9月18日，北京智源人工智能研究院在北大科技园创新中心举行发布会，主题定为“智能体系构架与芯片发布会”。发布会上，黄铁军院长发布了第四个重大研究方向——“智能体系架构与芯片”。此前已公布的研究方向有“人工智能数理基础”、“机器学习”、“智能信息检索与挖掘”。据介绍，“智能体系架构与芯片”将从方法、芯片、编程和系统着手，研究高效的智能计算体系结构，探索多种类型的芯片实现。
智能计算系统就是智能的核心物质载体，也是整个智能产业发展的动力，智能计算系统发展的成熟才标志着智能时代的到来。智能计算系统是一个混合的异构系统，包含有CPU、芯片等硬件，它组成需要的计算，同时需要有自己系统软件的部分；因为异构智能计算系统难以编程，所以还需要有编程语言。进入智能时代之后，社会发展会极大依赖于智能计算系统，它就像工业时代的电力一样，是整个智能业务的基石，不管是智慧云、智慧城市，还是智能机器人等，都离不开智能计算系统提供的算力。同时，智能计算系统也是各种基础研究方向发展的原动力，数学、物理、天文、生物等学科都逐渐运用到人工智能技术。比如，今年6月普林斯顿大学用深度神经网络的方法，模拟了整个宇宙的演进。虽然智能计算系统非常重要，但是这项技术还没有完全成熟，比如AlphgGo下一盘棋需要耗费几千度电量，甚至有人预测到2025年人工智能耗电量将占全世界耗电量的10%，这是非常惊人的。智能计算系统性能也有待提升。2012年谷歌大脑用1.6万个CPU核胞用几天时间去训练怎么识别人脸、猫脸等，智能驾驶面临的问题可能会更严峻，因为其中涉及到了生命安全。因此智能计算系统需要有大量颠覆性的改变，基于此设置了四个子方向：
- 整机层面，需要更强的计算能力和控制能力，需要把传统的芯片和新的芯片整合起来。
- 智能计算编程编译，这不仅是人工智能里的核心问题，也是智能计算系统的核心。
- 智能处理的芯片架构，不仅要将智能芯片的能效越做越高，还要让芯片应用越走越广。
- 智能芯片的设计方法，要用新的设计方法去适配不同智能芯片或智能芯片处理的核。
智源“智能体系架构与芯片”研究方向首席科学家陈云霁，北京大学信息科学技术学院副院长蔡一茂、中科院半导体所类脑计算研究中心主任鲁华祥、清华大学副教授李国齐、北京大学微纳电子学系/人工智能研究院类脑芯片中心主任杨玉超研究员参与到主题为“智能体系结构未来发展趋势”的圆桌讨论中。在体系结构方面，蔡一茂教授认为，器件和架构的结合非常重要。在前期，器件面向现有架构的时候，它的长信或许能做出贡献；同时器件也要从系统架构里阐释基于本身特点能否触发或者引领新的体系架构的革新。这其中除了架构还有算法，算法方面需要着眼于领先业界的数据集，或者常规的比赛，尝试更通用的或者更高智能的途径。鲁华祥研究员认为对下一代智能芯片方向的预测，需要关注现在的计算方式是如何发展而来，以及还存在哪些问题。他总结道，神经网络芯片存在两个问题，缺少好的模型，和缺少好的器件。下一代AI芯片应该要能做存算一体化，还要有类似晶体管的一个基础性器件，把模型和器件结合，从而发展出新的计算体系。针对大规模集成的应用途径，杨玉超研究员认为，这不是技术问题而是一个工程问题，这需要工业界的参与和代工厂的加入，其中更多需要与传统工艺融合，因此从技术成熟度来说大致三到五年，但工程化推进需要五到十年。在利用新器件实现变道超车的问题上，他认为，如果能引入新器件肯定有很多优势，不管能否实现弯道超车，这都是一个很好的机遇。李国齐教授回顾了自己跨学科的研究经历，认为神经形态基础架构和深度学习架构之间是可以相互借鉴的，神经形态芯片对于核的管理可以借鉴处理器的思路，同时处理器可以用更多核或者进行更分布式的计算。同时，未来在软件编译方面如果能支持更多的架构，实现硬件和软件的协同发展，就再好不过了。
清华大学计算机系长聘教授陈文光，清华大学计算机系高性能所副主任张悠慧，北京大学高能效计算与应用中心执行主任罗国杰，中科院计算所副研究员陈晓明，清华大学计算机系高性能所副所长翟季冬、北京大学副教授孙广宇参与到主题为“智能系统软件与生态环境”的圆桌讨论中。张悠慧教授认为，现在算法与硬件的匹配成了比较大的问题，目前很多还是手工模板的方式在进行。如果把神经形态计算这种基本算子或者硬件系统考虑在内问题就更大了，但怎么解决是一个开放性问题。翟季冬副教授补充道，问题是在深度学习框架变得比较重要的时候提出来的，它的底层是转换成矩阵运算，但现在神经网络是很稀疏的，比如亚马逊的DGL。未来应该把传统经典的图像来计算，同时结合深度学习的特点。针对目前问题的改进，张悠慧教授认为在现有基础上进行改进便可。翟季冬副教授认为，如果从用户接受方面考虑，可以在框架内改进，但从研究开放角度上说，可以完全重做。针对EDA方面的进展与趋势，罗国杰副教授认为，现在语言都在往上走，但是上层的大量研究会使得对后端预计越来越不准；未来一方会继续往上走，一方可能需要一个通用一点的通道，能够在早期做出准确的预估，在后期能够得到更多信息。陈晓明副研究员认为，神经网络处理器与传统的数字处理器不一样，它是一种专用处理器，内部组建的类型也更少，比通用CPU来说也简单了很多。就神经网络系统处理器的设计而言，也需要硬件和软件算法结合得更紧密。孙广宇副教授从体系研究结构的角度认为，现在想做测算一体化或者想用新器件，价格上会有很大的调整，包括软件系统也不具备这样的能力；但是如果完全改变编程的方向，也许系统上还是可能重用。从大的架构上看，至少在加速器的设计上还没有跳出现在的框架。但是传统CPU发展了这么多年，还是有很多东西可以做。针对现在的一些发展趋势，比如IPU的提出，孙广宇副教授认为，比如5G、IPU等发展到最后一定是可以组合的方式，从算法到系统软件再到底层的硬件全套全都囊括在内。罗国杰副教授指出，很多时候是用统计方法表示的，比如领域里50%需要统计方法，50%需要孵化方法，就需要针对这样的领域设计一款芯片，它的能力就是能够50%，50%的两个人支持比较好。但是另外一个领域，比如80%自用符号，20%基于统计，对这个领域要有另外两个架构，对这种整体的支持是最好的。未来是一个芯片架构设计，另外一个是让这种架构设计变成芯片，达到这点的话，这两个是不同的，这就需要看看眼下需要哪方面支持得更多。智源是一个很好的平台，它让一些基础硬件基础软件直接能够接触到用户，让资源研究者组成一个小生态。最近云计算，做得好的公司内部已经有了计算需求，像阿里即使没有这种商业模式，还是需要虚拟化做管理。智源里面有这样一个组织，不同方向的人聚在一起，研究成果旨在内部，那么内部就能相互促进，把生态建设好。陈文光教授补充道，生态环境的建设是以智源连接的这些学者，内部的生态环境建设为一个依托，然后再把它拓展到外部。张悠慧从计算机行业的发展历史入手，他认为计算机行业就是一个成功的典范，其中两个模型起到非常重要的作用，一方面是从软硬件去融合，另一方面从功能的实现、定义和实现去融合。
实习/全职编辑记者招聘ing
加入我们，亲身体验一家专业科技媒体采写的每个细节，在最有前景的行业，和一群遍布全球最优秀的人一起成长。坐标北京·清华东门，在大数据文摘主页对话页回复“招聘”了解详情。简历请直接发送至zz@bigdatadigest.cn
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理
