數(shù)字經(jīng)濟下中國人工智能芯片技術(shù)發(fā)展現(xiàn)狀、面臨挑戰(zhàn)及對策建議

杜春玲，王鐵錚，王琛偉

（1.北京市科學(xué)技術(shù)研究院數(shù)字經(jīng)濟創(chuàng)新研究所，北京 100009；2.國家發(fā)展和改革委員會經(jīng)濟體制與管理研究所，北京 100035）

數(shù)字經(jīng)濟時代，作為新型基礎(chǔ)設(shè)施建設(shè)底座的人工智能（AI）產(chǎn)業(yè)已成為推動中國經(jīng)濟發(fā)展的新引擎，發(fā)展好人工智能產(chǎn)業(yè)對數(shù)字經(jīng)濟及整個國民經(jīng)濟至關(guān)重要。算力、算法、數(shù)據(jù)是人工智能的三大核心要素，是人工智能產(chǎn)業(yè)快速發(fā)展的重要基石。其中，源于芯片的算力是數(shù)據(jù)和算法的基礎(chǔ)設(shè)施，也是這二者的支撐。所以，人工智能芯片是人工智能產(chǎn)業(yè)發(fā)展非常重要的基礎(chǔ)，突破人工智能芯片技術(shù)的瓶頸、補齊人工智能芯片技術(shù)短板已成為人工智能領(lǐng)域可持續(xù)發(fā)展的重要因素。在數(shù)字經(jīng)濟新時代，人工智能芯片技術(shù)已成為推動數(shù)字經(jīng)濟發(fā)展的新生產(chǎn)力，是支撐數(shù)字經(jīng)濟持續(xù)向縱深發(fā)展的新動力。經(jīng)過多年的實踐和調(diào)整，中國人工智能芯片技術(shù)和產(chǎn)業(yè)在一定程度上取得了顯著的進步，但仍存在較大的短板和瓶頸問題，整體上仍處于發(fā)展的初級階段，加強人工智能芯片技術(shù)及產(chǎn)業(yè)的研究，有助于國家政策決策的制定，從而保障人工智能芯片技術(shù)水平的提升、推動人工智能及數(shù)字經(jīng)濟的高質(zhì)量發(fā)展。

1 相關(guān)文獻回顧

近幾年，專家學(xué)者對人工智能芯片技術(shù)及產(chǎn)業(yè)進行了多角度的研究。如，尹首一［1］概述了人工智能芯片的4個發(fā)展階段和每個階段的主要技術(shù)特點，以及以架構(gòu)創(chuàng)新為核心的發(fā)展趨勢；任源等［2］側(cè)重從技術(shù)和市場規(guī)模的角度對人工智能芯片進行了詳細研究；李麗婷［3］介紹了人工智能芯片的技術(shù)路徑、發(fā)展態(tài)勢以及全球人工智能芯片重點企業(yè)，分析了中國人工智能芯片的產(chǎn)業(yè)情況及2019 年前的企業(yè)專利情況，并根據(jù)廈門市人工智能芯片產(chǎn)業(yè)的發(fā)展給出有針對性的建議；施羽暇［4］分析了人工智能芯片不同的技術(shù)路線，比較了不同路線的特點，研究了人工智能芯片產(chǎn)業(yè)全球及中國的發(fā)展態(tài)勢，分析了中國人工智能芯片發(fā)展面臨的機遇與挑戰(zhàn)，并對未來技術(shù)發(fā)展趨勢進行了展望；葛悅濤等［5］分析了當前世界主要科技巨頭紛紛布局人工智能芯片的現(xiàn)狀，重點介紹了邊緣側(cè)低功耗人工智能芯片的特點與研發(fā)應(yīng)用現(xiàn)狀及其發(fā)展趨勢；商惠敏［6］詳細闡述了人工智能芯片的內(nèi)涵、分類及發(fā)展歷程，從傳統(tǒng)芯片企業(yè)和新興互聯(lián)網(wǎng)企業(yè)的角度分析了國內(nèi)外人工智能芯片的產(chǎn)業(yè)現(xiàn)狀與發(fā)展趨勢，并圍繞產(chǎn)業(yè)布局、企業(yè)扶持等方面提出建議；莫洋等［7］從用于智能機器人的專用智能芯片的角度出發(fā)，強調(diào)了智能機器人核心芯片的戰(zhàn)略意義，指出其國際發(fā)展現(xiàn)狀和中國的基礎(chǔ)優(yōu)勢及面臨的問題，針對機器人發(fā)展的“卡脖子”問題，論證分析了智能機器人自主可控專用芯片的技術(shù)發(fā)展路徑，并提出有針對性的對策建議。

綜上，已有相關(guān)研究主要從人工智能芯片的發(fā)展階段、技術(shù)路線及未來發(fā)展趨勢等角度進行研究，但針對中國人工智能芯片產(chǎn)業(yè)發(fā)展的建議，特別是如何應(yīng)用落地方面的對策研究較少。本研究簡要概述人工智能芯片的分類，分別對圖形處理器（graphics processing unit，GPU）、現(xiàn)場可編程門陣列（fieldprogrammable gate array，F(xiàn)PGA）、專用集成電路（application specific integrated circuits，ASIC）和類腦芯片4 類人工智能芯片在技術(shù)發(fā)展、專利情況及企業(yè)分布等現(xiàn)狀進行詳細研究，梳理中國在相關(guān)政策、機構(gòu)和企業(yè)等方面的布局，總結(jié)目前中國人工智能芯片發(fā)展面臨的問題和挑戰(zhàn)，重點提出發(fā)展對策和建議，為政府的相關(guān)政策決策提供依據(jù)和參考。

2 人工智能芯片技術(shù)發(fā)展及產(chǎn)業(yè)現(xiàn)狀

2.1 人工智能芯片的分類

（1）按技術(shù)架構(gòu)分類。廣義的人工智能芯片是指所有面向人工智能應(yīng)用領(lǐng)域的芯片［8］；狹義的人工智能芯片是針對人工智能算法做了特殊加速設(shè)計的芯片［9］。本研究中主要指狹義的AI 芯片，按技術(shù)架構(gòu)的分類及其具體特點和應(yīng)用場景如表1所示。

表1 按技術(shù)架構(gòu)分類的人工智能芯片

（2）按功能任務(wù)分類。根據(jù)人工智能芯片在實踐中的任務(wù)，可分為訓(xùn)練（training）芯片和推理（inference）芯片。

（3）按部署位置分類。人工智能芯片根據(jù)其在網(wǎng)絡(luò)中的位置可以分為云端、邊緣及終端人工智能芯片。

2.2 人工智能芯片的發(fā)展現(xiàn)狀

20 世紀80 年代開始，美國加州理工學(xué)院的Mead 最早開始了人工智能芯片的研究，他提出用模擬電路搭建硅神經(jīng)元去模仿生物神經(jīng)結(jié)構(gòu)的脈沖特性［10］。經(jīng)過三四十年的發(fā)展，如今專家學(xué)者們研究出GPU、數(shù)字信號處理器（DSP）、FPGA 以及類腦芯片等各類人工智能芯片，特別是在2016 年，AlphaGo 擊敗李世石贏得人機圍棋大戰(zhàn)，激發(fā)了研究人工智能的熱潮，更凸顯了人工智能芯片的重要貢獻。自2016 年起，先后有40 余個國家和地區(qū)將推動人工智能發(fā)展上升到國家戰(zhàn)略高度［11］，并分別制定了人工智能芯片的發(fā)展戰(zhàn)略和規(guī)劃，競爭趨于白熱化。2021 年全球人工智能芯片市場規(guī)模達到260 億美元，預(yù)計2025 年將達到726 億美元［12］，如圖1 所示。

圖1 全球人工智能芯片市場規(guī)模及預(yù)測

美國的英偉達（NVIDIA）、英特爾（Intel）、超威半導(dǎo)體（AMD）、谷歌（Google）等傳統(tǒng)芯片廠商憑借在芯片領(lǐng)域多年的領(lǐng)先地位，迅速切入人工智能領(lǐng)域，積極布局，一直處于引領(lǐng)產(chǎn)業(yè)發(fā)展的地位［6］。2020 年人工智能芯片行業(yè)大型并購頻發(fā)：英偉達收購英國設(shè)計公司ARM；AMD 收購美國軟件開發(fā)公司賽靈思（Xilinx）；位于硅谷的美滿科技（Marvell）收購總部位于加州圣克拉拉的國際半導(dǎo)體公司（Inphi）；英特爾公司收購總部位于舊金山的初創(chuàng)公司SigOpt 等。這一系列的收購都是為了加強各公司的人工智能芯片業(yè)務(wù)，完善在人工智能芯片領(lǐng)域的技術(shù)覆蓋面，提高技術(shù)競爭力。NVIDIA 依然引領(lǐng)著人工智能芯片前沿技術(shù)的發(fā)展，2022 年推出面向數(shù)據(jù)中心的人工智能圖形處理器芯片H100，這款基于Hopper 架構(gòu)的圖形芯片采用中國臺灣積體電路制造股份有限公司的4 nm 工藝制造，具有 800 億個晶體管，比上一代 7 nm A100 GPU 性能提升6 倍［13］。2022 年Intel 推出采用7 nm 制程打造的人工智能計算芯片Gaudi2，其運算速度是Habana Labs 之前芯片的兩倍。Google 公司多年來持續(xù)研究人工智能芯片的硬件優(yōu)化，走在世界的前沿，2021年在《自然》（Nature）雜志上發(fā)表論文“A graph placement methodology for fast chip design”，公布了用人工智能提升芯片設(shè)計速度的研究結(jié)果，即成功開發(fā)了一種基于深度學(xué)習(xí)的芯片布局規(guī)劃方法；同年推出供專門應(yīng)用的集成電路新一代人工智能ASIC芯片TPUv4，其算力超過了全球運算速度最快的超級計算機。

中國人工智能芯片的研究起步較晚，近幾年研究機構(gòu)和企業(yè)開始發(fā)布人工智能芯片研究成果和產(chǎn)品。如，清華大學(xué)魏少軍教授帶領(lǐng)團隊突破了一系列可重構(gòu)芯片的關(guān)鍵技術(shù)，2017 年設(shè)計的Thinker 芯片成果登上了計算機硬件設(shè)計領(lǐng)域的頂級期刊 IEEE Journal of Solid-State Circuits，此后逐步將Thinker 系列芯片進行商業(yè)化，發(fā)布了智能門鎖芯片TX216、視覺芯片TX510 等；2017 年華為技術(shù)有限公司（以下簡稱“華為”）發(fā)布了首款人工智能芯片麒麟970，這是全球首款內(nèi)置獨立神經(jīng)網(wǎng)絡(luò)單元（NPU）的智能手機AI 計算平臺；2018 年，中科寒武紀科技股份有限公司（以下簡稱“寒武紀”）發(fā)布首款云端AI 芯片MLU100；隨后，北京地平線機器人技術(shù)研發(fā)有限公司（以下簡稱“地平線”）、平頭哥半導(dǎo)體有限公司（以下簡稱“阿里平頭哥”）、昆侖芯（北京）科技有限公司（以下簡稱“昆侖芯”）等企業(yè)紛紛發(fā)布AI 新產(chǎn)品。近年來，在國家的重視和政策支持下，中國人工智能芯片領(lǐng)域的研究和應(yīng)用越來越多，市場規(guī)模也不斷擴大，產(chǎn)業(yè)市場規(guī)模到2025 年將達到1 780 億元［14］。

2.2.1 圖形處理器

圖形處理器是一種較為通用的芯片，最早是以1981 年搭載在國際商業(yè)機器公司（IBM）的個人電腦（PC）上的黑白顯示適配器（MDA）和彩色圖形適配器（CGA）的形式出現(xiàn)的。1999 年，NVIDIA 發(fā)布其標志性產(chǎn)品，也是世界上第一款GPU GeForce256，并首次提出“圖形處理器”的概念。隨著2015 年前后深度學(xué)習(xí)在產(chǎn)業(yè)界的爆發(fā)，作為顯卡核心單元的GPU 開始了快速發(fā)展，經(jīng)過多年的技術(shù)發(fā)展與積累，國外廠商在GPU 領(lǐng)域建立了許多專利壁壘，其他企業(yè)想要追趕甚至超越的難度極大。目前在集成GPU 市場，NVIDIA、AMD、Intel 三分天下；獨立GPU 領(lǐng)域，基本被NVIDIA 和AMD 壟斷，NVIDIA 的市場份額甚至超出2/3［15］。

中國GPU 技術(shù)領(lǐng)域起步較晚，國內(nèi)使用的絕大部分GPU（特別是高端場景的應(yīng)用）基本都來源于上述巨頭公司，這給關(guān)鍵領(lǐng)域的信息安全和供貨保障造成嚴重的隱患。2018 年以來，國內(nèi)越來越多的機構(gòu)和企業(yè)加入到GPU 技術(shù)和芯片的研究行列中，開展了一系列關(guān)鍵技術(shù)的研究，包括人工智能訓(xùn)練和推理領(lǐng)域的突破，以及可擴展的科學(xué)計算與圖形渲染統(tǒng)一架構(gòu)、多核多線程調(diào)度與管理、生態(tài)環(huán)境建設(shè)、國產(chǎn)計算機平臺適配與優(yōu)化等，并研制出多款國產(chǎn)GPU。在這個領(lǐng)域的主要企業(yè)有摩爾線程智能科技（北京）有限責任公司、沐曦集成電路（上海）有限公司（以下簡稱“沐曦集成”）、上海天數(shù)智芯半導(dǎo)體有限公司（以下簡稱“天數(shù)智芯”）、上海壁仞智能科技有限公司（以下簡稱“壁仞科技”）、長沙景嘉微電子有限公司（以下簡稱“景嘉微”）、武漢芯動科技有限公司、上海登臨科技有限公司等，大部分是近幾年的初創(chuàng)企業(yè)，正在快速布局，發(fā)布了一系列產(chǎn)品。這些企業(yè)取得了一系列進展和突破，在某些特殊領(lǐng)域可以滿足自給自足的需求（比如大多數(shù)圖形應(yīng)用需求），但在科學(xué)計算、人工智能及新型的圖形渲染技術(shù)方面仍然與國外領(lǐng)先水平存在較大差距［16］，整體而言現(xiàn)狀不容樂觀。國內(nèi)仍缺少通用性、易用性和高性能的各方面能力均衡的高端GPU，現(xiàn)有芯片可能在某一個方面的性能超過NVIDIA，但能力相對單一，如，2022年8 月壁仞科技發(fā)布的首款通用GPU 芯片BR100，算力已創(chuàng)出全球紀錄，但在一些關(guān)鍵參數(shù)上仍難以超越NVIDIA 最新的H100 GPU；景嘉微在2021 年9 月推出的芯片JM9231，性能與國際同類公司2016年中低端產(chǎn)品性能相當，主要針對國產(chǎn)化辦公電腦、便攜式計算機、中低端的游戲機和高端嵌入式系統(tǒng)等消費電子領(lǐng)域，同時推出的芯片JM9271 在JM9231 基礎(chǔ)上對科學(xué)計算能力進行大幅度提高和改進，可以達到國際同類公司2017 年中高端產(chǎn)品的性能［17］。在應(yīng)用方面，國內(nèi)GPU 的落地應(yīng)用依舊不多，主要是商用或者服務(wù)器領(lǐng)域的產(chǎn)品，在中高端領(lǐng)域及個人消費領(lǐng)域還面臨巨大的挑戰(zhàn)。究其原因，主要包括以下幾方面的關(guān)鍵因素：一是缺乏自主可控的知識產(chǎn)權(quán)（IP）核，主流的GPU 企業(yè)中，有不少都是采用國外提供的商用IP 授權(quán)，只有極少數(shù)企業(yè)有自研架構(gòu)的GPU 產(chǎn)品，而購買國外的IP 核授權(quán)具有諸多限制性和期限性，從根本上限制了自身企業(yè)能力的提升和產(chǎn)業(yè)的發(fā)展。二是軟件生態(tài)方面，GPU 軟件極為復(fù)雜，包括各種圖形應(yīng)用程序編程接口（API）和計算接口、基礎(chǔ)庫、與上層應(yīng)用對接適配等，開發(fā)工作量巨大，國內(nèi)GPU 對國外電子設(shè)計自動化（EDA）等軟件有著較高的依賴性，國產(chǎn)相關(guān)產(chǎn)品暫時還無法直接替代，而GPU 沒有與之配套的軟件生態(tài)則很難實現(xiàn)真正廣泛的應(yīng)用。三是自研GPU 的性能受限于半導(dǎo)體制造產(chǎn)業(yè)特別是光刻機水平的發(fā)展，國產(chǎn)光刻機還無法突破14 nm 以下先進制程GPU 制造，只有光刻機等配套產(chǎn)業(yè)同步提升，才能縮短國產(chǎn)GPU 與國際領(lǐng)先水平之間的差距。

2.2.2 現(xiàn)場可編程門陣列

現(xiàn)場可編程門陣列是在可編程陣列邏輯（PAL）、通用陣列邏輯（GAL）、復(fù)雜可編程邏輯器（CPLD）等可編程邏輯器件的基礎(chǔ)上進一步發(fā)展的產(chǎn)物。1984 年Xilinx 發(fā)明了世界首款FPGA，幾十年來，從單純的可編程邏輯單元，逐漸發(fā)展到擁有成百上千萬個可編程單元的邏輯陣列，再發(fā)展到集成了各類硬件資源、IP 核以及處理器內(nèi)核的復(fù)雜片上系統(tǒng)（SoC），F(xiàn)PGA 在工藝和性能上不斷取得進步。FPGA 在所有的芯片領(lǐng)域中屬于最難以突破和打破格局的技術(shù)產(chǎn)品，技術(shù)門檻非常高，核心技術(shù)多年來被四大巨頭Xilinx、阿爾特拉公司（Altera）、萊迪思公司（Lattice）、美高森美公司（Microsemi）等極少數(shù)美國公司壟斷。Xilinx（2022 年被AMD 收購）與Altera（2015 年被Intel 收購）這兩家公司在這個領(lǐng)域深耕幾十年，共占有近90%的市場份額［18］，Xilinx 始終保持著全球FPGA 的霸主地位。

中國FPGA 研發(fā)基礎(chǔ)較為薄弱，核心專利數(shù)量較少。截至2019 年，F(xiàn)PGA 核心專利絕大部分被巨頭公司壟斷，Xilinx 和Altera 專利近10 000 件［19］，構(gòu)成了相當高的技術(shù)壁壘，而國產(chǎn)廠商如深圳市紫光同創(chuàng)電子有限公司（以下簡稱“紫光同創(chuàng)”）的專利數(shù)為200 件左右。在硬件設(shè)計和高端的軟件設(shè)計如IP 核和EDA 設(shè)計工具上，國外企業(yè)也形成了極強的技術(shù)封鎖，國內(nèi)企業(yè)在研發(fā)方面也是困難重重，雖自研了一些軟件工具，但絕大部分依靠國外授權(quán)。從產(chǎn)業(yè)鏈角度來看，F(xiàn)PGA 上游的高端半導(dǎo)體設(shè)備和材料仍未實現(xiàn)自主可控。從應(yīng)用角度，由于國內(nèi)芯片起步晚，產(chǎn)品性能和國外差距較大，因此，國內(nèi)應(yīng)用端對國內(nèi)自研產(chǎn)品應(yīng)用較少，國內(nèi)產(chǎn)品無法持續(xù)更新、實現(xiàn)產(chǎn)品迭代。國內(nèi)的FPGA 企業(yè)主要有紫光同創(chuàng)、上海復(fù)旦微電子集團股份有限公司（以下簡稱“復(fù)旦微電子”）、廣東高云半導(dǎo)體科技股份有限公司、上海安路信息科技股份有限公司、京微齊力（北京）科技有限公司等，能夠?qū)崿F(xiàn)28 nm 工藝節(jié)點量產(chǎn)的企業(yè)較少，在國內(nèi)市場的營收份額占比很少。中國最大的FPGA 廠商紫光同創(chuàng)占中國市場總額的6%左右，復(fù)旦微電子是國內(nèi)首家研發(fā)出28 nm FPGA 產(chǎn)品的企業(yè)，在國內(nèi)市場中占2%左右，但中國FPGA 市場需求量卻是全球最大的，2021 年中國市場占全球FPGA 需求的40%［20］，因此，中國在提高FPGA自給率方面還有很大的增長空間。另外，中國FPGA 領(lǐng)域研發(fā)人才特別是布局布線算法的高級人才匱乏，每年人才的需求缺口巨大，人才匱乏已成為阻礙中國FPGA產(chǎn)業(yè)發(fā)展的首要因素。

2.2.3 專用集成電路

專用集成電路從性能、能效、成本上均極大地超越了傳統(tǒng)的標準芯片，非常適合AI 計算場景，是當前大部分AI 初創(chuàng)公司開發(fā)的目標產(chǎn)品，成為人工智能芯片的重要分支。ASIC 的設(shè)計方向，越來越多地使用可編程邏輯器件來構(gòu)造，開發(fā)門檻和難度不斷降低，流程不斷簡化，成本不斷下降，業(yè)務(wù)也開始變得豐富且多元化，在深度學(xué)習(xí)、數(shù)據(jù)中心、邊緣計算等各領(lǐng)域都得到了廣泛應(yīng)用并飛速發(fā)展。近年來，越來越多的公司開始采用ASIC 進行深度學(xué)習(xí)算法加速，如傳統(tǒng)的巨頭公司Intel、Google、NVIDIA、AMD 等，最為突出的是 Google 的TPU，但這個市場并沒有形成絕對的領(lǐng)先者，各家廠商都有自己擅長的領(lǐng)域。

物聯(lián)網(wǎng)、人工智能深度學(xué)習(xí)的發(fā)展對算力的需求，為國產(chǎn)ASIC 廠商提供了追趕機會，中國企業(yè)在ASIC 領(lǐng)域發(fā)展迅速，市場規(guī)模增長較快，代表企業(yè)有寒武紀、阿里平頭哥、地平線、黑芝麻智能科技有限公司（以下簡稱“黑芝麻智能科技”）、云知聲智能科技股份有限公司（以下簡稱“云知聲”）、中星微技術(shù)股份有限公司等，都推出了用于深度神經(jīng)網(wǎng)絡(luò)加速的ASIC，逐漸在人工智能芯片領(lǐng)域占據(jù)一席之地。但總體上，國內(nèi)的ASIC 仍處于發(fā)展初期，技術(shù)上由于受制于高端芯片技術(shù)的封鎖，一直還未實現(xiàn)突破；應(yīng)用方面，在微型機電、智能終端等領(lǐng)域應(yīng)用還不成熟，未形成規(guī)?；鲩L態(tài)勢。

2.2.4 類腦芯片

類腦芯片是模仿大腦結(jié)構(gòu)的芯片，具有更高的效率和更低的功耗，是基于神經(jīng)形態(tài)計算，即脈沖神經(jīng)網(wǎng)絡(luò)（SNN）的芯片。美國是類腦芯片研發(fā)與應(yīng)用的先行者。IBM、Intel、蘋果公司（Apple）先后推出了腦芯片產(chǎn)品并進行推廣應(yīng)用。

中國類腦芯片領(lǐng)域大部分機構(gòu)和企業(yè)處于研發(fā)狀態(tài)，主要研究機構(gòu)和企業(yè)有清華大學(xué)、浙江大學(xué)、北京靈汐科技有限公司、上海西井科技股份有限公司、SynSense 時識科技等，部分企業(yè)產(chǎn)品進入小批量試用階段，但由于技術(shù)還處于較早期的狀態(tài)，產(chǎn)品成熟度及落地場景都還在探索期，離商業(yè)化還有一定的距離。

2.3 中國人工智能芯片的布局

2.3.1 政策扶持

強有力的政策支持是人工智能芯片發(fā)展的主要驅(qū)動力之一。2016 年3 月，人工智能被寫入《中華人民共和國國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要》。2016 年之后，國務(wù)院、國家發(fā)改委、工信部、科技部等多部門出臺了多個人工智能相關(guān)規(guī)劃及工作方案推動人工智能的發(fā)展（如表2 所示）。2017年7 月，國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，標志著中國人工智能產(chǎn)業(yè)在國家政策層面進入新階段。隨后，包括北京、上海、天津、廣東、浙江、江蘇、福建等數(shù)十個省份紛紛發(fā)布人工智能產(chǎn)業(yè)扶持政策，這些政策都將人工智能芯片技術(shù)及產(chǎn)業(yè)鏈作為重點進行扶持。

表2 中國國家層面人工智能芯片相關(guān)政策

除了扶持政策外，自2019 年至今，中國先后創(chuàng)建包括上海（浦東新區(qū)）、深圳、濟南-青島、北京、天津等11 個人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)，目標到2023年布局建設(shè)20 個左右試驗區(qū)，打造一批具有重大引領(lǐng)帶動作用的人工智能創(chuàng)新高地［21］，分別主打技術(shù)攻關(guān)和應(yīng)用落地。在政策的引導(dǎo)支持下，中國的人工智能芯片市場持續(xù)快速發(fā)展，現(xiàn)已形成原創(chuàng)成果涌現(xiàn)、頭部企業(yè)聚集、創(chuàng)新創(chuàng)業(yè)活躍、應(yīng)用場景廣泛的良好局面［22］。具體表現(xiàn)在：

（1）多項國際重大原創(chuàng)成果及專利涌現(xiàn)。斯坦福［23］發(fā)布的《2021 年度AI 指數(shù)報告》顯示，2020年中國的AI 相關(guān)研究期刊文獻占全球份額的18%，超出美國5.7 個百分點，引用比例達到20.7%，超出美國0.9 個百分點，首次超過美國。2021 年中國人工智能專利申請量居世界第一，占全球人工智能專利申請量的51.69%，并獲得了約6%的授權(quán)［24］。從創(chuàng)新情況來看，截至2022 年上半年，中國（未含港澳臺地區(qū)）的人工智能芯片發(fā)明專利申請量為647件，其中獲得授權(quán)的數(shù)量為101 件［25］。

（2）人工智能芯片新產(chǎn)品相繼推出。作為全國首個人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)的上海浦東人工智能芯片產(chǎn)業(yè)蓬勃發(fā)展，發(fā)揮了積極的示范作用。阿里平頭哥的“玄鐵”芯片、寒武紀的云端芯片等實現(xiàn)首發(fā)；上海燧原科技有限公司（以下簡稱“燧原科技”）、翱捷科技股份有限公司、芯原微電子（成都）有限公司等企業(yè)加強高端芯片研發(fā)、定制芯片服務(wù)，并自主IP開發(fā)，努力打造自主產(chǎn)業(yè)生態(tài)。2022年9月，上海浦東又發(fā)布了人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)十大成果、十大創(chuàng)新技術(shù)，20 多個人工智能產(chǎn)業(yè)重點項目簽約落地，涵蓋芯片、機器人、自動駕駛等多個領(lǐng)域［26］，其中包括燧原科技的第二代云端AI 訓(xùn)練芯片，這是具備完全自主知識產(chǎn)權(quán)的AI 訓(xùn)練芯片之一。

（3）產(chǎn)業(yè)鏈日漸完善。以人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)深圳為例，經(jīng)過幾年的發(fā)展，已基本形成從基礎(chǔ)支撐、核心技術(shù)到行業(yè)應(yīng)用較為完整的人工智能產(chǎn)業(yè)鏈。深圳市人工智能行業(yè)協(xié)會發(fā)布的《2021 人工智能發(fā)展白皮書》顯示，截至2020 年年底，深圳聚集人工智能企業(yè)1 318 家［27］，并形成幾大陣營：以華為、深圳市騰訊計算機系統(tǒng)有限公司、中興通訊股份有限公司等為代表的互聯(lián)網(wǎng)技術(shù)（IT）陣營，聚焦物聯(lián)網(wǎng)、大數(shù)據(jù)及云計算等基礎(chǔ)層技術(shù)；以深圳市大疆創(chuàng)新科技有限公司、北京市商湯科技開發(fā)有限公司等為代表的人工智能初創(chuàng)陣營，主要聚焦計算機視覺和生物特征識別等人工智能技術(shù)層；以深圳云天勵飛技術(shù)股份有限公司、深圳市華星光電技術(shù)有限公司、比亞迪集團等為代表制造陣營，聚焦項目應(yīng)用落地的應(yīng)用層。到2023 年，深圳將建成20 家以上創(chuàng)新載體，培育20 家以上龍頭企業(yè)，打造10 個重點產(chǎn)業(yè)集群，人工智能核心產(chǎn)業(yè)規(guī)模突破300 億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模達到6 000 億元［28］。

2.3.2 研究機構(gòu)設(shè)置和人才培養(yǎng)

為推動人工智能芯片的發(fā)展，中國布局了一大批相關(guān)機構(gòu)和重點實驗室，吸引了大量的高端人才，并產(chǎn)出無數(shù)成果。其中，清華大學(xué)于2015 年成立了北京市未來芯片技術(shù)高精尖創(chuàng)新中心，匯集了多院系、多學(xué)科的卓越人才，以芯片為核心，聚焦具有顛覆性創(chuàng)新的關(guān)鍵器件、芯片及微系統(tǒng)技術(shù)，在新原理和新材料層面展開了一系列的顛覆式創(chuàng)新研究，發(fā)布了包括首款異構(gòu)融合類腦芯片、憶阻器存算一體系統(tǒng)、空間智能微系統(tǒng)等代表性成果，在《自然》、《科學(xué)》（Science）等學(xué)術(shù)期刊以及電氣與電子工程師協(xié)會國際電子元件會議（IEDM）、ISSCC 等學(xué)術(shù)會議上發(fā)表多篇論文，并進行技術(shù)研發(fā)和原創(chuàng)核心技術(shù)的成果轉(zhuǎn)化，在北京孵化了十幾家芯片初創(chuàng)公司。另外，北京大學(xué)、中國科學(xué)院大學(xué)、上海交通大學(xué)、浙江大學(xué)、復(fù)旦大學(xué)、南京大學(xué)等都布局了人工智能研究院（所），建立模式識別國家重點實驗室、智能技術(shù)與系統(tǒng)國家重點實驗室、深度學(xué)習(xí)技術(shù)及應(yīng)用國家工程實驗室等多個國家重點實驗室。這些大學(xué)、研究機構(gòu)及重點實驗室聚集了大量的計算機視覺、機器學(xué)習(xí)、類腦智能芯片、人工智能基礎(chǔ)、語言與知識處理、智能機器人、復(fù)雜系統(tǒng)智能等方向的人工智能高層次學(xué)術(shù)帶頭人和優(yōu)秀青年學(xué)者，在神經(jīng)網(wǎng)絡(luò)芯片、計算機視覺等人工智能關(guān)鍵技術(shù)領(lǐng)域產(chǎn)出了大量國際領(lǐng)先的成果。中國人工智能芯片領(lǐng)域的成果呈“百花齊放”的態(tài)勢，從GPU、FPGA、ASIC 到類腦芯片的各種技術(shù)架構(gòu)，從云到端的應(yīng)用領(lǐng)域，還有訓(xùn)練芯片和推理芯片等，承擔各種不同任務(wù)的芯片相繼出現(xiàn)。

2.3.3 企業(yè)布局

據(jù)工信部公布的數(shù)據(jù)，2022 年7 月，中國人工智能核心產(chǎn)業(yè)規(guī)模超過4 000 億元，企業(yè)數(shù)量超過3 000 家，智能芯片、開源框架等關(guān)鍵核心技術(shù)取得重要突破，智能芯片、機器人等標志性產(chǎn)品的創(chuàng)新能力持續(xù)增強［29］。人工智能芯片在智能駕駛、安防、金融等眾多領(lǐng)域的應(yīng)用催生了地平線、寒武紀、北京比特大陸科技有限公司（以下簡稱“比特大陸”）等一批人工智能芯片獨角獸企業(yè)［30］，呈現(xiàn)出“百花齊放、百家爭鳴”的發(fā)展態(tài)勢，如表3 所示。

表3 中國主要人工智能芯片獨角獸企業(yè)

3 中國人工智能芯片發(fā)展面臨的問題和挑戰(zhàn)

目前，中國發(fā)展人工智能產(chǎn)業(yè)具備了多方面的優(yōu)勢，比如國家和各地方政府的政策支持、海量的數(shù)據(jù)資源、開放的市場環(huán)境、豐富的應(yīng)用場景等，并在人工智能芯片的部分領(lǐng)域取得一定進展，在技術(shù)及產(chǎn)品方面取得一些成果。但從以上現(xiàn)狀的分析可以看出，中國人工智能芯片的發(fā)展仍然處于起步階段，與國外高端芯片還有一定的差距，在核心基礎(chǔ)技術(shù)、設(shè)計、制造等方面還面臨諸多挑戰(zhàn)，具體包括以下幾個方面。

3.1 核心技術(shù)薄弱，芯片產(chǎn)業(yè)全而不強

從2015 年至今，中國布局了大量的人工智能芯片研究機構(gòu)，陸續(xù)成立了不同規(guī)模、面向不同技術(shù)方向的人工智能芯片企業(yè)，雖然在垂直行業(yè)的終端應(yīng)用的芯片占據(jù)優(yōu)勢地位，但由于基礎(chǔ)理論、關(guān)鍵設(shè)備等仍落后于國際一流水平，絕大部分芯片設(shè)計企業(yè)依靠國外的IP 核設(shè)計芯片，用于云端的訓(xùn)練、推斷等的大算力通用芯片一直處于追趕地位。到目前為止，仍缺少在芯片及軟件生態(tài)方面都特別強、特別完善的企業(yè)，各種芯片的發(fā)展進度和水平參差不齊。一是技術(shù)基礎(chǔ)薄弱，缺乏積累。缺少像英偉達、高通、英特爾等這種全球領(lǐng)先的、布局完善的大規(guī)模芯片企業(yè)，無法從成功的傳統(tǒng)芯片延伸到人工智能芯片領(lǐng)域，現(xiàn)有人工智能芯片企業(yè)絕大部分都處于初創(chuàng)階段，基礎(chǔ)研究和原創(chuàng)算法薄弱，與國外成熟的技術(shù)仍然存在著一定的差距。二是缺乏關(guān)鍵核心技術(shù)。首先是處于芯片產(chǎn)業(yè)鏈頂端的IP 核研發(fā)難度大、開發(fā)周期長，一般需要幾年的時間，中國缺少自研的IP 核，開發(fā)者大多使用國外授權(quán)的IP 核；其次是缺少自主的EDA 設(shè)計軟件，絕大多數(shù)芯片設(shè)計公司仍采用進口的EDA 軟件來設(shè)計芯片。這就造成中國人工智能芯片設(shè)計上很大的短板，并在很大程度上受制于人。三是整體力量分散，不能形成合力。截至2021 年，國內(nèi)現(xiàn)有芯片設(shè)計企業(yè)達到2 810 家，其中近90%的企業(yè)銷售額低于1 億元［31］。這些企業(yè)小而散，技術(shù)積累不足，研發(fā)資源有限，只能集中于某些產(chǎn)品的研發(fā)，無法關(guān)注到每一個技術(shù)環(huán)節(jié)的開發(fā)，無法實現(xiàn)全面的發(fā)展。此外，人工智能芯片產(chǎn)業(yè)缺乏戰(zhàn)略級部署和主線，造成技術(shù)和資源分散化、碎片化，大部分高校、研究機構(gòu)和龍頭企業(yè)各自為政，未能形成合力，未像國外大企業(yè)一樣形成市場規(guī)模。雖然整體上看，中國的相關(guān)投入巨大、人才巨多，但是技術(shù)、資金和人才各種資源沒有較好地整合，資源無法有效利用，很多共性技術(shù)沒有進行合理布局，而是多家機構(gòu)和企業(yè)各自為營、重復(fù)研發(fā)，造成人力和資源的嚴重浪費。

3.2 產(chǎn)業(yè)鏈不均衡

中國新一代人工智能發(fā)展戰(zhàn)略研究院［32］2021年5 月發(fā)布的報告中顯示，在中國的2 205 家人工智能樣本企業(yè)中（2012—2018 年創(chuàng)立），從技術(shù)層次分布看，應(yīng)用層企業(yè)數(shù)占比最高，達到84.05%，其次是技術(shù)層企業(yè)數(shù)，占比為13.65%，基礎(chǔ)層企業(yè)數(shù)占比最低，為2.30%；在可獲得專利數(shù)據(jù)的2 075家樣本企業(yè)中，從專利數(shù)排名的技術(shù)層次看，專利數(shù)占比最高的是應(yīng)用層企業(yè)，達到57.18%，基礎(chǔ)層和技術(shù)層企業(yè)的專利數(shù)占比分別為18.19%和24.62%，占比相對較低。這反映了中國在人工智能領(lǐng)域上產(chǎn)業(yè)鏈和專利布局不平衡，技術(shù)層和基礎(chǔ)層的關(guān)鍵技術(shù)積累薄弱，產(chǎn)業(yè)鏈上核心環(huán)節(jié)存在受制于人的隱患。此外，中國人工智能芯片產(chǎn)業(yè)鏈完整度欠佳，關(guān)鍵材料（芯片制造的硅片、光刻膠、掩膜版等）、先進制程及設(shè)備（如光刻機）仍依賴進口，大部分地區(qū)尚不具備制造和封裝的條件，一些人工智能芯片需要送到境外進行制造和封裝。

3.3 商業(yè)落地困難

落地是中國人工智能芯片產(chǎn)業(yè)發(fā)展的難點，當前人工智能芯片行業(yè)應(yīng)用始終沒有大規(guī)模爆發(fā)，創(chuàng)業(yè)企業(yè)面臨產(chǎn)品難以落地、研發(fā)和應(yīng)用沒有很有效地銜接起來等問題。首先，軟件依然是短板，是人工智能芯片落地的一個巨大挑戰(zhàn)。不論是人工智能芯片的開發(fā)還是芯片的使用及對算法的支持都離不開軟件工具，但當前國內(nèi)有一些人工智能芯片仍然缺乏可用的軟件開發(fā)工具，或者軟件編譯工具設(shè)計復(fù)雜，這在很大程度上阻礙了AI 芯片的大規(guī)模商業(yè)落地。其次，國產(chǎn)芯片用戶接受度不高，AI 應(yīng)用所需要的數(shù)據(jù)閉環(huán)難以形成，產(chǎn)品應(yīng)用少，迭代升級慢，同時缺少可持續(xù)的落地場景，產(chǎn)品的研發(fā)與市場的需求脫節(jié)，芯片企業(yè)無法實現(xiàn)對市場的快速反饋，無法完成產(chǎn)品的快速迭代和優(yōu)化。第三，人工智能芯片產(chǎn)業(yè)的標準化工作依然滯后于技術(shù)發(fā)展的需求，產(chǎn)業(yè)發(fā)展面臨技術(shù)標準不統(tǒng)一、低端同質(zhì)化惡性競爭等深層次問題，對客戶的選型造成一定困難。

3.4 人才缺口大，供需矛盾突出

隨著人工智能芯片產(chǎn)業(yè)的快速發(fā)展，中國高端芯片人才短缺問題越來越明顯。工信部人才交流中心［33］發(fā)布的《人工智能產(chǎn)業(yè)人才發(fā)展報告》（2019—2020 年版）顯示，在人工智能的典型技術(shù)方向，如人工智能芯片、機器學(xué)習(xí)、自然語言處理等領(lǐng)域，不同技術(shù)方向崗位的人才供需比均低于0.4，其中人工智能芯片崗位人才供需比為0.37，機器學(xué)習(xí)、自然語言處理技術(shù)人才供需比分別為0.23、0.20，說明這些技術(shù)方向的人才供應(yīng)嚴重不足。造成人才稀缺的主要原因主要包括以下幾方面：（1）傳統(tǒng)上對芯片、人工智能技術(shù)及相關(guān)學(xué)科的重視程度不夠，教研力量不集中，學(xué)時占比較少，存在著“高開低走”、碎片化、低水平重復(fù)的問題，阻礙了人才的培養(yǎng)；（2）人才缺口較大，高校培養(yǎng)和輸出人才有限；（3）人才流失嚴重，由于國內(nèi)早期對于芯片半導(dǎo)體行業(yè)重視不足，長期以來半導(dǎo)體行業(yè)被視為冷門行業(yè)，且高校及研究機構(gòu)的基礎(chǔ)設(shè)施相對薄弱，缺乏深層次研究的條件，造成行業(yè)內(nèi)的人才大量流失。

4 促進中國人工智能芯片發(fā)展的對策建議

針對以上中國人工智能芯片技術(shù)發(fā)展所面臨的挑戰(zhàn)，通過分析和咨詢有關(guān)專家建議，本研究認為，可以從加強核心技術(shù)攻關(guān)、建立完善的產(chǎn)業(yè)鏈以及制定相應(yīng)政策吸引人才等幾方面進行人工智能芯片行業(yè)的布局。

4.1 通過戰(zhàn)略部署，聚合力量，加強基礎(chǔ)理論和核心技術(shù)攻關(guān)

（1）加大基礎(chǔ)研究投入以及科研重大專項建設(shè)，支持原創(chuàng)性、引領(lǐng)性科技攻關(guān)，推動實施國家科技重大專項，圍繞基礎(chǔ)理論、關(guān)鍵核心技術(shù)及智能芯片系統(tǒng)等方向部署實施，為人工智能持續(xù)發(fā)展與深度應(yīng)用提供強大科學(xué)儲備。

（2）建設(shè)開源芯片新型研究機構(gòu)作為總體研發(fā)平臺，聯(lián)合全國多家研究機構(gòu)和企業(yè)共同開發(fā)共性基礎(chǔ)技術(shù)，構(gòu)建開源芯片生態(tài)技術(shù)體系，降低創(chuàng)新門檻、提高企業(yè)自主能力，發(fā)展開源芯片。

（3）從中低端切入，再慢慢向高端滲透，最終進行取代。

4.2 建立完善的產(chǎn)業(yè)鏈

（1）從全局著眼，政府統(tǒng)籌規(guī)劃，引導(dǎo)產(chǎn)業(yè)布局，優(yōu)化產(chǎn)業(yè)鏈結(jié)構(gòu)，提升產(chǎn)業(yè)鏈上下游協(xié)作，帶動研究院所、高校、企業(yè)整合資源，形成合力、抱團取暖，共同推動，深化產(chǎn)學(xué)研用結(jié)合，加快技術(shù)轉(zhuǎn)化和芯片商業(yè)化落地。

（2）根據(jù)人工智能產(chǎn)業(yè)鏈協(xié)同攻關(guān)的戰(zhàn)略需求，強化主要技術(shù)領(lǐng)域?qū)＠季值膮f(xié)同性和均衡性，繼續(xù)保持在應(yīng)用層技術(shù)上的積累和優(yōu)勢，重點在技術(shù)層和基礎(chǔ)層的關(guān)鍵技術(shù)上進行布局和發(fā)力，突破算法、平臺等環(huán)節(jié)專利布局瓶頸，完善材料、設(shè)計、制造、封裝產(chǎn)業(yè)鏈。

（3）重視應(yīng)用層專利的成果轉(zhuǎn)化，以應(yīng)用需求牽引，加強企業(yè)間的深度合作和協(xié)作創(chuàng)新，面向應(yīng)用市場需求加快推動芯片與算法、整機、應(yīng)用等各參與主體間的資源協(xié)調(diào)與協(xié)同設(shè)計優(yōu)化，特別是產(chǎn)業(yè)化過程中，要注意技術(shù)與場景的貼合性，技術(shù)路線是否具備批量化和規(guī)?；哪芰Γ欠窨梢越柚鷪鼍奥涞貙崿F(xiàn)規(guī)模發(fā)展，實現(xiàn)芯片、算法、平臺、應(yīng)用、生態(tài)協(xié)同發(fā)展。

4.3 加大投資力度，制定相應(yīng)激勵政策，助力芯片應(yīng)用落地

高端芯片研發(fā)難度高、周期長、投入大，沒有足量資金支持無法取得成功。研發(fā)資金的投入不能僅靠企業(yè)，還需靠國家和地方政府的持續(xù)投入，并提升研發(fā)資金的使用效果?？梢越Y(jié)合代表性城市雄厚的集成電路和汽車等產(chǎn)業(yè)基礎(chǔ)，針對優(yōu)勢企業(yè)和領(lǐng)域，實施大力的資金和激勵政策支持。

以北京汽車智能芯片為例，在車規(guī)級芯片的產(chǎn)業(yè)鏈上游領(lǐng)域中國還缺乏先進車規(guī)級芯片制造工藝，中國汽車產(chǎn)銷占全球總量的30%，是全球最大的市場（地平線專家提供），從經(jīng)濟、技術(shù)、產(chǎn)業(yè)鏈安全和數(shù)據(jù)安全來看，車規(guī)級芯片都是必爭之地，應(yīng)趁芯片斷供出現(xiàn)的窗口期打個翻身仗，解決中國車規(guī)級芯片生產(chǎn)制造工藝產(chǎn)線嚴重依賴海外的“心病”。具體措施包括：（1）大力推動汽車智能芯片國產(chǎn)化替代上車激勵政策，支持和鼓勵中國自主品牌和合資品牌、整車企業(yè)愿意用、敢于用、樂于用國產(chǎn)汽車智能芯片，提升國產(chǎn)汽車智能芯片的市場占有率，增加車規(guī)級芯片的產(chǎn)能需求，給自研芯片創(chuàng)造和增加迭代升級的機會，增強汽車智能芯片生產(chǎn)企業(yè)投入國產(chǎn)車規(guī)工藝研發(fā)的市場信心。芯片生態(tài)的發(fā)展需要“眾人拾柴”，要加快打造國產(chǎn)芯片產(chǎn)業(yè)鏈，下游的整機廠商需要對國產(chǎn)芯片給予更多包容。（2）設(shè)立國家重大研發(fā)專項或重大專項加大投資，大力支持頭部芯片設(shè)計企業(yè)、晶圓代工企業(yè)、封測企業(yè)和第三方IP 企業(yè)等共同研發(fā)40 nm 及以下車規(guī)級工藝，包括高性能MCU 所需車規(guī)工藝、智能駕駛和智能座艙大算力智能芯片所需的商規(guī)級和車規(guī)級工藝，支持晶圓代工企業(yè)和封裝測試企業(yè)取得完整車規(guī)級產(chǎn)線IP，支持北京汽車芯片制造、封測企業(yè)建設(shè)車規(guī)級芯片產(chǎn)線，從成熟制程到先進制程逐步實現(xiàn)國產(chǎn)化制造與封測。（3）針對人工智能芯片在不同場景時的芯片利用率、兼容性等問題制定統(tǒng)一的標準和規(guī)范，避免碎片化和浪費，兼具公平性、權(quán)威性和完整性。通過這些措施，抓住窗口期機遇，大力推動和完善北京本土汽車智能芯片在產(chǎn)業(yè)鏈上游的布局，提升車規(guī)級芯片國產(chǎn)化體系能力。同樣，可以把北京成功的措施推廣到其他城市和應(yīng)用領(lǐng)域，實現(xiàn)國內(nèi)芯片的廣泛應(yīng)用落地。

4.4 培養(yǎng)和吸引研究、制造等多層次的復(fù)合型人才

（1）建立專家顧問庫和評估平臺，幫助政府快速準確決策，專家的選擇建議不拘一格，可以同時側(cè)重技術(shù)背景和產(chǎn)業(yè)背景人員。

（2）建立一套完善、科學(xué)的人才培養(yǎng)體系。充分利用國內(nèi)重點城市高校和研究院所集中的優(yōu)勢，依托現(xiàn)有的研究機構(gòu)平臺探索新的人才培養(yǎng)方法，給予相關(guān)領(lǐng)域更多的學(xué)位名額；同時，完善高校和研究機構(gòu)相關(guān)學(xué)科體系建設(shè)和布局，深化產(chǎn)學(xué)研融合發(fā)展，搭建產(chǎn)學(xué)研合作人才培養(yǎng)的平臺，鼓勵培育更多符合人工智能芯片產(chǎn)業(yè)高質(zhì)量發(fā)展所需的復(fù)合型人才。對于行業(yè)鏈條中部分可以快速學(xué)習(xí)的領(lǐng)域，可以嘗試高校、科研院所與企業(yè)合作，通過校企共建，培養(yǎng)一些“芯片藍領(lǐng)”。

（3）政策上有所傾向，在戶口政策或工作居住證方面，針對領(lǐng)域內(nèi)的拔尖人才適當制定優(yōu)惠政策，為更多的年輕人投入到人工智能芯片技術(shù)的研究中來提供基礎(chǔ)、便捷的保障。

5 結(jié)論

人工智能芯片是支撐人工智能技術(shù)和產(chǎn)業(yè)發(fā)展的基礎(chǔ)設(shè)施，具有非常重要的地位，中國需要積極布局，尋找突破，大力發(fā)展人工智能芯片產(chǎn)業(yè)，不斷提升基礎(chǔ)產(chǎn)業(yè)競爭實力。近年來，盡管在國家政策的強力扶持、研究機構(gòu)及企業(yè)的合理布局下，中國人工智能芯片技術(shù)無論在科研還是產(chǎn)業(yè)應(yīng)用上都取得了較大的進步，但整體上仍處于初級階段，GPU、FPGA、ASIC 等人工智能芯片均需在核心技術(shù)（IP 核、EDA 軟件等）、產(chǎn)業(yè)鏈、商業(yè)應(yīng)用等方面尋求突破。本研究針對中國人工智能芯片發(fā)展中存在的問題，提出了利用本國體制優(yōu)勢進行戰(zhàn)略部署，加大基礎(chǔ)研究，提升核心技術(shù)水平；建立完善、均衡的產(chǎn)業(yè)鏈；制定激勵政策推動汽車智能芯片國產(chǎn)化替代上車，實現(xiàn)芯片廣泛應(yīng)用，以及培養(yǎng)復(fù)合型人才等對策和建議，為國家相關(guān)政策決策提供參考。

人工智能芯片技術(shù)的發(fā)展和研究是一項長期而艱巨的工作，除技術(shù)研發(fā)、產(chǎn)業(yè)鏈、人才需要特別重視外，后續(xù)還需對其他很多重要的方向如數(shù)據(jù)的管理、加大政策支持和保障力度等方面進行關(guān)注并展開深入研究。