杨杰，九三学社西湖大学支社社员，西湖大学工学院副研究员，主要从事人工智能芯片、脑机接口芯片以及生物医疗电路系统的研究。

        大家好，我是九三学社西湖大学支社的杨杰。欢迎收听本期九三E讲堂。本期讲堂的主题是：人工智能与半导体芯片。

        人工智能和半导体芯片是最近几年在新闻媒体上出现的高频词汇，尤其是随着中美贸易争端加剧以及美国对华为等我国科技公司的野蛮制裁，这两个词已经从远离生活的高科技，变成了人民群众关心的、关系国家发展的硬实力象征。

        人工智能可以认为是通过计算机程序来从某种程度上呈现类似人类智能的技术。呈现人类智能的最直接方法就是模拟人类大脑的运作。卷积神经网络，就是在一定程度上模拟人类大脑运行的一种人工智能方法。在1959年，诺贝尔奖获得者大卫·休伯尔（David Hubel） 和托斯坦·威泽尔（Torsten Wiesel）两位研究者揭示了大脑视觉皮层的核心反应特性，并呈现了视觉皮层是如何通过一系列层次化的信息处理构建出一幅视觉图像的。受到大脑视觉皮层信息处理机制的启发，日本科学家福岛邦彦（Kunihiko Fukushima）在1980年设计了Neocognitron，第一个真正意义上的卷积神经网络。在此基础上，又经过杰弗里·辛顿（Geoffrey Hinton）、杨立昆（Yann Le Cun）以及约书亚·本希奥（Yoshua Bengio）等科学家的推进，2012年的时候，卷积神经网络在图像识别领域取得了巨大成功。在一项国际知名的图像识别挑战赛中，该技术将图像识别的准确率大幅提高。这项工作受到了学术界的广泛关注，也启发了更多的相关研究。从2012年到2015年，很多性能强大的人工智能算法被提出来，最终在2015年，一个叫ResNet的算法在图像识别挑战赛中的成绩超过了人类。当然，这只是人工智能发展的一个小片段，在其他众多领域，类似的故事还在不断的发生。

        很多这样的故事中都有咱们中国人的身影，这一方面得益于人工智能的突破性进展在近十年才发生，我国和欧美基本上在同一起跑线开跑。另一方面，这一时期恰好是我国研发投入逐步增加、科研能力快速提升的时期。因此和欧美发达国家相比，我国在这一领域并不落下风。最近两年在国际人工智能的一些顶级会议上我国发表论文数量甚至已经超越了美国。当然，很多的相关研究中，我国整体影响力和原创性与美国相比还稍显欠缺，这也是广大科研工作者仍在努力的地方。

        完成人工智能算法往往需要大量的参数和海量的计算，并且随着技术的更新迭代，人工智能算法的参数量每隔几个月就会翻倍，已经产生了参数量超过千亿的模型，其对应的计算量可想而知。传统的CPU芯片已经无法胜任这样参数量和计算量的工作了，这就催生了专门为人工智能算法所设计的半导体芯片，这样的芯片包含数量众多的计算单元用于快速的完成所需的计算。由于人工智能芯片在消费电子自动驾驶汽车、安防、自然语言处理等众多领域的巨大市场潜力，大量的初创人工智能芯片公司从2015年左右开始如雨后春笋一般出现，同时传统的芯片设计厂商也纷纷入场。目前，已经呈现出了中美两国争霸的双雄格局。但是，值得注意的是，由于我国在EDA工具、集成电路制造等半导体产业环节发展较晚，很多相关的技术已经成为我国芯片发展的“卡脖子”难题。这些技术是我们国家的广大科研技术人员需要在未来一段时间解决的重要问题。

        通过人工智能和半导体芯片技术，已经在汽车自动驾驶、安防、医疗等诸多领域给人们带来极大的便利。但是显然，现有技术的智能水平还远远不及人类，要实现更加接近人类水平的智能技术，需要依赖科学家们进一步探索大脑的工作机制，并将其原理运用到算法以及新型芯片的设计上来。很多相关的研究内容已经写入了今年三月份发布的“十四五”规划和2035年远景目标纲要中， 相信在不久的将来，我们一定可以迎来更加智能的世界，享受更加智慧的生活。

        感谢收听本期九三E讲堂，下期再见。