传统计算机芯片“算力”不足问题日益凸显 研究新一代计算机芯片成为当务之急

前不久，美国公布的《2016—2045年新兴科技趋势报告》将人工智能作为最值得关注的科技发展趋势之一。随着人工智能快速发展，传统计算机芯片“算力”不足问题日益凸显，研制更能满足人工智能计算需求的新一代计算机芯片成为当务之急。拥有澎湃之“芯”的人工智能将大幅提高机器人、无人机等装备的自主能力，实现无人作战及云计算能力的巨大提升。未来，发展成熟的人工智能芯片将拥有强大的计算能力，或将引发计算体系的革命性变革。

传统处理器已“老态龙钟”

长期以来，摩尔定律作为一项基本原理，一直推动着计算机芯片产业的快速发展。然而，随着人类精密制造领域遇到硅基极限的挑战，集成威廉希尔官方网站 上晶体管数量约每隔18-24个月就增加一倍已经愈发艰难。基于“冯·诺伊曼体系结构”的计算机体系已经长期没有实质性变化，单是现在海量数据消耗的运算能力，就足以让传统计算机芯片“倍感压力”。

人工智能的快速发展，对芯片的要求越来越高。人工智能所采用的深度学习模式，本质上是多层次的人工神经网络算法。这种算法主要从输入的海量数据中自发总结相关规律，这就需要对海量数据进行大量的计算处理。此时，传统处理器架构需要上百甚至上千条指令才能完成人脑一个“神经元”的反应过程，显得“老态龙钟”。深度学习模式，尤其需要加速计算过程。

人工智能芯片设计的“初心”，就是加速深度学习算法，从底层架构上更好地模拟人脑的神经特征，进而实现更加智能的计算。这种人工智能芯片将更能满足深度学习系统进行数据计算的需求，同时还能对海量参数进行调整，将成为人工智能发展应用的“催化剂”。对此，科研人员一直寻求研制新一代芯片用于突破摩尔定律失效“瓶颈”，满足人工智能的计算需求。

挖掘智能芯片“无限可能”

目前，人工智能芯片的发展还处在研发探索阶段。从技术架构上看，人工智能芯片主要可分为通用类芯片（GPU、FPGA）、基于FPGA的半定制化芯片、针对深度学习算法的全定制化ASIC芯片以及类脑计算芯片等。典型代表就是谷歌公司的TPU芯片和我国自行研制的“寒武纪”芯片。

人机围棋大战中，谷歌“阿尔法狗”大约使用了170个GPU和1200个CPU，且专门占用了一间机房并配备了大功率空调。如果将它换成人工智能芯片，只要一个盒子大小的空间就可以取代它们了。目前，已出现了类脑计算人工智能芯片的雏形。IBM研制的Truenorh芯片包含了100万个数字神经元阵列和2.56亿个通信电突触，基本能模拟出人脑神经元的数据处理过程。同时，以脉冲神经网络芯片DeepSouth和深度学习类脑神经元芯片DeepWell等为代表的新概念芯片，也预示着人工智能芯片未来的发展方向。

美国国防部和空军研究实验室对TPU芯片在机器学习领域的突出性能表现出极大兴趣，很早就开始探索人工智能技术在军事领域的应用。目前，他们正在与谷歌开展相关探讨，进一步增强美军无人系统的作战能力和智能化水平。未来，美军还将探索利用TPU芯片部署“军事云2.0”，以增强美军无人机智能化组网、无人系统协同作战能力。

网络安全领域大显神威

随着美国国防部高级研究计划局新一代人工智能芯片项目的持续推进，人工智能芯片将在网络安全领域大显神威。美国斯坦福大学研发的基于人工智能芯片的自主网络攻击系统，能自主学习网络环境状况并生成特定恶意代码，实现对指定网络的攻击及信息窃取等操作。这种拥有人工智能的自主网络攻击系统，自主学习能力和病毒防御能力极强，已经得到美国国防部高级研究计划局的高度重视和重金投入。

人工智能自主网络攻击系统一旦研制成功，可进一步提升美军在网络安全领域的进攻实力。新型自主网络攻击系统主要基于深度神经网络处理器通用架构，仅内置基本的自主学习系统程序。当它在特定网络中运行后，就能够自主学习网络的架构、规模、设备类型，通过对网络数据进行截获分析，它可以每24小时自主编写一套适用于该网络环境的攻击代码，并能根据网络环境实时对攻击程序进行动态调整。由于这种攻击代码基本上是“新鲜出炉”的，现有的依托病毒库和行为识别的防病毒系统难以识别，因而该系统的隐蔽性和破坏性极强。

除人工智能自主网络攻击系统外，美国国防部高级研究计划局早在2015年就新增了“大脑皮质处理器”等研发项目，旨在通过模拟人类大脑皮质结构，开发出数据处理更优的新型类脑芯片。这些人工智能芯片功耗极低，可用于实时的数据感知处理和目标识别，还可解决高速运动物体的即时控制等难题，其未来投入应用后，将实现无人作战及云计算能力的巨大提升。

可以预见，人们还将通过人工智能方式自主寻找网络漏洞，进一步增强网络攻击能力，未来网络安全将面临更严峻的挑战。