近日，清華大學(xué)發(fā)布的《2018人工智能芯片研究報(bào)告》（以下簡稱《報(bào)告》）指出，人工智能芯片是人工智能時(shí)代的技術(shù)核心之一。目前人工智能還處于面向行業(yè)應(yīng)用階段，生態(tài)上尚未形成壟斷，國產(chǎn)處理器廠商與國外競爭對手在人工智能這一全新賽場上處在同一起跑線上。

然而，“當(dāng)前國內(nèi)缺失人工智能芯片的相關(guān)評測標(biāo)準(zhǔn)�！痹谥袊�科協(xié)主辦的第二屆“風(fēng)向標(biāo)——中國創(chuàng)新創(chuàng)業(yè)先鋒論壇”上，人工智能芯片企業(yè)鯤云科技創(chuàng)始人牛昕宇指出，這造成大家不知道自己研發(fā)的芯片在國際上處于什么樣的水平。而獲知一款芯片性能如何，最直接的方法是進(jìn)行評測�！斑@就需要一套公認(rèn)的評測標(biāo)準(zhǔn)”。

人工智能芯片評測到底多重要、多緊迫？怎樣建立一套公認(rèn)的評測標(biāo)準(zhǔn)？對此，科技日報(bào)記者采訪了相關(guān)業(yè)內(nèi)專家。

全球范圍內(nèi)尚無公認(rèn)評測指標(biāo)

牛昕宇向科技日報(bào)記者表示，國際上，缺乏統(tǒng)一的芯片評測標(biāo)準(zhǔn)也是一個(gè)比較大的問題，包括英偉達(dá)、英特爾等公司的芯片性能也主要依靠芯片廠商自家發(fā)布�！叭�球多個(gè)機(jī)構(gòu)都在嘗試給出評測方案，然而現(xiàn)狀就是無公認(rèn)基準(zhǔn)測試方法和指標(biāo)�！敝袊�人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟評估認(rèn)證工作組組長曹峰說。

“從政府、用戶、系統(tǒng)集成廠商到算法開發(fā)者，全部無法準(zhǔn)確評價(jià)所使用芯片的技術(shù)水平以及在國內(nèi)外所處的地位，無法選取最適用于自己需求的底層芯片，芯片企業(yè)無法清晰確認(rèn)自己的技術(shù)優(yōu)勢及目標(biāo)市場。”牛昕宇對此感慨頗深。

人工智能芯片與傳統(tǒng)計(jì)算芯片不同，它要求高效實(shí)現(xiàn)深度學(xué)習(xí)算法對海量數(shù)據(jù)高吞吐量等高并行化任務(wù)的處理。曹峰介紹，當(dāng)前人工智能芯片主要分兩大體系，馮諾依曼體系和非馮諾依曼體系。

馮諾依曼體系以五大架構(gòu)芯片為代表，分別是CPU、GPU、DSP、FPGA和ASIC，在深度學(xué)習(xí)訓(xùn)練環(huán)節(jié)和終端推斷方面發(fā)揮重大作用。非馮諾依曼體系，以IBM TrueNorth芯片為代表，采用人腦神經(jīng)元的結(jié)構(gòu)來提升計(jì)算能力，但目前還處于實(shí)驗(yàn)室階段。

中國信息通信研究院DNN Benchmark項(xiàng)目負(fù)責(zé)人張蔚敏指出，人工智能在不同算法、不同場景下，對芯片提出了不同的要求。硬件架構(gòu)、延遲、帶寬、能耗、神經(jīng)網(wǎng)絡(luò)模型、參數(shù)都是用戶方選擇人工智能芯片的重要參考。

人工智能芯片為何要評測？“當(dāng)前，AI芯片的功能日益復(fù)雜化、多樣化，一方面，芯片廠商紛紛給出不同的衡量標(biāo)準(zhǔn)，聲稱其產(chǎn)品在計(jì)算性能、單位能耗算力等方面處于行業(yè)領(lǐng)先水平；另一方面，需求方卻關(guān)心如何能從廠商給出的信息中判斷出芯片是否能實(shí)際滿足其真實(shí)場景的計(jì)算需求�！辈芊鍙�(qiáng)調(diào)，“針對這一現(xiàn)狀，一個(gè)與真實(shí)場景緊密相連的、同時(shí)跨產(chǎn)品可比的測試評估方案的出現(xiàn)，迫在眉睫�！�

“統(tǒng)一的芯片標(biāo)準(zhǔn)會降低芯片廠商、人工智能算法廠商的溝通成本，建立一個(gè)有序的競爭環(huán)境。”牛昕宇表示，國外現(xiàn)在有一些人工智能算法競賽，在一定程度上起到了對于人工智能算法的評測作用。我國人工智能企業(yè)也在嘗試給出評測方案，比如阿里的AI matrix，寒武紀(jì)的Benchip，以及百度的Deepbench等。

公司自行摸索增加開發(fā)成本

事實(shí)上，我國龐大的人工智能應(yīng)用市場對底層芯片需求巨大，但本土人工智能芯片產(chǎn)業(yè)尚處于起步階段。“有一套衡量人工智能芯片性能的公認(rèn)指標(biāo)，我們才能知道自己前方的目標(biāo)線在哪里�！迸ｊ坑詈粲醯馈�

當(dāng)前，“應(yīng)用領(lǐng)域的差異性和實(shí)現(xiàn)選擇的多樣性導(dǎo)致很多測評難題�！辈芊迮e例，如何讓評測指標(biāo)在不同級別的設(shè)備中橫向可比？面對云端和終端的應(yīng)用差異化現(xiàn)狀，如何構(gòu)建相應(yīng)的基準(zhǔn)測試？如何為不同測試項(xiàng)目分配權(quán)重，以獲得一個(gè)相對公正客觀、有代表性的評分？

這種現(xiàn)狀讓人工智能整個(gè)行業(yè)倍感焦慮。“對人工智能行業(yè)的從業(yè)者來說，缺乏標(biāo)準(zhǔn)意味著缺乏統(tǒng)一的行業(yè)交流接口�！迸ｊ坑钤诮佑|大量人工智能應(yīng)用研發(fā)領(lǐng)域一線情況后發(fā)現(xiàn)，在制定人工智能整體方案時(shí)，如果無法對于底層芯片所能夠提供的性能和算力有一個(gè)準(zhǔn)確的了解，難以在項(xiàng)目規(guī)劃初期就確定整體方案，需要在項(xiàng)目開發(fā)過程中不斷試錯(cuò)來測試方案�！跋喈�(dāng)于每家公司要承擔(dān)部分芯片評測任務(wù)，大大提高了開發(fā)門檻�！�

缺乏評測標(biāo)準(zhǔn)帶來諸多問題，人工智能芯片公司對此有更深刻的體會，牛昕宇直陳痛點(diǎn)，“無法通過公開統(tǒng)一的渠道來確定自家芯片技術(shù)在國際的地位，需要每家公司自行摸索，增加了芯片公司的成本�！�

《報(bào)告》指出，長期以來，中國在CPU、GPU、DSP等處理器設(shè)計(jì)上一直處于追趕地位。然而，人工智能的興起，無疑為中國在處理器領(lǐng)域的發(fā)展提供絕佳機(jī)遇。傳統(tǒng)的計(jì)算架構(gòu)無法支撐深度學(xué)習(xí)的大規(guī)模并行計(jì)算需求，人工智能芯片是人工智能時(shí)代的技術(shù)核心之一，決定了平臺的基礎(chǔ)架構(gòu)和發(fā)展生態(tài)。

建議政府牽頭制定評測標(biāo)準(zhǔn)

當(dāng)前國內(nèi)外都將人工智能視為產(chǎn)業(yè)突圍的重大機(jī)遇。人工智能芯片作為底層技術(shù)，其應(yīng)用領(lǐng)域也遍布金融、股票交易、商品推薦、安防以及無人駕駛等眾多領(lǐng)域。如何為蓬勃發(fā)展的人工智能芯片建立一套評測標(biāo)準(zhǔn)？

“確實(shí)需要國家牽頭來認(rèn)證標(biāo)準(zhǔn)�！迸ｊ坑罱ㄗh道，可以組織業(yè)內(nèi)用戶企業(yè)形成需求標(biāo)準(zhǔn)，由落地應(yīng)用牽引芯片評測標(biāo)準(zhǔn)。

當(dāng)前，在國家發(fā)改委、科技部、工信部、網(wǎng)信辦指導(dǎo)下，由中國信息通信研究院等單位發(fā)起的中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟，愈加重視芯片評估認(rèn)證工作。目前已經(jīng)聯(lián)合阿里巴巴集團(tuán)、百度、寒武紀(jì)科技等多家企業(yè)，推出了AIIA DNN benchmark——人工智能端側(cè)芯片基準(zhǔn)測試評估方案。

張蔚敏表示，該方案為芯片企業(yè)提供第三方評測結(jié)果，同時(shí)為應(yīng)用企業(yè)提供選型參考，幫助產(chǎn)品找到合適其應(yīng)用場景的芯片。目標(biāo)為客觀反映當(dāng)前以提升深度學(xué)習(xí)處理能力的AI加速器現(xiàn)狀，所有指標(biāo)旨在提供客觀比對維度。以“版本迭代、不斷豐富、不斷完善”的工作方式，為更多評測應(yīng)用場景、評測指標(biāo)等提供評估方案。

“這是解決缺失人工智能芯片評測標(biāo)準(zhǔn)問題的一個(gè)起步。”牛昕宇進(jìn)一步建議，今后希望有第三方機(jī)構(gòu)能夠公開評測標(biāo)準(zhǔn)和流程，由芯片公司、算法公司、系統(tǒng)集成廠商、最終用戶共同商議通過；每年定期發(fā)布國內(nèi)芯片公司以及國際芯片巨頭的芯片評測結(jié)果；政府對于人工智能芯片行業(yè)的支持政策可以參考評測結(jié)果。