福利碰碰碰久久久久久久-亚洲欧美一区二区综合精品-亚洲国产日韩综合av在线-淑女人妻中文字幕 久久99国产综合精品,久草免费视频在线在线,亚洲AV成人无码久久影院,日本亚洲欧美国产日韩ay

人工智能（AI）的發(fā)展已達(dá)60余年，涉及范圍非常廣泛，擁有比一般科技領(lǐng)域更復(fù)雜、更豐富的內(nèi)涵。現(xiàn)階段人工智能技術(shù)研究將圍繞算法、框架軟件、芯片三個(gè)方面。未來(lái)十年是人工智能產(chǎn)業(yè)發(fā)展的重要時(shí)期，也是人工智能芯片技術(shù)突破的關(guān)鍵時(shí)期，遠(yuǎn)期人工智能技術(shù)的發(fā)展路徑將會(huì)沿著算法、算力兩條主線向前發(fā)展，并逐步帶領(lǐng)人類(lèi)進(jìn)入到人機(jī)協(xié)同時(shí)代。發(fā)展人工智能的最終目標(biāo)并不是要替代人類(lèi)智能，而是要與人類(lèi)智能形成互補(bǔ)，使得人類(lèi)從繁重的重復(fù)性工作中解放出來(lái)，從而專(zhuān)注于推動(dòng)人類(lèi)自身文明的進(jìn)步。

一、我國(guó)發(fā)展人工智能面臨三方面挑戰(zhàn)

我國(guó)發(fā)展人工智能當(dāng)前面臨的挑戰(zhàn)主要在AI算法、AI框架軟件及AI芯片三個(gè)方面，詳細(xì)論述如下。

（一）AI算法

人工智能技術(shù)常見(jiàn)的算法技術(shù)有決策樹(shù)、隨機(jī)森林、邏輯回歸、支持向量機(jī)、樸素貝葉斯算法等，國(guó)內(nèi)各大高校團(tuán)隊(duì)一直有深入研究，但是在科研成果轉(zhuǎn)化領(lǐng)域一直發(fā)展緩慢，難點(diǎn)在于如何將算法和實(shí)際工程應(yīng)用結(jié)合，實(shí)現(xiàn)技術(shù)向生產(chǎn)力的轉(zhuǎn)化。目前以華為、阿里、騰訊等公司主導(dǎo)的技術(shù)研發(fā)團(tuán)隊(duì)，將自身應(yīng)用和算法技術(shù)結(jié)合，從產(chǎn)業(yè)領(lǐng)域?qū)崿F(xiàn)算法的技術(shù)成果轉(zhuǎn)化。

底層數(shù)學(xué)庫(kù)的研究一直屬于冷門(mén)行業(yè)，一方面因?yàn)榧夹g(shù)成果轉(zhuǎn)化不易，另一方面因?yàn)檠芯款I(lǐng)域狹窄，國(guó)內(nèi)僅有少數(shù)科研團(tuán)隊(duì)專(zhuān)注于此。企業(yè)領(lǐng)域，主要是嘗試從底層硬件開(kāi)發(fā)角度，通過(guò)優(yōu)化數(shù)學(xué)庫(kù)實(shí)現(xiàn)硬件效率最優(yōu)化的方式進(jìn)行研究，如美國(guó)NVIDIA公司開(kāi)發(fā)了cuDNN的深度學(xué)習(xí)庫(kù)，是專(zhuān)門(mén)針對(duì)其CUDA GPU的優(yōu)化，但是并沒(méi)有對(duì)大規(guī)模機(jī)器學(xué)習(xí)場(chǎng)景中分布式并行的支持。美國(guó)IBM (PML)和Intel (DistML)在前些年均開(kāi)發(fā)了機(jī)器學(xué)習(xí)/深度學(xué)習(xí)相關(guān)框架、庫(kù)和工具集，但均限內(nèi)部使用或者是簡(jiǎn)單版本的開(kāi)源。Databricks公司以Spark為核心開(kāi)發(fā)支持機(jī)群學(xué)習(xí)相關(guān)的庫(kù)?；陂_(kāi)源軟件Caffe擴(kuò)展了基于MPI的分布式并行實(shí)現(xiàn)。從面向市場(chǎng)的產(chǎn)品角度看，這些目前還處于研制階段，性能和穩(wěn)定性改善空間潛力巨大。

算法領(lǐng)域的技術(shù)突破，我國(guó)科研機(jī)構(gòu)和企業(yè)的關(guān)注點(diǎn)是不一樣的?？蒲蓄I(lǐng)域針對(duì)目前的已有算法進(jìn)行深度優(yōu)化，實(shí)現(xiàn)更好的處理效果，或者另辟蹊徑，對(duì)原有算法進(jìn)行脫胎換骨。而企業(yè)則更多立足于產(chǎn)業(yè)發(fā)展需要，將成熟的算法應(yīng)用到實(shí)際的工程項(xiàng)目中，實(shí)現(xiàn)人工智能產(chǎn)業(yè)化。

（二）AI框架軟件

國(guó)內(nèi)的AI框架軟件逐漸起步，也開(kāi)始擁抱開(kāi)源，并正在培育自己的生態(tài)環(huán)境。框架軟件是人工智能生態(tài)中最重要的因素之一，我國(guó)需要促進(jìn)國(guó)產(chǎn)自研框架軟件的發(fā)展和推廣，擺脫國(guó)外的軟件生態(tài)標(biāo)準(zhǔn)制約。國(guó)產(chǎn)AI框架軟件需要和國(guó)產(chǎn)AI芯片及硬件進(jìn)行相互適配、性能優(yōu)化和應(yīng)用推廣，能夠形成面向行業(yè)應(yīng)用的軟硬件一體化平臺(tái)，促進(jìn)這種融合技術(shù)在各行業(yè)的產(chǎn)業(yè)推廣。

1.AI框架軟件

AI框架軟件是相關(guān)算法、庫(kù)、工具的集合。AI框架軟件的出現(xiàn)降低了使用門(mén)檻，開(kāi)發(fā)人員借助計(jì)算框架，不需要從復(fù)雜的神經(jīng)網(wǎng)絡(luò)開(kāi)始編寫(xiě)代碼，可以依據(jù)需要，使用已有的模型，快速實(shí)現(xiàn)應(yīng)用。框架軟件提供了一系列的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)組件，其中，通用的AI算法已集成實(shí)現(xiàn)，若需要使用新的算法可根據(jù)自己的需求去定義，然后調(diào)用深度學(xué)習(xí)框架的函數(shù)接口使用戶自定義的新算法。隨著這些開(kāi)源框架在全球范圍內(nèi)的廣泛使用，互聯(lián)網(wǎng)巨頭開(kāi)始逐漸掌控了人工智能的應(yīng)用生態(tài)，形成了幾乎所有的AI芯片、系統(tǒng)、平臺(tái)都需要與這些主流框架適配的局面。AI算法的生產(chǎn)與程序生產(chǎn)不同，是一個(gè)系統(tǒng)工程，需要能夠協(xié)同優(yōu)化數(shù)據(jù)、算法、算力的平臺(tái)級(jí)產(chǎn)品。深度學(xué)習(xí)對(duì)算力有較高需求，因此相繼出現(xiàn)了一些專(zhuān)門(mén)的計(jì)算框架軟件和平臺(tái)，如谷歌的TensorFlow、伯克利大學(xué)的Caffe、Facebook的PyTorch（基于Torch推出）、微軟的CNTK、亞馬遜的MXNet、百度的PaddlePaddle等。

2.國(guó)內(nèi)AI框架軟件主要研發(fā)廠商

國(guó)內(nèi)人工智能產(chǎn)業(yè)也是大面積采用國(guó)外研發(fā)的這些框架軟件，自研的AI框架軟件相對(duì)比較小眾，主要集中在從事AI算法研究比較早的幾個(gè)公司內(nèi)部使用，但是隨著技術(shù)進(jìn)步，逐漸開(kāi)始進(jìn)入實(shí)用環(huán)節(jié)，并開(kāi)源發(fā)布。國(guó)內(nèi)比較知名的幾個(gè)框架軟件的情況如下。

百度飛槳PaddlePaddle：是國(guó)內(nèi)開(kāi)發(fā)較為完善的AI計(jì)算框架，是集深度學(xué)習(xí)核心框架、基礎(chǔ)模型庫(kù)、端到端開(kāi)發(fā)套件、工具組件和服務(wù)平臺(tái)于一體的開(kāi)源深度學(xué)習(xí)平臺(tái)。目前百度有超過(guò)30個(gè)主要產(chǎn)品都在使用 PaddlePaddle，從市場(chǎng)接受程度判斷，目前還處于起步階段，使用群體相對(duì)較少，還需要加大研發(fā)投入和市場(chǎng)培養(yǎng)。

曠視Brain++：擁有自主研發(fā)深度學(xué)習(xí)框架，自主研發(fā)的AI算法平臺(tái)Brain++作為統(tǒng)一的底層架構(gòu)，為算法訓(xùn)練及模型改進(jìn)過(guò)程提供重要支持。在算法開(kāi)發(fā)方面，曠視自研開(kāi)源深度學(xué)習(xí)框架MegEngine（Brain++核心組件之一），Brain++幫助曠視構(gòu)建了一條不斷自我改進(jìn)、不斷更加自動(dòng)化的算法生產(chǎn)線，并能夠針對(duì)不同垂直領(lǐng)域的碎片化需求定制豐富且不斷增長(zhǎng)的算法組合。

商湯Parrots：是一個(gè)訓(xùn)練框架，核心是一個(gè)動(dòng)態(tài)的編譯與調(diào)度引擎，商湯Parrots采用動(dòng)態(tài)實(shí)時(shí)編譯技術(shù)，所有代碼都是在運(yùn)行過(guò)程當(dāng)中即時(shí)編譯，并且放到計(jì)算芯片或引擎上大規(guī)模地并行執(zhí)行。具備了傳統(tǒng)靜態(tài)深度網(wǎng)絡(luò)的伸縮性，以及當(dāng)代動(dòng)態(tài)編程模型的靈活性，達(dá)到了這兩者的最佳結(jié)合。

華為MindSpore：計(jì)算框架已經(jīng)正式開(kāi)源。MindSpore原生適應(yīng)每個(gè)場(chǎng)景包括端、邊緣和云。通過(guò)MindSpore自身的技術(shù)創(chuàng)新及MindSpore與華為昇騰AI芯片的協(xié)同優(yōu)化，實(shí)現(xiàn)運(yùn)行態(tài)的高效，大大提高了計(jì)算性能。

（三）AI芯片

早在上世紀(jì)80年代，學(xué)術(shù)界就提出了相當(dāng)完善的AI算法模型，但直到近些年，模型的內(nèi)在價(jià)值也沒(méi)有被真正實(shí)現(xiàn)過(guò)，這主要是受限于硬件水平難以提供可以支撐深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練/推理過(guò)程所需要的算力。AI芯片的出現(xiàn)顯著提高了數(shù)據(jù)處理速度，尤其在處理海量數(shù)據(jù)時(shí)明顯優(yōu)于傳統(tǒng)CPU。一般將AI芯片定義為“專(zhuān)門(mén)針對(duì)AI算法做了特殊加速設(shè)計(jì)的芯片”，根據(jù)技術(shù)體系結(jié)構(gòu)，主要分為GPU、FPGA、ASIC和類(lèi)腦芯片四大類(lèi)。AI芯片在邊緣計(jì)算中是提供算力的靈魂和大腦，承載了為各種終端提供強(qiáng)大算力的重要任務(wù)，直到近年，GPU、FPGA、ASIC等AI芯片被投入到相關(guān)領(lǐng)域應(yīng)用，才解決了算力不足的問(wèn)題。

1.基于技術(shù)架構(gòu)分類(lèi)的AI芯片

（1）GPU

GPU（Graphics Processing Unit，圖形處理器），是利用處理圖形任務(wù)的圖形處理器來(lái)計(jì)算原本由中央處理器處理的通用計(jì)算任務(wù)。GPU經(jīng)過(guò)多年的生態(tài)發(fā)展，已經(jīng)對(duì)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)類(lèi)應(yīng)用具有良好的兼容性，通用性強(qiáng)、精度支持靈活、性能出眾。GPU面對(duì)的則是類(lèi)型高度統(tǒng)一的、相互無(wú)依賴(lài)的大規(guī)模數(shù)據(jù)和不需要被打斷的純凈的計(jì)算環(huán)境。GPU的關(guān)鍵性能是并行計(jì)算，主流的GPU具有強(qiáng)大的計(jì)算能力和內(nèi)存帶寬，無(wú)論性能還是內(nèi)存帶寬，均遠(yuǎn)大于同代的CPU。CPU 由專(zhuān)為順序串行處理而優(yōu)化的幾個(gè)核心組成，而 GPU 則擁有一個(gè)由數(shù)以千計(jì)的更小、更高效的核心（專(zhuān)為同時(shí)處理多重任務(wù)而設(shè)計(jì)）組成的大規(guī)模并行計(jì)算架構(gòu)。同時(shí)CPU相當(dāng)一部分時(shí)間在執(zhí)行外設(shè)的中斷、進(jìn)程的切換等任務(wù)，而GPU有更多的時(shí)間并行計(jì)算。

（2）FPGA

FPGA（Field Programma-ble Gate Array，現(xiàn)場(chǎng)可編程門(mén)陣列），作為一種半定制電路，含有數(shù)字管理模塊、內(nèi)嵌式單元、輸出單元以及輸入單元等，對(duì)于特定運(yùn)算，可以通過(guò)編程重組電路，直接生成專(zhuān)用電路，用戶可以通過(guò) FPGA 配置文件來(lái)實(shí)現(xiàn)應(yīng)用場(chǎng)景的高度定制，可同時(shí)進(jìn)行數(shù)據(jù)并行和任務(wù)并行計(jì)算，進(jìn)而實(shí)現(xiàn)高性能、低功耗。FPGA一次性成本遠(yuǎn)低于ASIC，在芯片需求還未成規(guī)模、深度學(xué)習(xí)算法暫未穩(wěn)定，仍需不斷迭代改進(jìn)的情況下，利用FPGA具有可重構(gòu)的特性來(lái)實(shí)現(xiàn)半定制的AI芯片是最佳選擇之一。FPGA可以面向前端推理場(chǎng)景靈活設(shè)定功能，目前在人工智能推理市場(chǎng)應(yīng)用廣泛。

（3）ASIC

ASIC（Application Specific Integrated Circuits，專(zhuān)用集成電路），是指應(yīng)特定用戶要求和特定電子系統(tǒng)的需要而設(shè)計(jì)、制造的集成電路。ASIC芯片可以面向一些成熟或特定的深度學(xué)習(xí)算法，定制電路和專(zhuān)用指令集，使效率和能效比達(dá)到最優(yōu)。當(dāng)前ASIC芯片主要面向人工智能推理應(yīng)用場(chǎng)景。針對(duì)特定用戶場(chǎng)景使用FPGA 進(jìn)行研發(fā)，當(dāng)算法成熟、芯片設(shè)計(jì)固定后再以ASIC 的方式進(jìn)行大規(guī)模生產(chǎn)，針對(duì)適用應(yīng)用場(chǎng)景，ASIC的性能和能耗都要優(yōu)于市場(chǎng)上的現(xiàn)有芯片，包括 FPGA 和 GPU。

TPU（張量處理單元，Tensor Processing Units），是一種定制化的ASIC芯片，TPU的單片存儲(chǔ)器容量是NVIDIA K80 GPU的3.5倍，但是它的體積相對(duì)更小。谷歌TPU已為谷歌的主要產(chǎn)品提供了計(jì)算支持，第一代 TPU 僅能用于推理，而目前發(fā)布的 TPU2.0 既可以用于推理，又可以用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

（4）類(lèi)腦芯片

類(lèi)腦芯片（Brain-Inspired Chip），可模擬人類(lèi)大腦信息處理方式，能以極低的功耗對(duì)信息進(jìn)行異步、并行、低速和分布式處理，并具備自主感知、識(shí)別和學(xué)習(xí)等多種能力，使之能夠在推理、決策、記憶等方面達(dá)到類(lèi)人智能水平。類(lèi)腦芯片把數(shù)字處理器當(dāng)作神經(jīng)元，把內(nèi)存作為突觸，跟傳統(tǒng)馮諾依曼結(jié)構(gòu)不一樣，它的內(nèi)存、CPU和通信部件是完全集成在一起。因此信息的處理完全在本地進(jìn)行，而且由于本地處理的數(shù)據(jù)量并不大，傳統(tǒng)計(jì)算機(jī)內(nèi)存與CPU之間的瓶頸不復(fù)存在。

類(lèi)腦智能借鑒大腦中“內(nèi)存與計(jì)算單元合一”等信息處理的基本規(guī)律，在硬件實(shí)現(xiàn)與軟件算法等多個(gè)層面，對(duì)于現(xiàn)有的計(jì)算體系與系統(tǒng)做出本質(zhì)的變革，并實(shí)現(xiàn)在計(jì)算能耗、計(jì)算能力與計(jì)算效率等方面的大幅改進(jìn)。IBM已經(jīng)開(kāi)始進(jìn)行顛覆馮·諾依曼體系結(jié)構(gòu)的類(lèi)腦智能算法與技術(shù)的探索，并已成功研制出TrueNorth芯片。

2.AI芯片特征對(duì)照及國(guó)內(nèi)外主要研制廠商

不同類(lèi)型的芯片在通用性、應(yīng)用兼容性、編程難度、性能、能效比等方面具有各自的優(yōu)缺點(diǎn)，適用于訓(xùn)練、推理等不同的應(yīng)用場(chǎng)景。不同類(lèi)型AI芯片的特征和優(yōu)缺點(diǎn)如表1所示。

表1 不同類(lèi)型AI芯片的特征和優(yōu)缺點(diǎn)

當(dāng)前，AI芯片的核心技術(shù)和市場(chǎng)被美國(guó)廠商壟斷，雖然國(guó)內(nèi)一些廠商也在進(jìn)行AI芯片研制，但無(wú)論是技術(shù)成熟度還是市場(chǎng)占有率等方面，與國(guó)際巨頭的差距仍然非常明顯。AI芯片國(guó)內(nèi)外主要研制廠商如表2所示。

表2 AI芯片國(guó)內(nèi)外主要研制廠商

GPU：憑借GPU在當(dāng)前人工智能市場(chǎng)的主導(dǎo)地位，NVIDIA在AI芯片市場(chǎng)一家獨(dú)大。AMD新發(fā)布的GPU產(chǎn)品已經(jīng)實(shí)現(xiàn)了對(duì)主流AI框架軟件的良好支持，上升勢(shì)頭明顯。Intel也正在進(jìn)行GPU研發(fā)。在國(guó)內(nèi)，目前海光公司正在按進(jìn)度推進(jìn)類(lèi)GPU（DPU）芯片研制，目前已經(jīng)取得階段性進(jìn)展。

FPGA：市場(chǎng)份額排名第二的AI芯片F(xiàn)PGA，當(dāng)前完全被美國(guó)的兩家公司Xilinx和Intel（收購(gòu)的Altera）所壟斷，全球市場(chǎng)占有率達(dá)90%。目前國(guó)內(nèi)從事FPGA芯片研發(fā)的廠商有紫光同創(chuàng)（Titan）、復(fù)旦微電子等企業(yè)，其FPGA產(chǎn)品相比美國(guó)廠商落后一代，且產(chǎn)品性能只能達(dá)到國(guó)外品牌上一代同系列產(chǎn)品的中高端水平，尚不具備可抗衡實(shí)力。

ASIC：國(guó)內(nèi)多采用ASIC芯片架構(gòu)進(jìn)行創(chuàng)新，ASIC芯片相比國(guó)外廠商差距相對(duì)較小，特別是在芯片本身的性能和能效比方面，而在高性能 GPU 和 FPGA 芯片領(lǐng)域研發(fā)相對(duì)滯后。如寒武紀(jì)等的ASIC芯片已形成了量產(chǎn)產(chǎn)品。但相比國(guó)外巨頭仍然存在一些先天差距，如Google研制的TPU，可以和自己研發(fā)并開(kāi)源的主流深度學(xué)習(xí)框架Tensor Flow進(jìn)行深入整合和優(yōu)化，有軟件生態(tài)的加持，將具有更好的生存優(yōu)勢(shì)。

二、我國(guó)發(fā)展人工智能的三個(gè)建議

（一）打造我國(guó)人工智能軟硬件產(chǎn)業(yè)生態(tài)

PC時(shí)代的Wintel體系（微軟+Intel），以及移動(dòng)終端時(shí)代的AA體系（ARM + Android），都是通過(guò)打造完整的產(chǎn)業(yè)生態(tài)來(lái)把控產(chǎn)業(yè)的主導(dǎo)權(quán)，并且處于絕對(duì)的行業(yè)壟斷地位。人工智能產(chǎn)業(yè)屬于新型領(lǐng)域，目前尚未形成絕對(duì)主導(dǎo)的技術(shù)路徑依賴(lài)，產(chǎn)業(yè)生態(tài)也沒(méi)有形成絕對(duì)的壁壘，軟硬件協(xié)同優(yōu)化已成為提升技術(shù)的主要手段，單純的數(shù)據(jù)與算法優(yōu)化已不能滿足產(chǎn)業(yè)發(fā)展需求。

面對(duì)這一發(fā)展契機(jī)，我國(guó)應(yīng)強(qiáng)化人工智能產(chǎn)業(yè)發(fā)展頂層設(shè)計(jì)，加強(qiáng)人工智能軟硬件協(xié)同布局，如，鼓勵(lì)百度飛槳Paddle Paddle、曠視、商湯Parrots、華為Mind Spore等軟件框架企業(yè)，與寒武紀(jì)（MLU）、華為（昇騰）、阿里（含光）、中星微（NPU）、比特大陸（算豐）、地平線、百度（昆侖）、海光（DPU）、紫光同創(chuàng)（Titan）、復(fù)旦微電子等AI芯片企業(yè)強(qiáng)強(qiáng)聯(lián)合，重點(diǎn)布局我國(guó)自主知識(shí)產(chǎn)權(quán)的“框架軟件+AI芯片”的人工智能生態(tài)體系，力爭(zhēng)五年內(nèi)在人工智能領(lǐng)域占據(jù)主導(dǎo)優(yōu)勢(shì)。

（二）采取全面布局、分步突破的芯片發(fā)展路徑

AI芯片的核心技術(shù)和市場(chǎng)均處于被美國(guó)廠商壟斷的狀態(tài)，雖然國(guó)內(nèi)一些廠商也在進(jìn)行AI芯片研制，但無(wú)論是技術(shù)成熟度還是市場(chǎng)占有率方面，與國(guó)際巨頭的差距仍然非常明顯。目前來(lái)看我國(guó)GPU及FPGA基本完全依賴(lài)進(jìn)口。GPU方面全球70%的市場(chǎng)都被NVIDIA占據(jù)。FPGA呈現(xiàn)寡頭壟斷的競(jìng)爭(zhēng)格局，美國(guó)兩家公司Xilinx和Intel（收購(gòu)的Altera）所壟斷，全球市場(chǎng)占有率達(dá)到90%。三款A(yù)I芯片總體來(lái)看，ASIC國(guó)產(chǎn)化程度相對(duì)較好。

因此，現(xiàn)階段針對(duì)我國(guó)AI芯片的現(xiàn)實(shí)情況，可采取全面布局、分步突破的發(fā)展路徑，近期重點(diǎn)突破專(zhuān)用芯片ASIC，遠(yuǎn)期依次突破GPU、FPGA等通用芯片。由于ASIC專(zhuān)用性較強(qiáng)，不同廠商往往會(huì)根據(jù)特定的應(yīng)用場(chǎng)景需求進(jìn)行有針對(duì)性的研發(fā)，而GPU、FPGA等通用芯片由于目前國(guó)外有較為成熟的標(biāo)準(zhǔn)化產(chǎn)品，國(guó)內(nèi)廠商自主研發(fā)或國(guó)產(chǎn)化替代的意愿并不強(qiáng)烈。因此從產(chǎn)業(yè)布局角度來(lái)看，政府應(yīng)加大力度助力有條件有意愿的企業(yè)，在GPU、FPGA等通用芯片研制方面投入精力實(shí)現(xiàn)分步突破。

（三）加強(qiáng)類(lèi)腦芯片等前沿領(lǐng)域的布局

類(lèi)腦芯片研發(fā)領(lǐng)域?qū)儆谇罢靶灶I(lǐng)域，目前企業(yè)在此方面并不會(huì)過(guò)多涉及，因此應(yīng)充分發(fā)揮國(guó)內(nèi)高校以及科研院所力量進(jìn)行充分布局。目前，IBM研制的TrueNorth芯片作為類(lèi)腦計(jì)算領(lǐng)域的突破性進(jìn)展，極大地推進(jìn)了人工智能的發(fā)展，但類(lèi)腦計(jì)算仍存在很大的發(fā)展空間。隨著存儲(chǔ)、邏輯、傳感技術(shù)的改進(jìn)，將來(lái)類(lèi)腦計(jì)算芯片有望達(dá)到更低能耗、更緊湊結(jié)構(gòu)和更快速度。

我國(guó)針對(duì)類(lèi)腦芯片的研究尚處于理論階段，國(guó)際龍頭企業(yè)還沒(méi)有形成明確的技術(shù)及知識(shí)產(chǎn)權(quán)壁壘，因此全球科技產(chǎn)業(yè)巨頭都在積極推動(dòng)人工智能技術(shù)生態(tài)的研發(fā)布局，全力搶占人工智能產(chǎn)業(yè)的制高點(diǎn)和話語(yǔ)權(quán)。

三、結(jié)語(yǔ)

人們對(duì)人工智能的期望，絕不僅用來(lái)解決狹窄的、特定領(lǐng)域的某個(gè)簡(jiǎn)單具體的小任務(wù)，而是期望能夠真正像人類(lèi)一樣，解決不同領(lǐng)域、不同類(lèi)型的復(fù)雜問(wèn)題，并進(jìn)行判斷和決策。

發(fā)展人工智能的終極目標(biāo)也不是要替代人類(lèi)智能，而是要與人類(lèi)智能形成優(yōu)勢(shì)互補(bǔ)，幫助人類(lèi)處理許多雖然能夠處理但效率不夠高的工作，使得人類(lèi)從繁重的重復(fù)性工作中解放出來(lái)，從而專(zhuān)注于推動(dòng)人類(lèi)自身文明的進(jìn)步。

參考文獻(xiàn)

[1] 何寶宏,徐貴寶.人工智能前沿技術(shù)應(yīng)用趨勢(shì)與發(fā)展展望[J].中國(guó)工業(yè)和信息化,2019（04）.

[2] 王煥寧.人工智能芯片國(guó)產(chǎn)化路徑淺析[J].科學(xué)技術(shù)創(chuàng)新,2019（07）.

[3] 田雨晨.FPGA芯片設(shè)計(jì)及其應(yīng)用[J].數(shù)字通信世界,2019（04）.

[4] 譚鐵牛.人工智能的歷史、現(xiàn)狀和未來(lái)[J].智慧中國(guó),2019（03）.

[5] 魏少軍.發(fā)展人工智能芯片中國(guó)還缺什么?[J].中國(guó)集成電路,2017（08）.

[6] 王鋒.智慧社會(huì)治理中人機(jī)合作的邊界[J].學(xué)海,2020（05）.