人工智能熱潮正在席卷各行各業，無論是自動駕駛、物聯網、智能硬件、智能家居等新興產業，還是安防、醫療、礦山等傳統業態，都開始頻繁接觸人工智能。“人工智能+”的概念正在落到實處。
作為人工智能產業的核心，AI芯片發揮了關鍵的底層基礎性作用，持續賦能千行百業。然而，目前我國AI芯片產業的標準化工作依然滯后于技術發展的需求，在AI芯片與5G、邊緣計算等新興技術持續融合，應用場景不斷豐富和深化的背景下，產業發展面臨技術標準不統一、低端同質化惡性競爭等深層次問題。
2021年10月，中共中央、國務院印發《國家標準化發展綱要》，強調標準是經濟活動和社會發展的技術支撐，指出應加強在人工智能等關鍵技術領域的標準化研究。2020年7月，國家標準委會同中央網信辦、國家發改委、科技部、工信部印發的《國家新一代人工智能標準體系建設指南》中也提出，到2023年，初步建立人工智能標準體系。
這些均顯示出標準化工作對于AI芯片產業持續健康發展具有重要意義。以標準引領行業發展，打造人工智能芯片產業生態，推動AI與傳統領域融合，助力汽車、數據中心、安防、電網等行業為代表的產業升級，將成為未來我國AI芯片產業發展的關鍵一環。
AI芯片賦能千行百業
近年來，AI芯片技術取得快速發展。圖形處理器（GPU）、張量處理器（TPU）以及現場可編程門陣列芯片配合中央處理器（FPGA+CPU）、特定用途集成電路（ASIC）等解決方案得到快速部署。以此為基礎，人工智能迅速滲透到各應用領域，催生出新的技術、產品、產業、業態、模式。據埃森哲數據，未來與AI深度融合的企業能夠將盈利能力平均提升38%，同時AI將為包括教育、制造、批發、零售等16個行業額外帶來超14萬億美元的總附加值。
在日前舉辦的第十屆（2021）深圳新一代信息技術產業標準化論壇“AI芯標準賦能傳統行業”主題論壇上，與會嘉賓針對AI芯片在云側、邊緣側、端側等不同領域中的機遇與挑戰進行了深入探討。華為技術有限公司昇騰計算副總裁金穎就指出，人工智能作為新的通用目的技術將深刻推動社會發展進程，目前的人工智能正從單點技術走向真正的通用技術，從大模型走向超大模型，從單模態走向多模態，將可更好地應對多樣化的應用場景。在此過程當中，AI芯片發揮著基礎關鍵作用。
上海燧原科技有限公司創始人兼 COO張亞林在介紹數據中心計算平臺發展趨勢時認為，以異構計算為基礎架構的AI芯片將支撐未來數據中心的超大算力平臺。數據中心的計算基礎、通用處理、計算加速、數據存儲，朝組件化方向發展，通過異構計算的池化，使數據中心實現頂層互聯，構架成整個數據中心的整體方案，這是最底層數據中心的呈現。
AI芯片也在持續賦能傳統行業。北京智芯微電子科技有限公司研發副總經理鄭哲在介紹電網智能芯片時指出，我國工業芯片需求巨大，據不完全統計，“十四五”期間，僅電力領域對芯片的市場需求就約達2000億元。隨著智能電網的發展，AI芯片在電力系統的應用也日漸廣泛，在智能電網發、輸、變、配、用、調和公司經營管理領域，運用計算機視覺、自然語言理解、機器學習等人工智能技術，能夠有效解決現有業務中的難題，大幅提升生產效率和服務水平。
上海登臨科技有限公司方案架構總監鄭韜介紹了AI芯片在安防中的應用場景及技術趨勢。在計算機視覺應用中，安防占比高達68%，安防行業的海量數據以及事前預防、事中響應、事后追查的訴求與人工智能訓練需求及技術邏輯完全吻合，是人工智能重要的落地行業之一。“隨著智能安防云邊結合等新趨勢的發展，AI算力公司未來應設計更大算力，開發更合適的架構。”鄭韜表示。
標準助力高質量發展
標準是經濟活動和社會發展的技術支撐，是國家基礎性制度的重要方面。標準化也是人工智能產業生態中的關鍵一環，是產業健康發展的重要保證。推進AI芯片業的高質量發展，迫切需要進一步加強標準化工作。
中國電子技術標準化研究院院長趙新華指出，當前，人工智能產業發展迅猛，產業規模進一步壯大，與傳統行業深度融合，已成為創新驅動發展的新引擎。中共中央、國務院印發的《國家標準化發展綱要》中也明確指出，要開展人工智能領域的標準化研究，通過人工智能技術的綜合應用，完善質量治理，促進質量提升。這為我們構建AI芯片標準體系，建立新一代信息技術領域開放創新生態提供了重要指引。
值得注意的是，目前AI芯片業在取得快速發展的同時也面臨挑戰，包括面向不同場景時，AI芯片的利用率、兼容性有待提高，各類基于不同AI芯片的異構設備協同存在困難等。因此，產業更加需要構建AI芯片標準體系，完善AI芯片測試方法，兼具公平性、權威性和完整性，助推產業進一步發展。
對此，商湯科技聯合創始人、智算聯盟ICPA理事長楊帆就指出，未來中國應建立標準化的智能算力供應鏈，實現AI產業的可持續發展。中國電子技術標準化研究院研究員陳大為在談到汽車芯片產業時也表示，我國車規芯片的系列標準仍舊缺乏，特別是缺少車規芯片的基礎準入標準。加強國產汽車芯片標準化工作將是未來發展的重要方向之一。
國際組織就非常善于綜合運用政策、標準、認證等手段，牽引產業發展，值得我們借鑒。如ISO主要在工業機器人、智能金融、智能駕駛方面開展了人工智能標準化研究。IEC主要在可穿戴設備領域開展了人工智能標準化工作。而實現這些領域的標準化落地與應用，均離不開AI芯片。
標準建設更需產業協同
那么，我們應當如何更加妥善地開展AI芯片的標準化工作呢？
首先，AI芯片標準體系的建設離不開產業伙伴的協同合作。趙新華指出，深化產業融合、構建產業生態是標準化工作的重要方向。我國具有大市場優勢，同時應用場景多、開放程度高，要充分利用當前優勢，針對傳統行業場景和需求，應加快推進“人工智能+”應用模式。
電子標準院為落實AI芯片標準化工作，在本次活動中舉行了“人工智能芯片標準化創新合作伙伴”揭牌儀式。該組織以落實《國家標準化發展綱要》為主旨，由中國電子標準院牽頭，凝聚國內AI芯片領域產、學、研、用各方包括清華大學、東南大學、北京科技大學、中科院計算所、華為、飛騰、英特爾、依圖、商湯科技、燧原科技、百度昆侖芯、登臨科技、云天勵飛、地平線、智芯微電子、天固信安、智源研究院、中興通訊、摩爾線程、山東產研院、鯤云科技、開放智能、天數智芯、五舟科技、愛芯元智、集智未來、信大捷安、沐曦集成電路、智譜華章、清醒異構、太初電子、壁仞科技、上海熠知等在內的共計39家單位聯合成立，以共同促進我國AI芯片標準化發展，從而以標準為引領，推動產業生態建設，賦能人工智能應用的相關行業，助力實現“人工智能+”的快速發展。在活動當日下午召開的“創新合作伙伴”第一次閉門會議上，來自“創新合作伙伴”各成員單位的40余位專家代表出席了會議并深入探討，各方一致認同“創新合作伙伴”后續工作要聚焦云側、邊緣側、端側人工智能芯片的測評標準制定和數據中心、自動駕駛等熱點領域的AI芯片標準化工作，以促進我國人工智能芯片在各行業中的應用和推廣。
其次，AI芯片標準化工作的推進與行業數字化發展程度是密切相關的，兩者是相互促進的。人工智能的應用進展取決于數字化程度，AI時代是數據驅動的時代，深度學習算法的優化需要大規模數據來訓練提升，數據越豐富完整，應用效果越完美。高數字化程度的行業擁有較密集數據資源，成為AI優先落地的領域。標準化工作也應關注行業發展進程，與行業的發展相互配合，在滿足行業需求的同時，引領行業的發展。
此外，加強開源與標準的協同創新，通過開源社區、代碼實現、許可證授權等方式，有助于提高AI標準質量，助力人工智能發展。
專家觀點
中國電子技術標準化研究院集成電路測評中心主任任翔：
加強人工智能芯片標準化創新服務能力是關鍵
中國電子技術標準化研究院針對人工智能芯片的測試評價體系謀劃布局，逐步構建起包括人工智能芯片測試方法研究、測評標準研制和測評工具開發在內的科研與技術服務能力，并建立了人工智能芯片關鍵技術指標測試與檢測公共服務平臺，為國內人工智能芯片產業發展提供了重要技術支撐。同時，人工智能芯片的標準化工作聚焦傳統行業場景和需求，加快推進“人工智能+”應用模式，充分整合行業力量，以龍頭企業為核心搭建產業平臺、聯合實驗室等，由產業內領軍企業帶動中小企業協同發展。
中國科學院計算技術研究所智能計算機研究中心主任、研究員韓銀和：
應加快AI芯片測評及工具的研究開發
AI芯片產業的繁榮發展需要有清晰合理的評測標準和工具作為技術支持。國內外目前有多種AI芯片評測工具，如哈佛大學的Fathom、寒武紀的BenchIP、百度研究院的DeepBench、斯坦福大學的DAWNBench，以及由谷歌牽頭推出的MLPerf等。我國AI芯片評測方法和工具的研發還處于起步階段，遠不能滿足國內實際需求。因此，我國應加快AI芯片測評方法及工具的研究開發速度，搭建AI芯片評測服務平臺。
中國電子技術標準化研究院研究員陳大為：
強化國產汽車芯片標準化工作
汽車對芯片的依賴達到前所未有的程度。總結車規芯片的幾個特點：一是高可靠性，具體到車用體現為應對室外環境及EMC的要求嚴苛；二是高安全性，即實現復雜電路下的功能安全；三是零缺陷率，需要實現更高的批次一致性，同時具備10~15年的長期供貨能力。要滿足這些要求，相關的行業標準必不可少，因此，加強國產汽車芯片標準化工作將是未來發展的重要方向之一。
西安交通大學人工智能與機器人研究所副所長、教授任鵬舉：
高效能計算兼顧性能和能耗的平衡
智能體是人工智能的載體，其以云為基礎，以AI為核心，構建具有全方位感知、全域協同、精準判斷、持續進化、開放的智能系統。面向自主智能體的研究必須在系統、模型、算法和架構方面進行深度融合：首先在面向應用的系統層面發現問題，通過模型改進，算法優化、并選擇適合的計算架構，最終完成應用端的部署，并形成一個不斷迭代優化的研發閉環。智能駕駛就是智能體的典型代表。以車載AI處理器為例，計算密集型的感知層信息處理適合采用面向領域應用的專用計算架構提升數據并行處理能力，控制密集型的決策規劃和人機交互信息處理適合采用CPU為主的異構計算架構完成。
中國電子技術標準化研究院集成電路測評中心副主任尹航：
做好人工智能標準化工作要建立一體化運行體系
通過搭建豐富的標準化AI應用場景，推動新技術、新產品、新服務的標準化，對加速培育產業新動能，開拓實體經濟新增長點，助力我國經濟結構優化升級具有重要作用。在標準化工作中，我們要以產業需求為導向，聚焦核心技術問題，夯實產業基礎，支撐產業應用，推動人工智能重點標準研制，加快共性技術突破，持續推出高質量的國家標準，加快制定行業標準，優先推出一批團體標準，不斷優化完善標準體系結構，提升標準的供給質量。在標準研制過程中聯合產學研用單位深度合作，形成標準驗證、檢驗檢測、認證認可及質量評價一體化運行體系，促進產業鏈優化升級。
北京智芯微電子科技有限公司研發副總經理鄭哲：
人工智能在電力系統應用日漸廣泛
隨著智能電網的發展，人工智能技術在電力系統的應用日漸廣泛，在智能電網發、輸、變、配、用、調和公司經營管理領域，運用人工智能技術能夠大幅提升生產效率和服務水平。國內芯片企業要研發并推動AI芯片與安全、主控、通信、傳感、射頻、模擬、存儲傳統芯片的功能結合，提高電力用電側核心芯片以及配電側核心芯片本土化率，助力我國電力行業轉型升級。
智算聯盟ICPA理事長、商湯科技聯合創始人楊帆：
建立標準化的智能算力供應鏈實現AI產業可持續發展
5G的部署和終端產品智能化推動了數據量的爆發式增長，市場對AI芯片算力也有了更大的需求。同時，AI芯片市場將繼續保持高增長，預計到2025年，中國AI芯片市場規模年復合增長率將達47%。因此，標準化工作對AI產業的發展就顯得非常重要。未來，中國應建立標準化的智能算力供應鏈，通過創新與生態整合，實現AI產業的可持續發展。要構建更加通用化的基礎設施，把人工智能算法生產的每一個環節，從基礎設施到硬件，再到軟件工具，提供更加標準化、自動化、規模化的系統，進而支撐AI技術生產能力的提升，實現更加低成本和高效能。
上海燧原科技有限公司創始人兼COO張亞林：
異構計算將成為數據中心算力平臺發展方向
5G、自動駕駛、車聯網等發展很快，這些應用的計算基礎則是異構計算平臺。數據中心的發展趨勢包括系統驅動價值、軟件定義硬件、組件架構彈性三個方向。基于此，數據中心的計算基礎、通用處理、計算加速、數據存儲，將朝著組件化的方向發展，未來數據中心不會像現在這樣加內存就要加服務器，而是直接加計算單元。我們會看到不同的異構方向，包括AI計算、通用計算、流媒體加速、數據加速等。通過異構計算的池化，人們設計出數據中心的整體構架方案。
華為技術有限公司昇騰計算副總裁金穎：
人工智能正從單點技術走向真正的通用技術
人工智能的發展也面臨挑戰，如何讓AI用得上、用得起、用得好成為關鍵。首先，人工智能不斷進入新興行業必然會催生出不同的計算范式。計算范式的出現，會對整個計算系統有新的要求。其次，目前異構計算的發展趨勢非常明確，現在市場上大量推出的SoC芯片實際上已經是一個小的異構系統了。再次，因為算力進一步加大，目前的大規模訓練需要在超大規模集群系統上完成，并在不同的邊緣設備上進行部署。最后，推理部署場景復雜、效率低下，需要強大的異構混合加速能力。
昆侖芯（北京）科技有限公司研發總監羅航：
AI芯片助力新基建需跨過三道門檻
目前計算產業大致經歷了四個階段：互聯網前期、PC互聯網階段、移動互聯網階段，以及目前我們所處的產品、技術棧不斷分化的階段。而AI芯片是目前階段發展的必然，以滿足當前計算需求的爆發式增長。
AI芯片助力新基建需要跨過三道門檻。首先要實現芯片量產，量產規模也是衡量芯片成熟度的指標之一。其次要構建軟件生態。構建在芯片之上的軟件生態決定芯片的可用性和市場接受度，是芯片商業模式的護城河。最后是產品化。產品化是芯片商業模式可持續成長的關鍵因素，成熟的產品促進量產規模，形成業務飛輪閉環。
上海登臨科技有限公司方案架構總監鄭韜：
GPU+架構解決下一代AI計算問題
GPU架構為圖形加速和高性能計算設計，因而傳統GPU對AI加速存在一定的局限性。因此，可采用軟件定義的片內異構架構，將不同計算的引擎集成在一顆芯片當中，用更高的維度調度這個引擎，獨立并行開展所有任務。此外，可以用高效的數據交換網絡，把芯片里不同計算的單元串聯在一起，使數據做到高速流轉，進而優化內存管理和數據存儲邏輯，在更高維度上對任務進行調度，降低了對外部帶寬的需求。
深圳云天勵飛技術股份有限公司市場運營部總經理莫若龍：
場景、算法、芯片融合加速人工智能落地
人工智能的核心技術，無論是算法還是芯片需要一個載體才能落地。要實現城市智能體自進化，核心架構是1+1+N，即一張泛智能的感知網絡、一個城市超腦、N個智慧應用。AIoT能獲取各種類型的數據源，運用新的算法，未來城市的智能體可以實現每個端側AIoT設備自動采集更多維度、更復雜的數據。收集大量數據后，在城市超腦這個大數據平臺中進行數據處理、采集、結構化。掌握數據之后，通過人工智能算法開放平臺，實現對應場景的賦能，可能會有N個智能應用。實現這樣的應用需要關鍵技術的支撐，首先要有場景，算法與場景強結合，再基于算法進行專業化、定制化設計，最終實現場景、算法、芯片“三位一體”的融合。
中國電子技術標準化研究院集成電路測評中心人工智能芯片領域負責人宋博偉：
高質量人工智能芯片標準要做到“有本之者、有原之者、有用之者”
在AI芯片標準化研究、制定、應用、推廣的過程中，要遵循“有本之者、有原之者、有用之者”的原則，就是要有理論依據、現實依據和應用推廣。因此，在AI芯片標準化工作中，要團結各行業的AI芯片領軍企業，充分凝聚其算法、技術積淀作為理論依據，立足其在行業中落地應用的優秀案例為現實依據，由各領域領軍企業為主導，共同制定與實際需求相結合、與行業發展強相關的高質量AI芯片標準，并實現在產業的應用推廣；建立健全“質量效益型”AI芯片標準體系，助力實現“人工智能+”，賦能各行各業。
責任編輯：Rex_08
營業執照公示信息