抓住AI時代發(fā)展機遇 國產芯片未來發(fā)展道路何在

　　芯片被譽為當今一個國家科技發(fā)展水平最真實，也是最前沿的體現(xiàn)，同時芯片也是各國競相角逐的國之重器，眾所周知，我國擁有全球最大的半導體市場，在集成電路領域也已經躍居全球第二大設計市場，但是當前除了移動終端和網絡設備部分集成電路產品占有率超過10%意外，高端芯片我們的市場占有率幾乎為零。

　　在今年上半年，我國明顯加快了微電子、集成電路等產品的研發(fā)速度和進度，這點不但從領導人視察等重視程度提升之外，對于科技企業(yè)來說，對于芯片研發(fā)的投入力度也在加大，這其中包含了人力投入和資金投入等等，從數字上，整個投資增長了43.6%，相較以前這其實是一個質的飛躍。

　　“芯片熱”的爆發(fā)

　　我國芯片市場的爆發(fā)其實源于市場自身需求以及政府的大力扶持，尤其是在2003年前有，當時大量資金的投入帶動了整個集成電路市場的快速發(fā)展，市場需求作為導向也帶來的海量的市場需求，2005年，憑借攝像頭芯片業(yè)務，中星微電子登陸納斯達克，成為國內第一個登陸納斯達克的芯片企業(yè)。

　　2006年之后我國的集成電路科技創(chuàng)新主要集中在高端芯片領域的開拓和創(chuàng)新，在這幾十年當中，在集成電路方面我國也出現(xiàn)了幾次集中發(fā)展的契機和浪差，但是客觀來說，由于技術相對落后，再加上前瞻性和戰(zhàn)略視野的缺少，使得我們一直處在追趕的角色當中，高端芯片的研發(fā)速度也相對受到制約和放緩。

　　不可否認的是，摩爾定律的放緩使得整個芯片領域的研發(fā)速度也在放慢，芯片每研發(fā)一步其難度相比以前都加大了不少。目前的解決方案是通過光學信號處理(光子計算和光子芯片)和AI突破摩爾定律的限制，這也必將帶來芯片技術發(fā)展的新形勢和新機遇。因此，在世界新一輪科技革命同我國轉變發(fā)展方式的歷史性交匯點。

　　傳統(tǒng)芯片我們該堅持嗎?

　　在我看來，傳統(tǒng)芯片領域當中要想實現(xiàn)完全的國產化替代，需要較長的時間和較多的投入，因此我們應該做到有所為有所不為?；拘酒某墒於群透呖煽啃砸笈c消費級芯片不可同日而語，從開始試用到批量使用起碼需要兩年以上的時間，呈現(xiàn)技術更迭快、門檻高和自給率低的特點。

　　高性能的FPGA芯片目前基本由國外的企業(yè)壟斷著，尤其是在融合芯片領域當中軟件定義無線電系統(tǒng)仍然具備很強的優(yōu)勢，因此后續(xù)我們可以實現(xiàn)該領域產業(yè)的技術進一步提升。

　　目前，lntel在高端服務器處理器芯片的市場占有率已經高達99%，其X86架構加上微軟的軟件生態(tài)，已經處于絕對壟斷的地位。但是，近年在云計算、大數據和人工智能推動下，服務器市場需求強勁。全球又掀起了一股高端服務器處理器芯片競爭熱潮。

　　值得一提的是，尤其是在AMD推出了其Zen芯片之后，其突破性的性能已經可以和英特爾最快的10納米芯片相匹敵，放眼國內，目前我們的自主研發(fā)高端芯片當中已經嵌入了符合中國商用密碼算法的標準和解決方案，由于Wintel生態(tài)過于強大，考慮到運行在云端的軟件無須傳承于任何傳統(tǒng)企業(yè)，我們在高端服務器芯片上的突破應該從ARM、云計算和Linux生態(tài)入手，以保證足夠的設計、創(chuàng)新和提升空間。

　　下一代重點：光子集成芯片

　　光子集成技術自從2010年以來就進入了高速發(fā)展的階段，國際上也有很多國家開始在圍繞著這一領域展開全面的研發(fā)與合作，其目的就是為了實現(xiàn)基于半導體材料或者二維晶體材料的光電混合。因此，未來這一技術創(chuàng)新必將會帶來很大的市場需求，同時這一領域也將會成為未來芯片領域角逐的重點層面，所以我們要發(fā)力。

　　客觀來說，目前我國光子集成技術還是處于起步階段，目前制約我們這一領域發(fā)展的問題主要集中在人才匱乏、研究碎片化、缺乏系統(tǒng)架構研究等等問題當中，不過幸運的是，我們國家已經開始進行超前的布局，開始在重點領域進行規(guī)劃和資金的投入，所以我們仍然有希望在這一領域趕上并且超過國外。

　　光子計算被認為是突破摩爾定律的有效途徑之一，且更適合線性計算。光子器件的開關速度比電子器件更快，而且光波具有不同的波長、頻率、偏振態(tài)和相位信息，可以用來代表不同的數據，因而光子計算具有內稟的高維度的并行計算特性。

　　人工智能AI或許帶來新的突破

　　我們都知道，近幾年人工智能技術開始被應用在了許許多多的行業(yè)當中，對于芯片領域來說也不例外，當前已經有很多企業(yè)在其芯片研發(fā)和應用領域當中融入了人工智能的元素，但是，不管是當前的CPU、GPU還是FPGA，在AI芯片本質上來看其實還并不能算是真正的AI芯片，它們往往無法滿足AI的需求。

　　通常CPU和GPU被設計成用來運行完整的程序，不是數據驅動的。而機器學習與CPU和GPU處理完全不同，是不斷訓練程序使用數據的過程，然后在不進行明確編程的情況下進行推理，需要完全不同類型的處理器。

　　AI芯片需要循環(huán)使用訓練數據，必須擅長處理數據之間的連接關系，比如可以用圖形表示數據之間的相關性和其他關系?？梢哉f，AI的神經網絡的總體目標是創(chuàng)造大而復雜的連接關系網絡，這個網絡不僅可以是稀疏的、多層級的，而且可以彼此循環(huán)、學習和改進。

　　綜上所述，芯片的研發(fā)和架構的創(chuàng)新體現(xiàn)了一個國家科技成果的創(chuàng)新地步，一旦在這一領域當中能取得突破性的成果，那么將會是帶動整個國力的大幅度提升，有很多業(yè)界專家曾經表示，目前我們正處在處理器芯片發(fā)展的黃金階段，因此我們更應該抓住這一市場發(fā)展基于，加快投入和研發(fā)力度，并且結合國內應用市場的需求，去研發(fā)出真正適合國內市場領域發(fā)展的芯片產品，在我看來，這才是芯片產業(yè)持續(xù)發(fā)展的關鍵所在。