“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。

　　如今国内已涌现出更多做人工智能芯片的企业，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，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，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”。

　　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。

　　产业链条仍存掣肘短板

　　尽管国内人工智能芯片发展方兴未艾，且在设计架构方面可圈可点，但专家指出，总体上中国在芯片领域基础薄弱，仍存不少掣肘短板。

　　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。

　　手机上所用的人工智能芯片就是典型例子，这些芯片往往需要采用最新工艺以降低功耗、提高集成度和计算性能，属于高端芯片，需求量非常大，但中国大陆尚不具备制造和封装条件。

　　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。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。

　　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。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。