燧原科技张亚林：解构数据中心AI系统“全垒打”和“全维度”｜GTIC2020( 三 ) 芯东西（ID：aichip001）编辑|信仪GTIC

除此之外，要达到芯片性价比和能效比的“最优点” ，还需要具备四个“P” ，分别为：完全可编程（Full Programmability）、全模式计算（All Pattern）、全精度计算（Entire Precision）、高并行度（High Parallelism）。
张亚林说，在计算、数据、存储、互联四个维度以及四个“P”两方面都做好平衡，才能满足芯片的高性价比和能效比。
文章插图
数据中心AI芯片的“全维度”
三、云端AI芯片的产品化挑战张亚林说，整个AI大芯片大系统的产品化涉及到系统化、工程化、产品化、生态化四个方面。
首先，在系统化上，如何合理设计系统架构，能让AI大系统具备用户的普适度、具备各种模型和应用模式，能给用户带来更好的性价比、能效比效果，这是一个非常重要的课题。
同时，软硬件的联合设计使整个有效算力能被完全发挥出来，使底层的硬件能力能被充分释放，这是系统化另外的一个关键部分。
工程化往往是被忽略的，张亚林介绍说， AI芯片在流片回来后走完了芯片工程化的30% ，另外70%的路要靠AI芯片的工程化、量产化，推动其朝着创新落地和定义交付两个方向走。
很多AI芯片用了很多的创新架构，而这些架构能不能真正实现客户价值，能不能进行商业化的落地，能不能减低客户的迁移成本，以及交付过程中对于客户的承诺、交互日期，自身的执行力，自身定义能够交付的标准和时间节点目标等，都是厂商需要去思考的问题。
在产品化方面，用户真正期待的是真正普惠易用的方式。所谓“普惠”就是整个AI算力的泛化，会带来AI算力的性价比。 “易用”针对的就是客户的迁移成本以及使用的生产效率。
同时， AI系统必须为后期的运维做考虑，也就是说必须是稳定可靠的，这种稳定可靠在数据中心里要保持五年甚至更长时间，使得数据中心能够一直在稳定可靠的方式下进行运营。
最后，在生态化方面，好的生态必须要具备能让用户轻松开发的能力，需要把AI系统变成开发的利器。同时，它又能使用户真正预言未来的AI算法，能够不断精进和提高AI算法的性能和适用度，为世界带来更好的AI创新点。
因此，基于AI芯片产品化挑战，系统化、工程化、产品化、生态化四个方面构成了整个云端AI芯片产品化的难点和亮点。
张亚林说，一个公司要能够实现这样的系统化、工程化、产品化、生态化的能力，它就必须具备这四个方面设计的意识和团队，燧原科技通常把这四个方面称为云端AI软硬件系统协同最大的挑战和亮点，也是未来人工智能在云端芯片和系统发展中的必经之路。
张亚林在最后总结时表示，燧原科技一直秉承着“做大芯片，拼硬科技”的宗旨。燧原科技做云端的AI大芯片和复杂系统，是因为它难而不是因为它简单。只有难，才能为国家创造更好的价值，为AI带来更好的明天。
【燧原科技张亚林：解构数据中心AI系统“全垒打”和“全维度”｜GTIC2020】以上是张亚林演讲内容的完整整理。除张亚林外，在本届GTIC 2020 AI芯片创新峰会期间，清华大学微纳电子系尹首一教授，比特大陆、地平线、黑芝麻智能、壁仞科技、光子算数、知存科技、亿智电子、豪微科技等芯片企业，全球FPGA领先玩家赛灵思， Imagination、安谋中国等知名IP供应商，全球EDA巨头Cadence ，以及北极光创投、中芯聚源等知名投资机构，分别分享了对AI芯片产业的观察与思考。如感兴趣更多嘉宾演讲的核心干货，欢迎关注芯东西后续推送内容。
文章插图