中国“芯”道路:自主生态/变道超车/高铁模式

分享到:

“处理器芯片是IT核心技术的根基,计算所最大的突破就是芯片技术的突破。这方面我们其实是三条道路同时在走,而且我觉得这三条道路可能长期并行。”4月26日,在中科曙光举行的“数据中国加速计划”发布会后,中科院计算所所长孙凝晖在接受记者专访时如是说。

针对“龙芯发展了很多年,有成绩,但同时路子也很曲折”的问题,孙凝晖态度很明确:“我们做了15年的龙芯,并且打算再做15年。”

“在处理器芯片方面,我们觉得中国必须要有一个自主的生态。请注意我的措辞不是自主产品、自主CPU。”孙凝晖说,“CPU只是做IT产业支柱生态最好的抓手,自主生态才更重要。”

为什么如此强调自主生态?孙凝晖认为,答案很简单:如果中国没有芯片产业自主生态,IT及集成电路产业的“崛起之路会很艰难”。正是基于此,计算所上下坚定信念“要把龙芯这个事做成”。

“寒武纪”是计算所另一条道路。孙凝晖透露说,“寒武纪”是计算所多年苦练内功的结晶。

中科院计算所早在2008年就开始了“寒武纪”系列深度神经网络处理器的研制,并于2013年研制了全球首个深度学习处理器,相关工作先后获得处理器架构领域顶级会议ASPLOS 14和MICRO 14的最佳论文奖。在人工智能应用方面,相比传统的CPU/GPU,寒武纪处理器在性能、功耗和芯片面积方面有较大优势,市场潜力巨大。

孙凝晖这样评价“寒武纪”:“今年是计算所建所60周年。60年来,计算所数不出来有几个在国际上属于原创、引领性的技术,水平上最多到1.5流,但寒武纪处理器算一个。‘寒武纪’是响应习近平主席‘变道超车’的代表。”

“弯道超车就是大家同一个赛道赛车,在转弯时通过高超的转弯技术,漂移一把超过前面的赛车。比如当年曙光服务器从32位到64位的迁移,弯道超车后的曙光发展很快。”孙凝晖转而解释说,“变道超车是我们不跟竞争对手跑同一个赛道,就如寒武纪不跟微软、高通竞争目前的市场,而是到智能领域占领领先地位。”

在AlphaGo惊艳世人之后,基于深度学习方法的计算机芯片竞相出笼。在业内人士看来,寒武纪因在识别精度方面握有大把优势而更有产业化前景。

“不但要弯道超车,还要变道超车。”孙凝晖说,“这是寒武纪的使命。”

发展中国芯片产业的第三种模式,有点类似“高铁模式”。孙凝晖称之为“中间道路”。

他介绍说,计算所也在芯片产业方面有“高铁模式”——引进、消化、再创新。“计算所和高通、IBM、AMD都有合作,逐步进阶为我们也能掌握他们的核心技术,这样就不会被牵着鼻子走。”

孙凝晖告诉记者,网信办工作会议明确表态,国家对“中国芯”的这三条道路都是认同的。

“前段时间非常混乱,有人讲‘龙芯不要做了,干脆抱养一个好了’;也有人讲‘我们要关起门来全部自主生态’。网信办工作会议对此已有结论,那就是做什么事走什么路,不能一股脑走极端。”孙凝晖说。

 

更多Atmel及科技资讯请关注:  
Atmel中文官网:https://www.atmel.com/zh/cn/
Atmel技术论坛:https://atmel.eefocus.com/
Atmel中文博客:https://blog.sina.com.cn/u/2253031744
Atmel新浪微博:https://www.weibo.com/atmelcn

继续阅读
中国研发新型人工智能服务器,首次搭载寒武纪AI芯片

“Phaneron主要是面向深度学习的在线推理业务环境。在线推理业务不同于离线训练,推理不需要密集的计算能力,而是需要及时响应。因此,完成推理服务,需要大量的部署前端加速芯片,以实时响应访问请求,对数据迅速作出判断。”中科曙光副总裁沙超群介绍说,“Phaneron可以在4U空间中部署20个人工智能前端推理模块,能够为推理提供强大的计算支持。”

4000公里每小时!我国将研发“高速飞行列车”

目前我国高铁的时速可达到350公里,但是根据相关要求,现在运行中的高铁均未达到这一速度,即便如此,我们仍在向着更快的速度前进。

藏在中国高铁里的这些秘密,你都知道吗?

放下那些高深的技术,直观地简单地说,高铁列车在制造中由四大部分组装而成:车体、转向架、车上下大部件、车内设施。

我国最高速自主产权“空中列车”试运行,时速可达70km/h

国内最高速的悬挂式单轨列车日前在中车四方下线,进入型式试验和试运行阶段,其设计时速为80公里,最高运行时速为70公里,具有完全自主知识产权。

中国“芯”道路:自主生态/变道超车/高铁模式

“处理器芯片是IT核心技术的根基,计算所最大的突破就是芯片技术的突破。这方面我们其实是三条道路同时在走,而且我觉得这三条道路可能长期并行。”

©2019 Microchip Corporation
facebook google plus twitter linkedin youku weibo rss