“只看設計架構層面，國內的人工智能芯片并不比國外差，但這是不夠的。”在日前中科院物理所舉行的“科學咖啡館”科普沙龍上，清華大學電子工程系教授汪玉指出，這相當于在沙子上蓋樓，基礎并不堅固。

　　科技日報記者隨后采訪了中科院半導體所類腦計算研究中心副主任龔國良，他也表達了類似觀點。

　　設計架構層面可圈可點

　　汪玉曾于2016年參與創立人工智能芯片公司深鑒科技，如今國內已涌現出更多做人工智能芯片的企業，他的感受是，做得“一點不比國外差，有的甚至更好”。

　　這里所說的“好”，主要涵蓋設計架構層面。而設計架構成為國內人工智能芯片的強項，背后有一定的原因。

　　“傳統的CPU和GPU芯片采用基于指令流的馮諾依曼式計算架構和計算模式來運行，而人工智能芯片多采用類腦或仿腦的架構方式，能夠突破內存墻的計算瓶頸。”龔國良介紹，在語音識別、圖像識別等運用深度神經網絡算法的場景下，相比傳統芯片，人工智能芯片具有顯著優勢。

　　由于與傳統芯片存在上述差異，龔國良告訴科技日報記者，僅從設計架構來看，國內人工智能芯片能夠很快跟進相關技術，與發達國家幾乎處于同一水平。

　　從近期新聞可管窺國內人工智能芯片的火熱進展。

　　6月20日，寒武紀推出第二代云端人工智能芯片“思元270”;6月21日，華為發布人工智能手機芯片“麒麟810”;7月3日，百度發布遠場語音交互芯片“鴻鵠”。

　　龔國良介紹，華為、寒武紀等企業開發的人工智能芯片，大多為通用性芯片，可勝任多種人工智能應用場景。此外，不少高校和研究院所也在研發人工智能芯片，它們多為專用性芯片，在特殊應用場景下性能較強。

　　產業鏈條仍存掣肘短板

　　盡管國內人工智能芯片發展方興未艾，且在設計架構方面可圈可點，但專家指出，總體上中國在芯片領域基礎薄弱，仍存不少掣肘短板。

　　汪玉介紹，中國大陸制造芯片的最新設備和工藝比國際先進水平落后一到兩代，因此一些人工智能芯片需要送到境外進行制造和封裝，產業鏈完整度欠佳。

　　龔國良在接受采訪時印證了上述情況。他告訴科技日報記者，手機上所用的人工智能芯片就是典型例子，這些芯片往往需要采用最新工藝以降低功耗、提高集成度和計算性能，屬于高端芯片，需求量非常大，但中國大陸尚不具備制造和封裝條件。

　　國內人工智能芯片發展的弱項還有高速接口以及專用的集成電路IP核。龔國良介紹，以后者為例，它們具有比較高的計算性能，設計復雜，又與制造工藝休戚相關，要實現這樣的設計模塊通常需要多年沉淀積累。

　　“高速接口和專用的集成電路IP核被業界看作核心技術，使用它們往往需要國外公司授權許可，而不具備這些技術的企業在短期內又很難得到許可。”龔國良說。

　　用汪玉的話概括，大致上國內人工智能芯片在需要聰明智慧的環節做得不錯，但在需要積累沉淀的環節做得卻不夠好。

　　“整體而言，國內相關領域研究起步較晚，確實需要積累和沉淀。”龔國良認為，長遠來看，中國人工智能芯片領域應把握機會補上薄弱環節，將關鍵核心技術掌握在自己手中，以免受制于人。