多名院士专家谈人工智能：中国发展AI不能靠“堆芯片”

来源：环球时报

【环球时报报道 记者 马俊】美国依靠软硬件优势，在用规模“堆”出全球最强人工智能（AI）的这条道路上狂奔不已。美国富豪马斯克近日在社交媒体上宣布，旗下AI初创公司xAI已开始用10万块H100 GPU组成的“孟菲斯超级集群”进行AI训练，号称是“全球最强大的AI训练集群”。中国是否应该跟随美国引领的这条技术路线？近日在由中国智能计算产业联盟与全国信标委算力标准工作组共同主办的2024中国算力发展专家研讨会上，多名院士专家给出了各自的观点。

中国科学院院士陈润生在研讨会上表示，“人工智能大模型是新质生产力的代表，大模型和超级计算的融合发展十分重要，我国需要认真地去布局、去考虑。”中国科学院计算技术研究所研究员张云泉提到，大模型的迅猛发展彰显出新质生产力的特质，但目前也遇到了算力瓶颈。鉴于中国在超算领域拥有深厚技术积累，希望超智融合（超级计算与以大模型为代表的智能计算进行融合）能有效化解这一挑战。国家信息中心信息化和产业发展部主任单志广解释说，“超智融合是随着当前基础算力、智算算力、超算算力等的应用多元化发展而诞生的，即能否用混合型算力资源或者融合型算力体系，来解决同时满足多种不同算力的应用需求。”

在预测未来超智融合的进程时，中国科学院院士钱德沛认为，将沿着for AI、by AI和being AI三个阶段清晰演进，从硬件到软件全方位地进化，以适应和推动人工智能技术的发展。在第一阶段for AI，将着重于对现有计算机系统的改造与升级，发展专用硬件，确保可高效地支持和执行AI任务，为人工智能研究提供坚实的基础设施。在第二阶段by AI，将要用AI改造传统的计算，一方面用AI的方法来求解传统超算问题，另一方面AI也在影响传统计算机的结构，这个趋势也会逐渐明显。在最终的being AI阶段，计算机系统将呈现内在的智能特性，人工智能不再是一种外加的能力，而成为计算机的核心属性和基本组成，可能计算的能力或者智能化的水平，会远远超过我们今天的超算或智算。

陈润生注意到，目前科学界和产业界一直在企图解决超算和智算融合的问题。例如英伟达最新推出的GB200架构，其实是两块GPU加上一块CPU，某种意义上就可以算是把智算和超算的优势都用上了，在两块GPU执行机器学习的布局中，加上CPU提供的数据高速传输。但他认为，这种架构并没有从根本上解决效率问题。“超算与智算的结合是必然的，将会有机融合，而不是简单地把它们凑在一起”。

中国工程院院士郑纬民也表示，大模型的开发、训练、微调及推理各个环节均离不开算力，且算力成本占据着整体开销的大头，特别是在训练阶段，其占比高达70%，而在推理阶段更是高达95%。鉴于此，算力成为支撑大模型发展的关键因素。

对于中国当前的大模型热潮以及跟随美国“堆规模”的技术路径，中国院士专家们提出了各自观点。钱德沛表示，中国现在搞出的大模型数量和种类比美国还多，也都在搞通用人工智能，但我们不但在硬件上受到美国的严格限制，而且用于大模型训练的数据的质量和数量也都偏少，“这样做出来的大模型能比美国好吗？我想我们还是要符合中国国情，不能够完全跟着美国人走”。

陈润生也认为，中国现在出现的大模型基本上是在美国提出的大模型和算法上进行改进，但是对于整个大模型的基础理论考虑甚少。他在研讨会上提出，对比传统超算采用的局域式记忆模式，智能计算展现出了根本性的差异——信息的分布式存储。这种存储方式模仿了人脑神经网络的复杂结构，通过大规模、密集互联的芯片网络来承载日益庞大的模型。但是如何有效地将人类知识嵌入这些复杂系统，以及信息具体如何在系统中分布存储，其背后的算法与技术理论仍未充分探索。“随着模型规模的无节制扩张，导致一个不可克服的问题是能源耗竭，因此一味地增加芯片，依靠增加系统的复杂度来解决大模型的存储问题是不完全可取的”。

由此陈润生认为，未来智能计算还是应该参考“人类智能”，也就是模拟人脑的运行机制。人脑的体积非常小，能耗只有几十瓦，但它所产生的智能，超过了现在最先进的、能耗相当于一整座城市的AI。“大模型与智算的发展，不只是应用层面的模型和算法上改进，还需要从基础理论角度去有所突破。现在大模型只是发展了前10%，还有90%的工作没做，我也相信大模型绝对不是靠着越堆芯片越多实现的，一定像人类的大脑一样学习，把空间复杂度、时间复杂度压缩得更小，能耗降得更低。所以我觉得最基本的问题，是要研究目前空间复杂度来完成智算的基础理论。如果我们能在基础理论上有所发展，我们就能完成根本和原始创新。”

北京应用物理与计算数学研究所研究员袁国兴认为，不可能指望一种通用大模型在各行各业都能够解决问题。从实际情况看，不同的应用有不同的技术，要求用不同的算法，对计算能力也有不同的要求。例如在科学计算方面，对计算精度的要求越来越高，而随着计算机的规模扩大，数据越来越多，可信度在不断地下降。美国国家航空航天局（NASA）也提出类似的观点，他们对计算精度提出很高的要求。因此未来不同的应用会有不同的大模型、不同的计算，解决不同的问题。现在的大模型对计算精度和算法的要求完全不一样。

中国信通院云计算与大数据研究所所长何宝宏补充说：“计算和训练对底层基础设施要求并不一样，也需要判断在什么场景下要屏蔽差异性，在什么场景要体现差异性。”

需要发展主权级大模型

张云泉表示，美国最近通过一系列举动试图在发展人工智能方面对我国“卡脖子”，包括禁售高端GPU、终止共享大模型的源代码以及中断生态方面的合作等。同时现在大模型的运算规模达到1万块GPU，甚至10万块时，就需要通过发展大模型专用超算来突破能耗墙、可靠性墙、并行墙等技术瓶颈。在此背景下，想要在短期内突破大模型算力瓶颈，中国有一条路可走：利用过去二十多年积累的先进超算技术，研发大模型专用超算，克服大模型算力瓶颈问题，使我国可以紧紧咬住全球大模型最先进水平，不至于掉队。

张云泉在介绍超智融合体系下的“主权大模型”计划时表示，我国在超算领域拥有深厚技术积累，近年又投入巨量资金发展智能算力，聚焦建立以超智融合算力体系为中心的体系工程响应大模型的算力需求，希望能最大化利用超算技术优势破解算力挑战。按照“主权级大模型”计划的部署，“主权级大模型”创新联合体将依托国家超算、中科院和全国重点院校的知名教授团队、智能芯片企业、大模型解决方案企业等共同打造类似OpenAI的开放组织，由非营利性部门组织“主权级大模型”研发，由营利性部门组织“主权级大模型”落地。他建议说，超算是“国之重器”，需要用来攻克最大、最难的挑战。主权级大模型是一个能支撑国家发展的根模型，不是一般的大模型。类似的国家级超级大模型也受到其他国家的高度重视，例如美国微软公司携手 OpenAI发布了计划投入1000亿美元全新人工智能超级计算机的计划，日本最近也宣布要投入巨资发展国家级大模型。

陈润生认为，根据中国目前的基础条件以及大模型必然要发展的趋势，我们完全跟随西方的做法是不现实的，也是很难在短期内赶上的。所以找到一条发展主权级大模型的路，更为重要。

国产智能座舱芯片，围攻高通

新能源汽车崛起的同时，风险也正逐渐放大。

近日，工信部电子五所元器件与材料研究院的高级副院长罗道军在2024中国汽车论坛上指出，尽管中国已经坐拥全球最大的新能源车产能，芯片用量也是越来越多，但汽车芯片的自给率目前不到10%，是结构性的短缺。

此话一出，引发了行业的广泛讨论。

要知道，中国汽车产业发展到现在，已经经历了从无到有的阶段，作为世界上最大的汽车市场，在多年的发展中，我们诞生了无数的汽车厂商，并且有了与之配套的产业链。随着新能源汽车时代到来，更是被中国汽车厂商视为“弯道超车”的新机会，凭借新能源转型，在国内市场中，中国汽车厂商击败了合资车企，份额彻底超过了50%，新能源汽车渗透率也在2024年6月首次突破50%。

这意味着，作为新物种的新能源汽车，已经越来越被市场接受，但风险也正在被悄悄放大。

根据市场研究机构IC Insights数据显示，2021年汽车芯片的自给率不足5%，2024年汽车芯片自给率依然未能突破10%。

对此，笔者特地询问了在芯片行业深耕多年的老王，老王做芯片采购出身，现在在某芯片分销商公司工作，用老王的话说，他在华强北站过小柜台、斗过分销商，见证过缺芯潮，感受过消费电子芯片寒冬，汽车芯片、消费芯片、工控芯片统统有所涉猎，总之主打的就是经验丰富，妥妥的行业老兵。

笔者问：“2024年的汽车芯片自给率依然未能突破10%，真有这么夸张吗？”

老王无奈地叹了口气，有些尴尬地说道：“我们参加论坛时，一般对外都说10%的。”

摆脱“依赖”的必要性

要知道，一辆汽车根据本身的设计不同，所需要的芯片数量都不一样，传统的燃油车可能需要几十颗到上百颗芯片，而作为新能源汽车下半场的智能化汽车，所需要的芯片数量也更多。

一般要达到上千颗至几千颗，这些芯片平时“躲”在车机、座椅、车门、电池系统、空调系统、智驾系统等等，是智能汽车发展的核心零部件。

有数据显示，2023年中国汽车产业使用的芯片总数已经超过了200亿颗，如果按照不足10%的国产化率计算，也就是说有超过180亿颗芯片需要从国外进口。

而目前行业内的智能汽车发展还远远未到终点，业内普遍认为下半场的竞赛才刚刚开始，也就是说，随着汽车的不断进化，未来汽车芯片的需求量是个十分具有想象力的数字。

在这种情况下，提高芯片的国产化率，摆脱对外资厂商芯片的依赖，已经是一种必然。

那么，提高汽车芯片的国产化率，究竟有哪些优势？笔者将其总结为三点：自主可控、降低成本、产业生态。

首先，便是可以实现汽车芯片的自主可控，将命运牢牢握在自己手里。

要知道，近几年芯片“卡脖子”的事件闹得沸沸扬扬。而在2022年，美国总统拜登签署了《芯片和科学法案》，其中一个条款便是禁止获得联邦资金的公司在中国大幅增产先进制程芯片，期限为十年。

也就是说，作为智能汽车核心部件的芯片，其需求正在不断扩大，但却只能通过进口的方式解决，就像“命运”被牢牢握在了别人手里一样。

其次是降低成本。近年来，汽车行业的价格战已经愈演愈烈，而需要用到上千颗的芯片，也是一笔不小的成本。

举个例子，在智能驾驶和座舱领域，新能源汽车几乎成为了高通和英伟达的后花园。很多新车上市，你都能在宣传中看见座舱芯片中的高通8155、高通8295，智驾系统中的英伟达Drive Orin-X，已经成为行业主流。

很明显，在汽车智能化最核心的两个区域，被视为“大脑”的核心芯片，大多数车企采用的都是进口芯片，如小鹏G6的580长续航Plus和580长续航Pro都采用了一个NVIDIA DRIVE Orin超级计算平台，算力为254TOPS，而580长续航 Max则搭载了两个NVIDIA DRIVE Orin超级计算平台，算力为508TOPS，价格也相应的高了2万元/3万元，尽管几款车型的配置还存在其他差距，但依然可以看出进口芯片的昂贵。

因此，从降本方面来看，芯片国产化也有着十分重要的意义。

最后是产业生态方面，在中国汽车产业多年的发展中，已经建立了成熟、完善的供应链，而实现汽车芯片的自主可控，则可以实现产业链的反哺。

举个例子，在新能源汽车崛起之前，汽车芯片仅仅是芯片分类中的一个小类别，远不如消费电子芯片的需求大。然而在新能源汽车崛起，消费电子迎来寒冬的当下，这一情况完全发生了改变。

在2023年，芯片大厂们所发布的2022年第四季度及全年财报来看，许多厂商都面临着营收下滑的情况，但TI、ST、NXP、瑞萨等芯片大厂却均表达了对汽车市场的看好，到了2024年，汽车芯片更是成了许多芯片大厂的主要增收业务。

再看国内的芯片厂商，早在缺芯潮来临时，许多厂商便是通过消费级芯片切入，实现国产替代，在整体市场不景气的情况下，如果能提高汽车芯片的国产化率，那么便可以形成一个完美的闭环：提高芯片国产化率，帮助国内车企降本，汽车销量提升，反哺上游芯片设计厂商，最终达到双赢的结果。

综上，从自主可控、车企降本、产业生态闭环等多个方面，汽车芯片的国产化均有着十分重要的意义，已经是一条必走之路。

国产化的全新突破口

用老王的话说，汽车芯片非常难造。

我问老王具体有多难，老王说：“车规级。”随后又跟我拽了句英文：“Automotive Grade Chip。”

具体来说就是，按照使用温度、辐射、抗干扰等来分级的话，芯片可以分为五大类：航天级、军工级、车规级、工业级、消费级。

通过名称我们就能看出端倪，航天级芯片和军工级芯片的制造显然是极其严苛的，不过对于大多数人来说，基本上也接触不到。

而对于普通消费者来说，在车规级、工业级、消费级这三个等级的芯片中，车规级已经是我们目前能接触到最高规格的芯片，可以耐受更极端的温度与使用环境。

因为汽车自提车的那一刻开始，就与我们的日常生活密切相关，夏天得开车、冬天得开车，零下三四十摄氏度的严寒、几十摄氏度的高温、高湿、高压、高震动等场景，是汽车芯片每天都要经历的。

偏偏汽车这种出行方式与我们的安全息息相关，因此必须采用0容忍的严苛标准，同时又有大厂成熟的产品珠玉在前，因此导致国内的车规级芯片在设计、制造、封装测试、应用等方面，均需要面对各种难题，愿意投入的企业也少之又少。

汽车芯片国产化有多难，具体可以看笔者此前的文章：国产汽车芯片，不想当“备胎”

在这种情况下，汽车芯片国产化还有没有机会？

答案显然是有的，并且就是作为智能汽车核心功能之一的智能座舱，因为智能座舱的玩法越来越像消费电子了。

要知道，智能座舱采用的大多数也是“一芯多屏”的模式，即以一颗主芯片为核心，带动周边的元器件呈现出人机交互的座舱体验，如果我们把屏幕缩小，你会发现它的本质与手机十分相似，而车上多屏幕互动、人工语音交互等等功能，其实与手机上所用的底层逻辑和架构类似，就像是在汽车上造更大、更先进的手机。如前文提到过的高通8155、高通8295等，都是座舱中的核心芯片。

并且，智能座舱内的很多芯片的功能安全等级也相对而言比下车身更低，因为其所覆盖的大多是娱乐休闲功能，因此认证难度也相对简单，周期也相对较短。

在这种情况下，国内厂商已经开始把目光瞄准了智能座舱系统级芯片（SoC）。

如芯驰科技所发布的X9E、X9M、X9等座舱SoC，就已经在上汽荣威等品牌的部分车型上应用；

芯擎科技推出的国内首款车规级7nm座舱SoC芯片“龍鹰一号”也正式在领克08上面实现规模化量产交付；

华为麒麟990A也已经应用于问界M7、M9、智界S7、阿维塔11等产品；

四维图新旗下的杰发科技此前也宣布，旗下的座舱SoC AC8025已搭载到某自主品牌车型的智能座舱系统中；

……

除此之外，还有亿咖通、联发科、瑞芯微、紫光展锐、地平线等等企业，也在纷纷加速座舱SoC国产替代的进程，一场对于高通的围攻，已然开始上演。

虽然，座舱芯片不等同于消费类芯片，二者只是设计逻辑类似，并且高通依然是当之无愧的行业霸主，高通8295芯片也依然是行业主流，但无论如何，频频加入战场的国产芯片已经成为一种趋势，正在给坚不可摧的高通撕开一道口子。

尾声

此前，《日本经济新闻》曾表示：过去三年，中国国内汽车芯片的自给率从5%迅速提高到了10%。

虽然远远比不上国外大厂的市场份额，但起码让我们看到了一点，那就是外资芯片并不是不可替代的。

而近日，又有外媒报道称，中国正在敦促国内汽车制造商到2025年将汽车芯片本地采购比例提高到25%，旨在减少对进口芯片的依赖。

随后我问老王：“2025 年提高到25%能实现吗？”

老王并没有回答我的问题，而是说道：“汽车芯片国产化的战争，才刚刚开始打响。”

相关问答

智能芯片(IntelligentChip)是一种特殊的集成电路,它集成了计算机科学、电子工程、人工智能(AI)等多学科的知识,具有一定的智能处理能力。智能芯片的主要特...

智能芯片是一种集成电路,具有处理和控制信息的能力。它可用于各种电子设备和应用,如智能手机、智能家居、机器人、无人驾驶车辆等。使用智能芯片需要以下步骤:...

智能芯片的新版本可以通过以下方式获得:芯片制造商官方网站:访问芯片制造商的网站,通常提供最新版本的芯片供购买。授权经销商:从授权的芯片经销商处购买,...

人工智能芯片和手机芯片在设计和应用上有一些显著的区别。首先,它们的主要功能和用途不同。手机芯片主要用于手机的整体控制,包括运行内存、存储空间、处理速...

仿生芯片(BiomimeticChip)和智能芯片(IntelligentChip)是两种不同类型的芯片,它们在设计、功能和应用上存在一些区别。以下是它们的主要区别:1.设计原...

人的大脑和智能芯片区别是:信号传递方式不完全相同:智能芯片的运行过程完全依赖电,所有信息传递都由电信号实现人脑的运行过程很复杂,既有电,也有化学。许...

据MRFR数据,2019年全球FPGA市场规模为69.06亿美元,在5G和AI的推动下,2025年全球FPGA的市场规模有望达到125亿美元,年复合增长率达10.42%。人工智能芯片的发...

ai智能芯片意思是在于人工智能方面,在引入人工智能的深度学习能力后,可实现系统内部资源智能分配以及用户行为预测。进而实现从UI、应用启动、系统响应、图像...

3条回答:据永生联众科技所知的,目前人工智能芯片的公司有苹果、高通、谷歌、亚马逊、微软、英伟达以及中国人工智能芯片公司寒武纪科技公司。

首先制作芯片的首要步骤就是芯片设计,然后再进行沉积、光刻胶涂覆、曝光、计算光刻、烘烤与显影、刻蚀、计量和检验、离子注入、封装芯片等步骤。抛光机、光...