在專家看來，隨著機器學習等技術的快速發展，人工智能產業發展正以其高端的新興技術、巨大的商業價值、廣闊的應用前景和龐大的產業空間，成為新的重要經濟增長點。伴隨著人工智能各種應用場景的普及與發展，海量多維的數據將在云端以及邊緣側展開大量處理計算，芯片也面臨更加廣泛以及多樣化的需求，這對AI芯片的計算架構、運算能力、場景與算法適用性、安全可控等都提出了新的課題與挑戰。

目前，AI芯片技術主流路徑有GPU、FPGA、ASIC等，其中GPU、FPGA是較為成熟的芯片架構，ASIC是針對特定應用場景的專用芯片。GPU架構的芯片能滿足深度學習大量計算需求，釋放人工智能的潛能，但缺點在于功耗較高；FPGA架構的芯片具有足夠的計算能力、較低試錯成本和足夠的靈活性，缺點在于價格較高、編程復雜；ASIC架構的芯片能夠在特定功能上進行強化，具有更高的處理速度和更低能耗，但缺點是成本高，有用量足夠大時才能夠降低成本，而且由于是定制化，可復制性一般。

據計算機視覺公司云從科技副總裁張立介紹，傳統芯片企業通常更關注是如何把芯片做成通用化，以支持各種不同應用場景。但這樣的通用化，在AI場景落地時會遇到問題，比如公司對AI芯片考慮較多的是單位功耗，而芯片企業對功耗要求可能不是首要優先級。公司在將AI場景落地的過程中，發現通用芯片完全滿足不了需求。這給從事AI解決方案和核心算法的企業帶來了難題——公司的算法是統一的，但需要在不同的場景適配不同的芯片和模組。

“目前，AI芯片發展還處在嬰兒期”。張立表示，現在企業使用的很多AI芯片因為工藝要求較高，很難在大陸流片，都是在臺積電進行流片。同時，也正因這工藝復雜度較高，導致芯片價格較高，使得下游很多使用其模組的產品無法量產。

作為國內邊緣側AI芯片領域的先行者，嘉楠科技早在2016年就掌握了16nm制程工藝，之所以現階段的AI芯片制程工藝仍為28nm，主要也是受出貨量的限制。

嘉楠科技CEO張楠賡表示，從功耗角度而言，很多云端訓練的AI模型無法順利部署至邊緣側設備，應用場景也無法支持較高的芯片功耗。雖然一些云端芯片巨頭也在向邊緣側延伸，但是裁剪AI算法去適配芯片更多體現了巨頭們削足適履的局限。對嘉楠科技而言，從事邊緣側芯片的開發就是在“帶著鐐銬舞蹈”，要在功耗和成本的嚴格約束下，不斷提升算力，適配場景，提升芯片的專用性。

AI芯片發展需探索新路徑

“我們離人工智能還有多遠？目前很多企業所做的只是增強智能而不是真正的人工智能，離真正的人工智能還差得很遠”。魏少軍表示，人工智能網絡能夠崛起取決于三個因素，算法、數據和算力。當前，AI芯片面臨兩個現實問題：其一，算法仍在不斷演進，新算法層出不窮，每隔幾個月算法就發生新的變化；其二，一種算法對應一種應用，沒有統一的算法，而讓芯片處理不同的算法十分困難。

在魏少軍看來，AI芯片應該具備的要素包括可編程性、架構的動態可變性、高效的架構變換能力、高計算效率、高能耗效率、低成本等。按照這些要求，目前業界流行的一些作法均不是理想的架構。過去幾年，AI芯片領域一個重要變化就是架構的變化。人工智能芯片不在于追求算力，而在于架構創新。業界也需要找到一種針對人工智能計算的全新計算引擎。

針對國產AI芯片的發展，中國工程院院士倪光南表示，芯片設計門檻極高，只有極少數企業能夠承受中高端芯片研發成本，這也制約了芯片領域創新。我國可以借鑒開源軟件成功經驗，降低創新門檻，提高企業自主能力，發展國產開源芯片。

“開源軟件正成為當前軟件產業的主流，芯片產業也可以采用開源這種模式”。倪光南表示，目前在芯片開發方面，新的RISC—V指令集是一種能夠降低處理器芯片IP成本的新模式。用戶可以自由免費使用RISC-V進行CPU設計、開發并添加自有指令集進行拓展等。RISC-V對于當前國家提倡的智能+新一代信息技術、新一代人工智能技術的發展等，都是很好的支撐。

賽迪顧問認為，人工智能芯片未來將呈現新發展趨勢——芯片開發將從技術難點轉向場景痛點。目前，人工智能芯片設計更多是從技術角度出發，以滿足特定性能需求。未來，芯片設計需要從應用場景出發，借助場景落地實現規模發展。而且，現在應用于AI領域的芯片多為特定場景設計，不能靈活適應多場景需求，未來需要專門為人工智能設計的靈活、通用的芯片，成為人工智能領域的“中央處理器”。另外，現階段AI芯片產業的發展方式主要以企業為主體，產品上下游企業的運營和管理相對獨立，但同環節的企業卻高度競爭，未來產業發展應以合作為主線，形成產業生態。