魏少军：先以应用定义软件 再用软件界定AI芯片

魏少军认为，如何更有效率地配置、共享、调度、并释放更多算力，而非单打独斗式的各行其是，成为AI发展的新挑战。法新社

在国内各界疯抢NVIDIA高端GPU芯片，抢搭生成式人工智能（generative AI）列车之际，清华大学教授、国际欧亚科学院院士魏少军日前在英特尔2023年国内学术高峰会上强调，未来AI技术需要从终端应用出发，先以应用来定义软件，再用软件来界定芯片。

中媒国内电子报引述魏少军的演讲指出，实现AI的核心在软件，支撑AI的基础是芯片。从软件可程序化和硬件可程序化这两方面，可将AI芯片划分为4个面向。

第一个面向是目前最通用的CPU、GPU等处理器，具有很强的软件可程序化弹性，但硬件较弱。

第二个面向是ASIC、SoC等专用的IC，这类芯片的软件可程序化弱，且芯片一旦完成生产后，硬件也不可更改。

第三个面向是以FPGA、EPLD（Erasable Programmable Logic Device）等为代表的可程序化逻辑元件，在硬件可程序化方面，具有高度灵活度，但软件的可程序化性弱，且成本高、价格昂贵。

有监于此，魏少军提议的第四个面向，便是如今业界追求的新型芯片架构，不仅具备很强的软件可程序化性，也同时具备很强的硬件可程序化性。

他认为在算力规模不断扩大，算力需求持续攀升下，如何更有效率地配置、共享、调度、并释放更多算力，而非单打独斗式的各行其是，成为AI发展的新挑战。

尤其这个挑战，在国内产业面临美国政府箝制AI算力芯片供应的情况下，对于国内业界而言，更具有急迫性，特别是在国内各地不乏倡导算力聚合的概念与移动。

在此情况下，魏少军点出，AI发展目前已经取得阶段式的进展，但依旧面临２个现实问题，其一在于演算法不断演进，新算法层出不穷，其二在于，若没有统一的演算法，就只能一种算法对应一种应用。

对此，他提出深度学习亟需一款智能运算引擎，既能具备各类应用的可程序化能力，也能实现数据从云端向边缘迁移的能力，他着眼于前述提出的新型芯片架构，来解决这个问题。

从资源有限的观点来看，前述概念的提出，其来有自，再从国内产业关键芯片取得困难的现实状况下，魏少军的发声，也有其急迫性，只不过，在实际执行层面上，又能从何处着手、从何处落实，仍有待观察。

责任编辑：张兴民