù)，AI的性能有望在未來三到五年內(nèi)提升50倍。

ARM的新CPU架構(gòu)將會通過為不同部分配置軟件的方式將多個處理核心集聚在一起，這其中包括一個專門為AI算法設(shè)計的處理器。芯片廠商將可以為新處理器配置最多8個核心。同時為了能讓主流AI在自己的處理器上更好地運行，ARM還將放出一系列軟件庫。

DynamIQ是在ARM上一代革新架構(gòu)big.LITTLE基礎(chǔ)上的一次演進，這種架構(gòu)能夠?qū)ν贿\算設(shè)備中的大小兩個核進行適當(dāng)配置，以減少電池消耗。目前big.LITTLE架構(gòu)已經(jīng)被應(yīng)用到了幾乎所有智能手機的芯片上，包括用于安卓系統(tǒng)的高通驍龍?zhí)幚砥饕约疤O果最新一代的A10芯片。

接下來ARM推出的每一款Cortex-A系列芯片都將采用這種新技術(shù)。ARM稱，與在現(xiàn)有芯片架構(gòu)上開發(fā)出的處理器（即Cortex-A73）相比，基于DynamIQ架構(gòu)開發(fā)的全新處理器有望在三到五年內(nèi)使人工智能的表現(xiàn)增強50倍。

人工智能時代已經(jīng)來臨，在這個史無前例的巨大浪潮面前，有哪些公司能脫穎而出，成為新一代弄潮兒？讓我們拭目以待。

更多資訊請關(guān)注電力電子頻道