自2017年以来，各路人马纷纷向AI芯片发力。在这全新赛道上，中国芯片面临着哪些机遇与挑战？11月15日，在高交会“颠覆性创新技术”主题论坛的芯片专题环节，中国工程院院士倪光南、邓中翰以及众多企业家，共同探讨了芯片的智能未来之路。
在新一轮人工智能产业革命中，邓中翰院士认为，中国制造必须加大技术攻关力度，借助我国丰富的应用场景和海量的数据优势，打破“缺芯”瓶颈，实现“弯道超车”。
对此，寒武纪副总裁刘道福表示赞同，他认为在未来万物相连的物联网时代，小到一台扫码机器，大到自动驾驶汽车，每台设备都将对人工智能芯片有需求，其差别只是在于算力的多少。
在带来机遇的同时，人工智能芯片的研发也面临不少挑战。邓中翰院士表示，芯片已进入后摩尔定律时代，有五大问题亟待解决，即如何兼顾大数据应用场景及小数据应用场景，如何以单芯片兼顾抽象逻辑思维与具象思维模式，如何同时处理传统智能算法与深度学习算法，如何节省软件开发时间，以及如何提升性能功耗比。
极戈科技联合创始人张铭表示，在人工智能应用场景还没全面爆发之际，人工智能芯片企业能做的事情是加速芯片的创新，唯有加速创新才能在有限的时间里应用到更多碎片化的场景中。
众所周知，芯片行业准入门槛高，自主研发需要长期的技术积累，向国外采购也价格不菲，如何让更多中小企业也能根据自身业务需求用上定制芯片？倪光南院士提出了开源芯片的概念。
“开源软件当前已成为软件业的主流，既然开源软件很成功，我们是不是可以期望，依托这种模式的开源芯片在芯片业也可以取得同样的成功？”倪光南院士表示，对于这个问题的答案，还需时间回答，但开源架构RISC-V无疑为国产芯片提供了一条捷径。
倪光南院士表示，开源芯片设计有望将芯片设计门槛大大降低，以至于三五人的小团队在3~4个月内，仅需几万元便能研制出一款有市场竞争力的芯片，从而促进芯片产业的繁荣，更好地支持人工智能等新一代信息技术和数字经济的发展。
为推动开源芯片生态环境的发展，倪光南院士介绍，经过9个月的筹备，11月8日“中国开放指令生态联盟”已宣告成立，包括中科院计算所、清华大学、杭州中天微等企业和科研院所都已加入该联盟，今后将加大自主创新力度，营造完善的生态系统，促进自主可控的开源芯片发展。
邓中翰：非常高兴今天来参加高交会的有关芯片的论坛，刚刚听了很多位专家就生命科学以及健康做了很好很精彩的一些报告，特别是谈到了我们的生命基础是来自于算法，一种基于DNA，基于分子结构以及基因慢慢形成的对于生命健康的一系列过程。
今天非常感谢倪院士让我调一下时间，我在这里给大家讲一下我们在今天的IT的世界里面，我们在芯片的层面上如何通过晶体管，如何通过0和1的数字表达，通过算法形成这样的过程，从而能够给我们的社会带来信息化时代的一些话题。
我今天作的报告题目是“多核异构AI处理器与智能摩尔之路”。
我先分四个方面：
第一，简单介绍一下IC产业发展的概况与预期。
第二，人工智能带动芯片发展。
第三，AI芯片的智能摩尔之路。
第四，星光中国芯工程的研发进展。
全球半导体现在的状况：
根据世界半导体贸易统计组织的数据调查，全球半导体行业规模从1994年突破1000亿美元以来，经过20多年的发展，2010年接近三千亿美元，2017年又突破了4千亿美元的大关，所以我们看到全球半导体行业是一个巨大的产业规模。
2017年以来全球半导体产业大幅跳跃增长，一方面是存储器需求旺盛，产品价格大幅上涨，另一方面我们看到一系列新的技术普及，包括物联网在汽车电子、AI等信市场新应用的拉动下，需求非常旺盛，未来几年随着智能汽车、VR、AR、物联网等领域的发展，半导体的新应用势头保持了高增长，权威的机构预计，2018年全球半导体的产值增长在8%左右，预计2018年将会达到4500亿。
2019年和往后我们也基本上以这样的增长速度来看，有可能到2020年我们的规模可以达到5千亿美元，从94年以来半导体的产值翻了五倍，可见它对我们的商业、贸易的重要性，同时也证明了它的广泛应用和普及对我们各方面的信息化世界的贡献。
2017年的世界集成半导体市场由什么组成？83.3%是由集成电路，比较大规模的数字和模拟的集成电路组成，还有3%的传感器和5.3%的分立器件和8.4%的光电子。微处理器占了15.5%，逻辑电路占24.8%，存储器电路占了30.1%，模拟电路占了13%的市场。传感器包括手上的手机的相机以及指纹等等称之为传感器达到125亿美元，同比增长15.9%。
谈到世界的市场行情给大家有一个概念以后，我想我们再谈一下中国集成电路行业的销售额。大家可能也听说过，中国集成电路行业是单一进口，超过石油、天然气、铁矿石，我们在2017年中国进口的集成电路达到3770亿块，同比增长10%，而进口额有的说法达到2700亿美元，最近大家也知道中美关于贸易的问题，对于中国来说2700亿是一个巨大，我们跟美国总共是5千多亿美元的贸易，我们在报告中看到，中国在大量的进口不是直接从美国进口，这样的数字计算本身就扭曲现在关于中美之间贸易赤字的问题，因为我们很多的芯片包括从香港、新加坡其他的国家分装测试以后运进来，源头的产品仍然还是美国对中国的产业出口，这样的贸易利差的计算也值得我们关注。
我们看到的是2018年预计行业的销售额将会达到6489亿人民币，由于中国的信息电子产业快速发展，所以我们在芯片的集成电路应用和需求方面是非常旺盛的，全世界最大的市场。
我就给大家简单介绍一下通过人工智能来推动我们在各种信息化，包括健康、生命，很多研究、医疗、医学方面的应用。在很多算法、人工智能的这一系列计算很多必须依赖于芯片技术的发展，所以有必要在这里接着前面关于生命大健康的报告谈谈人工智能带动芯片的发展。
长期以来我们国家的集成电路产业一直受到西方在先进的制造装备、材料和工艺引进等方面的种种限制，高端芯片主要依赖进口，经过一些事件的警示，以确保芯片安全已经成为国内的共识，中国工程院特别是倪光南院士多年来一直在推动自主可控国家信息安全等相关，围绕着芯片事业和集成电路事业的宝贵建议都得到了国家，特别是中央最高领导人的高度认可，我们在推动这方面已经形成了全国的共识。
人工智能作为技术，被视为新一轮产业革命的推动力，芯片则是人工智能产品的关键部件，迈向高质量的发展，中国制造必须加大力度攻关，用创新推动品质革命。正如前面一个报告里面报告人谈到，中国具有丰富的应用场景，也有发展人工智能所需的海量数据优势，听到关于健康方面很多数据如何从底层来进一步探索生命的奥秘，乃至健康和医疗的方法，我觉得这方面我们有巨大的数据优势，我国人工智能实现弯道超车具有重要的历史机遇期，我们必须努力打破缺芯瓶颈，为人工智能发展保驾护航。
10月31日习近平总书记在中共中央政治局第九次集体学习会议上指出，人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题，要深刻认识加快发展新一代人工智能的重大意义，加强领导，做好规划，明确任务，夯实基础，促进共同经济社会发展深度融合，推动我国新一代人工智能健康发展。国务院相关的部委推出我国新三代人工智能发展的一系列目标和计划，力争在2020年我们达到世界的先进水平，2025年取得重大突破，部分技术和应用，特别是大数据的优势达到世界领先水平。2030年人工智能的理论、技术与应用总体达到世界领先水平。
中国工程院也于2017年初提出AI2.0人工智能发展的总体趋势从云端的智能逐渐从边缘计算走向前端的智能，从智能感知走向智能的认知，监督学习走向自我学习，弱人工智能走向强人工智能。人工智能产业中有四个环节，包括算法、细分应用、芯片、数据。技术发展的数据也是以深度学习的技术作为主流，数据流的方向存在CNN和RNN，数据的位宽有32恩、16、8、4、2、1，现在的发展阶段它的一些趋势是，基于规则驱动的传统智能技术同时并存，小数据的场景，传统人工智能算法的效果是非常好的，有的时候既是采用深度的学习的算法，某些模块还是使用传统的法效率也很高，神经形态的人工智能芯片还处在探索期。
下面我想讲一下智能摩尔定律，人工智能芯片面临的难点和挑战是哪些？如何兼顾大数据应用场景及小数据应用场景，如何以单芯片兼顾抽象逻辑思维模式与具像思维模式，如何同时处理规则驱动的传统智能算法以及数据驱动的深度学习算法，如何节省软件开发时间，如何在后摩尔定律时代提高性能。刚刚讲到基因测序已经超过摩尔定律，摩尔定律正在走向极限和劲头，CPU散热已经是很大的问题，时钟频率早早趋于上线。后摩尔定律的创新之路怎么走，虽然物理层面和信号层面都受到物理规律的制约，比如说量子隧道效应等等对0和1信号的确保程度，但是在信息层面的技术创新还没有达到极限，下一次信息革命的关键应该是如何进一步借鉴人脑的智慧机制，研究新型人工智能计算算法，进一步在摩尔定律走向劲头，物理层面上和信号层面上要走向信息层面上进一步演进。这样的三维坐标显示今天我们继续沿着摩尔定律走向moremoore，未来我们要走向智能摩尔，就是通过多核异构的智能处理器实现多模式的智能算法。
谈一下我们中星微电子集团从99年从工信部直接投资，在国家的支持下，这些年在多媒体芯片等方面做出的一些努力，取得的一些成绩。最近几年又在芯光智能一号和二号芯片上取得很大的进展，最近也是在深圳获得2018年全球电子成就最佳处理器的产品奖，我们所推动的方向就是沿着多核异构的处理器，应用这样的多核异构的处理器可以在很多的未来人工智能的应用方面取得很好的计算效果，我们展望未来，我们会持续地开展在人工智能处理器方面的研究，特别是在后摩尔时代走出一条行之有效的自主创新道路，沿着智能摩尔定律，就是走多核异构的道路取得更新的能耗。
主持人：感谢邓中翰先生带来全球以及中国半导体企业现状的一个详细论述，二是关于中国人工智能发展的综述，他也就后摩尔定律时代也条路怎么走给出他的建议，接下来我们非常荣幸地请出中国工程院院士，为我们带来开源RISC—V的探讨。
（倪光南 中国工程院院士）
倪光南：感谢有机会参加这个论坛，RISC—V这个很难翻的，我们讲讲它的介绍情况。
我们几天以前在乌镇的世界互联网大会上成立了一个中国开放指令生态，我觉得这个文字太文绉绉的，上面批下来的，我主张叫中国开源芯片联盟，刚刚主持人说字很难念，翻也不好翻，这是UC伯克利发明的，现在已经第五版了，在学术界来讲也是相当高的水平。我们知道在9月份上海已经成立了RISC—V的产业联盟，因为上海的集成电路产业联盟很多单位组成的，这两个联盟大家会协同来做，把中国的RISC—V的事情做起来，老百姓肯定主张说开源芯片，既然开源软件很成功，当前我们在新一代信息技术，在互联网的情况下，开源软件已经是主流了，BAT、亚马逊、谷歌都一样，中外的大型服务商都是基于开源为主要的，是不是芯片下基于开源的RISC—V的芯片是不是可能成为一个主流呢？我提出的问题还是需要时间来回答。
开源是一个开放模式，也是一个商业模式，是不是能取得成功时候？我们还是需要用时间来回答。
我们看世界CPU不是很多，我指的是高端CPU，全世界不会多，现在是两大类站稳脚跟，一个是因特尔还有一个是Arm的架构，全世界包括发达国家包括美国我还没有看到哪家做X86能够有成功的商业模式，能够成功地站住，中国不少人想做，但是我认为恐怕行不通，作为国之重器发达国家不会把这个知识产权让你很容易地取得。
Arm成功授权的商业模式，全世界做Arm的公司太多了，但是即使它有很好的商业模式，你可以去买授权，但是门槛也非常高；你要拿到架构授权Arm要收几亿，最差的不能修改拿来用的，我觉得几百万人民币可能还是要的，几百万到几个亿，这个门槛对于很多中小企业来讲，太高了。我们希望降低门槛，使得芯片更多地大众化，就像开源软件，一开源以后谁要做这个软件都可以做，芯片也可以做到这样多好。
RISC—V它的优势，我们知道它采用BSD的协议许可，真正做到免费开放，没有任何的知识产权风险，这当然很好，因为它发展得比较新，RISC—V指令集追求简约、丢弃历史包袱，支持模块化，性能十分优越，能够满足从微控制器到超级计算机等各种复杂程度的处理器需求。覆盖非常大的应用领域，支持FPGA、ASIC乃至未来器件等多种实现方式，同时能够高效地实现各种微结构，支持大量定制和加速功能，并与现有软件及变成语言良好设备。RISC—V由一个非盈利的基金会负责维护RISC—V指令集标准手册与架构文档，促进RISC—V阵营的交流和发展，共同营造其生态系统。
过去，芯片设计有时需要上议研发费用，投入上百人年，中小企业不易承担，而且也不一定能掌握发展的主动权，开源芯片设计可望将芯片设计门槛大大降低，以至于3—5人的小团队在3—4个月内，只需几万元便能研制出一款有市场竞争力的芯片，从而将促进芯片产业的繁荣，能更好地支持人工智能等等新一代信息技术和数字经济的发展。我想对于我们下一步信息技术的发展，以及其他各行各业的发展将是非常大的推动，这个时候RISC—V应该是非常好的时机，我们希望它和其他的开源软件一样，将来如果和开源软件配合好，对世界是大好事情。
RISC—V基金有上百个会员，很多中国公司已经在里头，不是太多，但是已经很多了，中国刚开始介入这个，我们需要进一步加强。一个特点就是简约，它的手册就两百页，Arm有2700页，X862198页，你要学一个手册，工作量就不是一个数量级的，所以很适合大家掌握新的技术。
这个图也很有意思，因特尔86是几十年前做出来的，1978年诞生时有80条指令，到2015年增长了16倍，到了1338条指令，并且还在增长，我觉得我们现在RISC—V这个新的起点非常精简，真正把包袱丢掉了，对老的生态没有好处，新的领域重新开始有它的好处。
这个图比较一下他们的优势，模块化很重要，你可以按照你的需求，现在是整体不可分解的，RISC—V可以分解一些模块，你需要的模块可以变成你的要求，有利于非常快速开发出来，可拓展性也非常好，商业运作开源免费，没有知识产权的风险，生态是最大的弱小，但是好处，反正我们新一代的人工智能都还没有太成熟的生态，在这种情况下，我相信新的架构就比较容易切入，传统的生态不行，高性能，我们的应用特点是高性能，普适、可控等等，最大的问题就是生态的问题，专利不是问题，如果我们联盟加强协作可以比较好地控制。中国的开源芯片联盟，中国有它的好处，国家的支持，对于战略性新兴产业的支持，过去人才市场可能芯片产业门槛太高，能够做芯片的人少，现在有了开源芯片门槛一降低，成千上万人会投入到开源芯片的发展中，但是我们也需要一些规划，比如说一步一步做。
有一个很大的好处就是创新，X86和Arm有一些创新很难做，因为这个你主导不了，但是RISC—V有一个很大的好处，作为开源，我相信我们一些创新可以很容易在新的架构上体现出来，比如说中国科学院大学杨教授提出的一个安全的理论，各种各样的工具太多了，肯定不可能全部防止，但是超越授权的公司，这一轮他们认为可以完全防止，需要用操作系统等等构成，RISC—V就有一个机会，大家可以通过开源芯片评估安全是不是好，这就证明开源对于创新的一种有力的条件，我们希望通过RISC—V验证一下，包括安全性的创新是不是可行，开源软件可以原始创新，通过开源的模式可以更好地推广你的成果。
今天是2018年11月15日，我们认为是不是有一种可能，世界两大CPU已经被因特尔和Arm占据了，有没有可能其他的架构，目前很多架构我认为不太可能在世界上站住，如果RISC—V大家努力的话，当前的形式下，我们可能形成第三个力量，三足鼎立的形式，谢谢大家。
主持人：谢谢倪光南先生教会我这样的拗口英文词汇RISC—V，一开始提出芯片未来会成为主流吗？他为我们分析了开源芯片的诸多优势，以及目前正是发展他的良好时机，掌声再次向倪光南先生表示感谢。以上我们就芯片这个话题是聆听了两位院士的主题演讲，这个话题我们还将延续，接下来会进入圆桌论坛，我们将会就人工智能和物联网时代的芯片智能未来之路来开始一场研讨，
（对话环节）
Arm中国副总裁 金勇斌先生；
极戈科技联合创始人兼首席执行官张 铭 先生；
北京寒武纪科技有限公司副总裁刘道福 先生 ；
科通芯城&硬蛋副总裁王宪航 先生；
今天下午的论坛我一边主持一边冒冷汗，前面几个话题我或多或少了解的话，到芯片这个话题基本上是比较绝望的态势，先请教一下各位，先悄悄问一下金总，他来自Arm科技，刚刚芯片的架构已经被倪院士提出一些优点和缺点，我要悄悄问一下金总，刚刚倪院士讲的是什么意思？
（金勇斌 Arm中国副总裁）
金勇斌：其实我也没有听懂。
主持人：那我就放心了。
金勇斌：Arm还是有很强的生命力，我们没听过哪个客户哪个客户因为买不起而放弃我们。
主持人：我们其实对Arm是非常熟悉，全球领先的半导体的知识产权的提供商，而且有着自己非常独特的商业模式，能不能简单向大家做一个介绍。
金勇斌：Arm的商业模式其实说得很简单，因为Arm以前也是一个很穷的公司，最开始准备做芯片，后来没钱，后来我们给做芯片的公司做架构提供授权，所有Arm的研发费用就是芯片公司去分担了。如果让所有的芯片公司在没出货之前分担你的费用，风险还是转给芯片公司，我们就说支付我前期的开发费用，到芯片成功卖出去，给Arm再适当分一些提成费用。其实Arm的成功是建立在客户的芯片能够大量成功卖出去的基础上，Arm的模式跟客户共生，Arm作为全球最大的IT公司，一年的销售额在20亿美金，去年我们全球的基于Arm的出货量是250亿片，其实这个收入是非常薄的，换句话说所谓的开源也好，我觉得硬件本身有两个事情：一是成本在整个设计和制造链里面，前端的IT费用占很少的比例，你要去生产是占很大的比例，包括设计本身，不光有CPU，我觉得这个比较大。二是因为它整个成本IT占的比例不大，但是开源的东西本身要产生一些问题，整个片子就报废了，这是很大的问题。现在开源就不是所有的源都开，开源是一个套路，是一个商业模式，RISC—V第一版本在网上有开源的东西，但是架构实现的东西，商业的版本是不会开源的，从Arm的角度来看，我们也承认RISC—V的价值，特别是对于学校里面大量想研究CPU想做差异化的东西，在物联网里面做一些，我觉得RISC—V还是能够满足差异化的要求。
主持人：非常感谢金总。坐在金总旁边是极戈科技科技的联合创始人兼首席执行官张铭先生，我们业界有这样的说法，极戈科技是物联网集结主义者，您能不能跟大家解释一下？
（张 铭 极戈科技联合创始人兼首席执行官）
张铭：谢谢，刚才倪院士提到他希望能够大众化芯片设计，我们做的事情就是大众化超级芯片设计，我们提供一个非常简单非常快速非常低成本的办法让更多的人可以把处理器、存储器、传感器、通讯集成到一个单芯片。我们是跟Arm和H86和RISC—V合作因为我们不做CPU架构，我们是提供一个软件平台，根据客户的定义以最简单的办法做出一个超级芯片，包括上面四种元素。
主持人：其实张总这样的一场讨论中占据必须超脱的环节，方方面面都是可以合作的。我要向各位介绍寒武纪的副总裁刘道福先生，关于寒武纪我想大家应该都是如雷贯耳了，全球智能芯片AI芯片领域的先行者，我要请刘总介绍一下自己，也介绍一下公司。
（刘道福 寒武纪副总裁）
刘道福：我是来自寒武纪科技的刘道福，寒武纪其实是一个做人工智能芯片的公司，在人工智能领域，大家都可能知道有三个要素的说法，一是算法，二是数据，三是算力，我们主要是做算力，我们给整个人工智能提供算力的基础和支撑，在算力这一块我们又有两个具体的方向：一是在终端，它的特点就是量非常大，就是像Arm典型的，出货量一年有250亿，我们的终端也有业务，我们的业务模式和Arm是类似的，我们也是IP授权给客户，现在公开的客户包括手机客户，比如说华为还有一些智能摄象头的客户都有，云端我们是自己做一些芯片和绑卡，服务器厂商拿着我们的绑卡可以做人工智能的处理。其实我们都是一个赋能者的角色，终端我们是直接赋能芯片，云端可能直接赋能服务器或者相关的应用，最终我们是希望赋能人工智能，让机器更好地能理解和帮助人类。
主持人：最后向各位介绍科通芯城硬蛋的副总裁王宪航先生，大家更愿意把科通芯城理解为电商平台，说到硬蛋就不一样了，硬蛋是中国最大的智能硬件创新和创业平台。
（王宪航 科通芯城&硬蛋副总裁）
王宪航：非常高兴有机会和大家一起讨论相关行业的发展，作为科通芯城是香港一家上市公司，硬蛋面对的是创新创业者，为他们提供一站式的服务平台，希望能够扶持中小的企业或者创业者更快速把他们的产品做出来，同时能够走向市场，我们搭建的是这样的生态环境。包括了整个产业链、供应链、服务、金融，希望能够在全方位帮助大家打造这样的平台。在这个基础上，因为科通芯城原来主营业务在芯片的产业链服务商，在这个之上我们感觉到，芯片可能也成为一个热点，我们想在硬蛋这个平台上，再做一个延伸，在芯片垂直领域能做什么？我们跟Arm也有很多的探讨，从科通芯城和硬蛋这边，在这上面希望我们在芯片领域，也会希望把这些资源整合起来，包括国内国外的，到时大家可能都是合作方，让大家在找资源的时候，希望能够降低入门门槛，同时也能降低在产业链做芯片的成本，可能这是一个大家共同努力的目的，硬蛋在芯片行业下一步的布局中，希望三五个人几万块钱做出来一个芯片，这个太小了，也会规避现在芯片产业像硅谷很巨型的投入，如果不做改变，可能在中国的芯片发展道路上可能会遇到更多的障碍，我们也是希望跟国内国外的合作伙伴一起共同把生态系统建立起来，打造出来，帮助中小团队让中国的芯片尽快地腾飞。
主持人：今天下午各个行业大家不约而同提到生态圈，我们都是这个圈里面的重要建设者，我们应该是一个一荣俱荣，一损俱损的关系。我们现在似乎是来到一个和AI、物联网密不可分的时代，在这样的时代，我们看到有AI芯片的提法，有物联网芯片的提法，甚至大家会把AI和IOT连在一块，叫AIOT的时代到来了，这样的提法我不知道四位怎么看的？
金勇斌：其实我是非常同意这种提法，我本人在最近两年的公开演讲或者内部讨论当中我也是推行这种提法，原因很简单。首先我们PC是解决数字化处理和存储的问题，移动互联网包括智能硬件解决连接的问题，有了手机我们今天想连任何设备都很简单，但是最终是要跟人交互，这个事要能设备自己决策，所以要赋能它的智能，也就是人工智能本身其实是赋予IOT一个真正为人类解决问题去分担问题，让人可以变得更懒，人人的生活变得更方便的技术，我个人是非常同意AIOT的提法。
主持人：可以真正彼此赋能，张总怎么看？
张铭：其实AIOT很早已经来 到了，只不过现在市场上大家说得比较多，为什么这么说？AIOT无非就是一些器件还有运算功能、存储功能，我个人观点从智能手机的时代十年以前已经有AIOT的，走向只不过现在我们现在叫AIOT应用的场景越来越多，功耗更低了，应用的角度更多了，数据收集更多了，准确度更高了，更管用了。从我们做芯片的角度，觉得非常兴奋，因为万亿级的AIOT就是需要来大密度快速地集成处理器和存储器和AI的加速器满足碎片化和个性化的应用场景。
主持人：两位都对于AIOT连接非常高的期许，但是在芯片制造和发展，未来到底应该怎么样选择前进的方向？刘道福博士应该有很多自己的想法跟我们分享？
刘道福：我非常认同金总的看法，AI让整个机器是有了思想，原来机器是冷冰冰的，他要干什么每件事必须要很清楚告诉他怎么干，下一步怎么干，甚至只要碰到一点变化就完全没有办法了，可能不知道下一步怎么办了，但是AI让整个机器有一定的黏性，对于有些变化可以通过学习或者其他的手段或者训练学习能够自己处理这些事情。我觉得AI会让各个领域整个过程更柔性，有了AI以后产线调整可能需要后端发一个指令，前端根据场景做一些调整
关于芯片在AIOT的发展，AIOT是非常大的市场，因为几乎每个设备都需要计算机处理，可能最早的处理是通过一些精确编好规则的处理方式，但是AI让处理更柔性，未来在物联网我理解每个设备可能都会有一个AI芯片的需求，只是它的算力是多还是少的问题，可能有的是一个简单的识别作用，可能把一个二维码扫出来，也是可以用AI做的，有的可能是更复杂的，可能要听懂一个指令，有的再复杂一点可能需要更多的信息汇聚到云端整体做一个决策，无论终端和云端都有大量的需求涌现。在终端可能典型的是，有一句话说得很对，智慧在云，智能在端，你需要有智慧需要有大量的数据，你在本地训练可能数据量优先，要汇聚到云端。但是在未来继续发展的话，这些训练的结果真正产生生产力的话需要落地到各个设备上也就是物联网，所以智能要落地可能是需要各个终端的一些能力去真正把人工智能的结果转化成生产力。
无论是终端和云端都有大量的人工智能芯片的需求，终端可能推理多一点，云端训练多一点，但是云端也有推理的需求，尤其是推理是关联的推理，可能需要汇集所有的数据做决策，也会是云端的推理，比如说广告推荐，需要把你每个人的行为去分析，能让广告推得更准，因为广告更准可以少推一些广告，大家少被广告骚扰。
主持人：云端和终端同样是大家很关注的话题，关于AIOT以及相关的背景下芯片的发展我们来听一下王总的一些意见。
王宪航：我觉得真是一个很有挑战性的话题，我的感受这么多年也是很深，硬蛋做的平台是IOT的平台，我们讲的是IOT的概念，但是做了这么几年以后发现有它的问题，刚刚讲的碎片化问题，为什么量起不来的问题，大家都会觉得这个时间该到来了，但是为什么我们有这么多的客户，这么多的创新创业都在做，可能有两件事情我现在回过头来看可能觉得收益颇多的：一是感到基础上有一个低功耗的问题，为什么我手机每天要充电，因为IOT的产品是万物相连的产品，实时都要用电，当电耗尽以后可能会失效，可能基础上有一个问题就是要解决低功耗的问题。二是物联网是物跟物的相连，缺乏人，这是程序化的东西，只能按照程序运作，很难去让它有所改变，我规定的所有东西都是程序，有了AI以后才让它能够活起来，让未来的爆发点才能够出现。寒武纪给我们做了很好的榜样，在AI上把人的思想能够自学习的过程，让它更多地理解A是什么状态，一旦连上自己知道您的习惯是什么，而不是一个程序化或者需要人来控制做的事情，这两个是我感受比较深的。这两个地方确实对我回过头来看，真的在未来的几年会出现新的爆发点。
主持人：人工智能今天也是颠覆性技术创新的一个特别核心的主题，其实说到AI芯片我们看到各种各样对它的赞美和褒奖，比如说我们会说这是人工智能时代的基础设施，他将会定义我们整个产业链与生态圈，上升到国家战略，AI芯片可能会是产业实现弯道超车的特别好抓手，毕竟我们这两年在芯片这一块确实有着非常复杂的情绪。另一方面我们也看到诸多对于这个行业的评价，有的说目前AI芯片确实有一种过热的嫌疑，如果我们打开新闻网站会看到各种各样关于AI芯片的提法，很多的世界第一，行业第一，坦率地讲会让技术小白找不到北，
有人说未来活下来的不会有价家，有的人现在宣传太多，落地太少， 对于它的这么多负面的担心，不知道四位是什么观点？
金勇斌：我们看任何一个行业，99年以前的互联网也是到处是泡沫，我一直不喜欢泡沫这个词，泡沫没了之后什么也没有了，说过热我勉强可以接受，泡沫就跟昙花一现一样，现在AI是有实际价值的。因为中国特别的芯片情结所以大家对它有特别的关注，既然说有关注，肯定会有投资进来，可能会有人拿这个讲故事，我觉得一个产业这十个人在里面，有两个人落地，这就不是一个昙花一现的东西，我个人觉得过热是有可能的，但是泡沫我不同意这个说法。
张铭：我觉得还是应用第一，刚才王总提到功耗电池寿命很重要，我觉得还是应用的场景不够多。
主持人：大家现在似乎很容易聚焦到少数的几个。比如说自动驾驶。
张铭：我觉得是一个应用场景的问题，刚刚提到做决策的准确性，超移动端电池寿命的问题，我是觉得应用还是没有完全被爆发出来，所以作为AI的芯片创新，我觉得是难免的，有些人自然会走不到头，走到头的人自然会成功，我认为这是正常的现象，我觉得我们能做的事情就是加速芯片的创新。失败是不可避免的，泡沫也是不可避免的，但是有一个办法让芯片创新和加速，就可以在有限的时间里面应用到应用场景，泡沫就泡沫，只要有人做出来。
主持人：不知道极戈科技在这一块有没有一些什么样的计划、步骤？
张铭：有，我们其实刚好11月份一周之前宣布我们开始支持AI推理引擎，您提到泡沫，我们也是沾AI五的泡沫，我们不是做AI芯片的，我们是提供一个硅基片系统集成的平台，我们用这个集成客户的选择，可以选Arm的AI芯片，也可以选寒武纪的芯片，同时都选就是对系统架构要求比较高了，也可以选其他的AI加速器，这是AI的功能。系统还会需要主运算芯片，主通讯各种各样的传感和存储，我刚刚讲我们做的是超级芯片，让它以更快的速度更低的金钱成本来达到更快的试错和成功，这样才能够让泡沫变得快，成功变得快，这样才能实现万亿的物联网或者AIOT的应用，我们可以说是帮大家干活的。
主持人：张总您对您的位置是特别满意，您坐在刘总和金总旁边是左右逢源的尚佳的C位。2018年对于寒武纪而言有点滋味复杂，我们可以感受到寒武纪在整个AI芯片在过去几年的独角兽的步伐迈得如此引人注目，我们必须得承认寒武纪的成功因素，比如说手机应用有非常好的落地，但是进入到这段时间以后风向有一点变化，对于这一块很多行业巨头大佬开始跃跃欲试，我不知道公司未来战略方面会有一些应变和调整吗？
刘道福：我觉得这是好事，大佬巨头进来了，就说明这个市场够大，大家都看上了。对于我们来说，我们主要还是依靠技术的领先，我们做的早，并且做得好，我们也有很多的专利布局，我们2008年开始在这方面做研究，积累了很多这样的经验，也踩了很多坑，即使对于这些巨头进入这个领域不可避免也会碰到一些问题，但是我们其实在几年前就碰到了，我们自己的处理器也有自己的一套，也是为什么这些巨头之前也用我们的东西，说明我们做得还是相对好，他们想进来是因为他们觉得这个市场够大，并且我们欢迎他们进来，我们觉得这个市场够大，足以支撑这么多人在里面玩，因为我觉得未来所有的设备都需要智能，因为人是非常懒的，能懒就懒，假如整个设备或者任何一个东西都有智能的话，可以理解你的意思，能想你所想，做你想做得事，其实是非常好的。
刚刚张总提到一个问题，现在应用场景太少的问题，我觉得这个问题有两个原因：一是现在深度学习算法或者人工智能的算法本身有些局限，比如说自动驾驶没法做，现在还不能做，自动驾驶的算法还不够成熟，二是我觉得另外一个原因也是很重要，就是成本。比如说辅助驾驶在前几年很少，但是前几年辅助驾驶技术已经相对成熟了，但是之前成本非常高，但是现在辅助驾驶成本下来了，明年出来终端以上都会配备辅助驾驶，因为辅助驾驶成本可以做到几百美金，可以大大提高这个车的安全性，让大家开车的时候偶尔走一个神没有事，会告诉你前面要撞上了。寒武纪我们觉得整个市场够大，我们也会保持我们产品的持续迭代和更快地推出新的产品，包括和我们整个生态的合作伙伴，我们公司最大的特点就是不像因特尔只做PC，不像Arm只做移动端，我们恰好两个端都做了，在终端我们是希望跟大家一起把我们的处理器和服务给大家，让更多的终端设备数以亿级有AI五的能力。
因为云端是投入很大的，要一个公司去做的话，巨头也能投，所以我们开始做的时候，其实很少在做，可能只有谷歌，现在除了GPO和TPO的产品，我们在全世界范围内也是最早一批把云端芯片做出来的，现在巨头进去的时候我们已经做出来了，现在很多客户已经完成了评估，正在做产品化的工作。
我们在终端和云端都有不少的合作伙伴，并且我们还有一个优势，在终端和云端整个生态是一样的，都是一套处理器架构，我理解Arm在云端也发力，我也了解很多公司在云端做Arm的服务器，我们相对来说一开始介入的时候就把这两个市场看上了，并且同时在做，并且这两个生态是疼痛相辅相成的，现在很多处理的时候，终端可能不够，可能切到云端，切的时候有开发成本，假如说你是一套生态开发成本甚至同一套程序换过去就行了，因为我们觉得任何一个东西的落地包括AI的落地，最终最考验的大规模落地，小规模落地可能技术，大规模落地都是成本的元素在里面起很大的作用，只有成本低了才有量上来，这样才会普惠。
主持人：感觉到刘总声音不高，底气是非常足，关于目前AI芯片的行业，有说好，有担心的，王总还是站在比较超然的位置，您怎么看？
王宪航：不能说超然，我们不像各位在业界这么专业，我们做的事情确实是比较热，也是过热，我个人从两个角度看这个问题，一是投资角度，每个时代都有这样的情况出现，最后留下的总是少数，实际上从投资的角度热，因为大家看好这个市场，所以才热，也许他热，但是我不觉得它过热。
主持人：几位都是辩证法的高手。
王宪航：这是我对它的看法，我们是从使资本角度去看，刚好我跟有些朋友做AI芯片，也感受很明显，他关心的是无论是云端还是终端，两件事情是大家提到的，一是我的应用、客户在哪里，有些公司在初期也是没有得到这些答案就开始了，你会看到它会稍微浮一些，但是大家都会去寻找的，二是AI很多有算法，算法之后可能要通过芯片实现，这个时候尤其一些创业团队、中小企业，也就是我们要共同努力，怎么样在产业链的成本降低，能够让他们在降低成本和缩短时间上得到发展，因为这一点按照芯片的周期，实际上是很长的，你从硅谷来看，我有些朋友在硅谷说一个芯片一年半到两年，在中国的时代下大家要尽快把这个东西做出来，可能一个是成本，一个是时间。这是我感受到现在AI的企业面临着这样的一些问题，我们也是期望从我们这边整合资源怎么样能够帮助他们。实际上最终的落地要通过终端落地，你的触角在哪里，有了触角才会有云和数据的收集，怎么样把它做出来，这是第一步，怎么样拿出去这是第二步，我不管生态也好，最后形成我们的网络，有了自己的网络，跟Arm有这么大的规模，也是由它的网络支撑，这是我这么一段时间来，在这一两年在AI芯片的感受分享给大家。
主持人：今天的最后一个问题，请各位嘉宾做这样的预测，AI芯片下一轮的爆发点将会在哪里出现？
金勇斌：如果我要知道这个答案的话，我现在偷偷摸摸去搞一个基金，全投了，我只能瞎说，概不负责。因为这个行业我们也谈了很久，从AI这个词已经60多年了，最近几年为什么AI又起来了，因为通过深度学习的方式提高了大规模准确性，如果不是因为深度神经网络出来，我觉得AI是一波一波的。经过三四年的发展，AI我现在感觉尤其是深度神经网络像一个老中医，一个是包治百病，又不可预测，像小姑娘的心情。到底AI在什么地方会起来？这个东西大家都知道叫手机或者叫移动终端，是一个物件，这叫麦克风，谁能告诉我什么东西叫AI？好像没有。好像并不是寄托于某一个具体的实体，它是一个能力，这个能力本身一定是附着在实体上，手机是无中生有的，所以AI是一个附着物，所以要+AI，首先一定要让人更懒，而不是额外整一堆额外的事情，如果是这样的话可能开始有兴趣去玩，就像聊天机器人，这是伪需求，我跟一个机器人聊什么？我跟女孩子聊有目的，这是伪需求的东西，这方面我觉得不可能突破的。
什么样的东西能够让人变得更懒，或者可以提高社会的效率？一是技术本身要满足两个条件，它的应用让人更舒适，二是要成功的话，一定能提高社会的组织效率。我们把AI分为云端和终端，云端是系统智能，终端这一块是本能性的智能，就是三言两语可以讲清楚，这个事情在终端可以做的。原来你可能按洗衣机按一个洗20分钟甩三次，现在可能一句话就成了。但是这里面有一个问题，是在云端还是终端？我认为还是在终端做，如果所有都在云端做的话，中国电力很乐意，因为这样会涉及到联网，终端还是会有很大的发力空间。家庭里面特别是现有的设备升级，这是一个需求，只有这些东西升级以后才有可能出现机器人、智能管家，现在家里面买一个机器人玩三天，因为它确实太傻瓜。
像自动驾驶我觉得还很远，辅助驾驶我认为有用，特别是女士开车，还是有实际价值的，还有智能安防，我觉得不是每家都有机会，如果说每个人都说智能安防，我觉得暂时没有找到机会，商业的数据是很敏感的，这里面还有数据的政策敏感性，二是这个市场的门槛很高，但是对于有一些在这里面有积累的人还是有机会的，我说得比较碎片化，AI本身也是碎片化的东西，我没有答案。
主持人：无论如何都往终端上去想，怎么样把人变得更懒上想，可能是我们摸得到的方向，谢谢金总非常全面的分析。
金勇斌：还有提高效率。
张铭：在金总后面发言压力很大，第一个是妙语连珠，二是非常简洁讲到方向，我觉得我是有结论，我的结论就是在三年之内边缘计算终端一定会主导AIOT，其实也就是金总讲的大方向，为什么是这个感觉？我感觉从所谓万物互联或者智能，其实万物互联某种程度已经实现了，智能是一个能力，其实是一个智能的能力赋能就是需要来找到应用场景，在深圳这个地方有成千上万的应用场景，已经有万物和互联了，但是A这个地方还没有实现。这个台上大家坐的都具备赋能AI的能力，所以我觉得只要我们能够解决功耗的问题，应用场景锁定的问题和研发时间和成本的问题，AIOT进入成千上万的应用场景在深圳三年之内可以实现。我们极戈科技是在硅谷始创，为什么选在今年11月份设立深圳的中国总部，原因也是一样，我们有一个预测，大概需要三年爆发，我们要三年之前准备在中国建立总部准备到那一年开始支持智能化的万物互联。
刘道福：主持人的问题是说下一波，所以我觉得这一波已经起来了，其实就是金总还有张总说的，大家有很多的场景，视觉的场景，智慧城市、安防还有很多其他的场景，包括一些语音，语音输入法一定程度上提高了效率，让人变得更懒。但是我觉得下一波AI芯片起来，我认为这是AI起来，AI起来AI芯片就会受益，AI它的物质载体是要落实到AI芯片，现在这一波AI深度学习是引领，现在视觉算法比如说人的眼睛厉害，看得还准。很多场景比人看的清楚，大家觉得人工智能有时候很弱智的地方，大家会觉得人工智能是人工智障，其实是自然语言的理解，这个领域我觉得没有突破，语音识别和图像识别已经做得非常完美，已经具备大规模落地的基础，剩下的可能就是怎么把成本做下来，让落地快一点，成本下来它的落地快一点，但是自然语言这一块现在还不具备大规模落地的可能。现在学术界已经在往这边走了，我之前是在中科院计算所的，也是做学术的，现在谷歌发了NLP的系统，原来AI可以看清楚是什么，然后腾听出来你说了什么，但是你说这句话背后的意思，也不知道你的目的，所以它是没法理解的，有时候你会觉得它很职掌，比如说手机的SIRI，它其实是有用的，只要你说的话他能理解，他甚至可以根据你的话帮你安排行程，相当于是你的私人助理，如果可以理解平时人的性格甚至人每天说的话，他这几天有什么安排，我觉得完全可以做到私人助理的作用，只要解决了自然语言理解这一块，下一波AI的浪潮肯定会更大，它让机器和人更自然地交流，现在我们跟机器交流很痛苦，现在我们发的指令稍微模糊一点，但是还是要发指令，未来可能不需要发指令，他在旁边收集你的信息就知道你想什么，当然这些也非常可怕。
主持人：你提的是短语补短板的问题，一旦这块短板补上以后我们会迎来非常蓬勃的增长，如果有一天能够像日语里面今晚的月色很美AI可以理解这句话是我爱你的话，那就很厉害了。
王宪航：大家讲得很全面，我只是想讲一两个自己的感受，AI就是给懒人用的，我记得深圳有一句话叫做科技强警，科技强警可以让警察对认知更完善，我个人感觉有一个问题，确实因为早期深圳的警察警力不足，通过科技的手段可以节省大量的人力，高效地完成他想做的事情。而且不是我懒，是我一个人所能覆盖这么大，当初是通过机器，未来通过AI帮我做这样的事情，拓展能力。
还有就是低功耗的问题，未来消费类的应用上，低功耗现在是一个很大的短板需要补，在这个之前我觉得可能在这样的应用中，AI的应用在相对工业的应用导入上可能会更有机会去做，因为它在解决这个问题的时候，可能会撇开一两个因素去考虑对AI的使用。我觉得消费类可能会稍滞后于工业类的一些应用，这个跟投资也有关系，消费类我觉得对成本自敏感性更强，工业类因为是一些跟技术、相关的东西需要一些先进的技术来提升，可能会稍稍有时间差，也许符合于过去的发展。这就是我最后补充一个自己的想法。
主持人：谢谢王总，我们的圆桌对话进行到这里，再次掌声向四位嘉宾奉献的观点表示感谢。
全文完
