“只看设计架构层面，国内的人工智能芯片并不比国外差，但这是不够的。”在日前中科院物理所举行的“科学咖啡馆”科普沙龙上，清华大学电子工程系教授汪玉指出，这相当于在沙子上盖楼，基础并不坚固。

科技日报记者随后采访了中科院半导体所类脑计算研究中心副主任龚国良，他也表达了类似观点。

设计架构层面可圈可点

汪玉曾于2016年参与创立人工智能芯片公司深鉴科技，如今国内已涌现出更多做人工智能芯片的企业，他的感受是，做得“一点不比国外差，有的甚至更好”。

这里所说的“好”，主要涵盖设计架构层面。而设计架构成为国内人工智能芯片的强项，背后有一定的原因。

“传统的CPU和GPU芯片采用基于指令流的冯诺依曼式计算架构和计算模式来运行，而人工智能芯片多采用类脑或仿脑的架构方式，能够突破内存墙的计算瓶颈。”龚国良介绍，在语音识别、图像识别等运用深度神经网络算法的场景下，相比传统芯片，人工智能芯片具有显著优势。

由于与传统芯片存在上述差异，龚国良告诉科技日报记者，仅从设计架构来看，国内人工智能芯片能够很快跟进相关技术，与发达国家几乎处于同一水平。

从近期新闻可管窥国内人工智能芯片的火热进展。

6月20日，寒武纪推出第二代云端人工智能芯片“思元270”；6月21日，华为发布人工智能手机芯片“麒麟810”；7月3日，百度发布远场语音交互芯片“鸿鹄”。

龚国良介绍，华为、寒武纪等企业开发的人工智能芯片，大多为通用性芯片，可胜任多种人工智能应用场景。此外，不少高校和研究院所也在研发人工智能芯片，它们多为专用性芯片，在特殊应用场景下性能较强。

汪玉介绍，中国大陆制造芯片的最新设备和工艺比国际先进水平落后一到两代，因此一些人工智能芯片需要送到境外进行制造和封装，产业链完整度欠佳。

国内人工智能芯片发展的弱项还有高速接口以及专用的集成电路IP核。龚国良介绍，以后者为例，它们具有比较高的计算性能，设计复杂，又与制造工艺休戚相关，要实现这样的设计模块通常需要多年沉淀积累。

“高速接口和专用的集成电路IP核被业界看作核心技术，使用它们往往需要国外公司授权许可，而不具备这些技术的企业在短期内又很难得到许可。”龚国良说。

用汪玉的话概括，大致上国内人工智能芯片在需要聪明智慧的环节做得不错，但在需要积累沉淀的环节做得却不够好。

“整体而言，国内相关领域研究起步较晚，确实需要积累和沉淀。”龚国良认为，长远来看，中国人工智能芯片领域应把握机会补上薄弱环节，将关键核心技术掌握在自己手中，以免受制于人。