9月15-17日，2020全球硬科技创新大会在西安高新国际会议中心隆重举行。本次大会由科技部、中国科学院、中国工程院、上海证券交易所指导，科技部火炬中心、陕西省科技厅、陕西省地方金融监管局、中共西安市委、西安市人民政府主办，西安市科技局、西安市投资局、西安市金融工作局、西安高新区管委会承办的。

在16日下午举办的人工智能创新峰会上，加拿大工程院院士杜如虚、亿欧公司联合创始人王彬、君义投资合伙人王东、高新兴机器人CEO柏林、世邦魏理仕华西区战略咨询部资深董事何乐晔、上海商汤科技智能产业研究院主任刘志毅、金山云首席算法架构师兼人工智能产品中心负责人苏驰、赛灵思人工智能业务资深总监姚颂、新看点创始人兼CEO冷煜、银星智能首席技术官闫瑞君、康力优蓝副总经理兼CMO副总经理赵博韬等领导和嘉宾齐聚一堂，围绕人工智能的技术前沿和商业落地各抒己见，展开热烈讨论。

以下为姚颂演讲原文，亿欧在不改变嘉宾原意的基础上，进行了编辑，以飨读者。

大家好，我是Xilinx姚颂。2015年，从清华毕业后，便与导师汪玉老师一起联合成立了深鉴科技，主要做AI硬件加速。两年多时间里，深鉴科技进行了三轮融资，其中包括4家战略投资。2008年，深鉴科技被Xilinx收购，成为 2012年迄今唯一被美国收购的中国高科技公司。

今天，我想与大家分享亲身经历的芯片行业变化和AI技术迭代。

AI需要芯片，芯片也需要AI

人工智能深度学习基础算法，在上世纪80、90年代就已经被提出，此后人类对其进行了大量改进，过程中，很重要的一点是，大量数据得以积累。在1998年，人类难以运用海量数据，而芯片诞生后，才能运用积累的数据，AI技术才有了发展的可能。

回头看整个芯片行业发展，芯片发展受到应用的驱动。从雷达，到台式机、大型机，再到PC、手机、无线通讯，到现在的AI。应用本身对于芯片的发展具有巨大引领价值。

过去8年里，算法效率提升了44倍，即95%的准确度目标下，当前算法计算量只需原来的1/44；过去8年里，算法总计算量提升了30万倍以上，可见，整个计算性能和算法性能之间，还存在一万倍的差距，需要利用其他方式弥补，这就是芯片应该做的事情。

AI芯片核心解决的不是计算问题，而是存储系统性能不佳导致的数据读取耗时问题，解决方法就是——微架构设计，该设计能够充分挖掘算法的局部性。举例来说，某个数据需要复用30次时，采用微架构设计的芯片只用读取一次，然后运行30次即可，由此便减少了芯片的读取量。当前市面上大量的数字芯片，实际采用的都是这一思路。

数字芯片遇瓶颈，更加重视软件和生态

不过，当前数字芯片技术也遇到了一定瓶颈，以存内计算、光计算为代表的的下一代计算方式越来越受到关注。

芯片设计一大特点是，必须走了一步才能知道下一步要解决什么问题，只能由少数几个人串型解决问题。但是，相较通用芯片，专用芯片是非常容易制造的，而且芯片越专用，越容易做，并且性能性能越好。因此，造 AI芯片不是特别难。

AI芯片行业当前面临的问题在于，原本想象的“颠覆式创新”机会可能并不存在。颠覆式创新意味着，如果新的技术，以特别简单、便捷、低成本产出原有技术下的高端性能产品，性能增长超过用户的需求，那么新技术一定能在某个时点取代原有技术。

中国芯片行业还存在另一个原生性问题，芯片问题很大程度上不需要靠芯片解决，而是靠软件和生态解决，中国缺乏软件和生态解决方案。英伟达在软件生态上砸了很多钱，而不是在芯片上，但中国企业对这一点没有足够重视。

未来如何发展？

很多新的技术路线，比如光计算、量子计算，投入使用还需很长一段时间。因此，企业不用过于担心新技术路线，而是应该考虑许多客户逐渐开始自己做芯片，特斯拉自己做芯片、百度今年正式推出“昆仑”芯片、阿里推出“含光800”的芯片。

此外，云端市场非常拥挤。百度、阿里、腾讯都在做，英伟达已经在某些领域形成垄断。但是，市场容量有那么大吗？可能没有，这个市场可能最终只有1-2家公司存活。

我认为，更大的市场空间在终端，当前终端由于功耗、散热等问题难以应用到很多场景去，而AI芯片可以解决。需要关注的问题在于，每个场景都十分庞大，不同场景的需求差异巨大，一家公司很难同时兼顾，许多场景需求只能合并，而企业也只能在垂直领域深挖。

当前，自动驾驶、智慧安防、机器人等诸多场景，都需要AI芯片的支持。尽管，行业还在沉淀期，但我认为， AI芯片很快会在更多场景中发挥价值， AI很有价值，芯片很有价值，合在一起是更有价值的。

谢谢大家！

赛灵思人工智能业务资深总监姚颂：AI+芯片合在一起才更有价值