傳統計算機芯片“算力”不足問題日益凸顯 研究新一代計算機芯片成為當務之急

前不久，美國公布的《2016—2045年新興科技趨勢報告》將人工智能作為最值得關注的科技發展趨勢之一。隨著人工智能快速發展，傳統計算機芯片“算力”不足問題日益凸顯，研制更能滿足人工智能計算需求的新一代計算機芯片成為當務之急。擁有澎湃之“芯”的人工智能將大幅提高機器人、無人機等裝備的自主能力，實現無人作戰及云計算能力的巨大提升。未來，發展成熟的人工智能芯片將擁有強大的計算能力，或將引發計算體系的革命性變革。

傳統處理器已“老態龍鐘”

長期以來，摩爾定律作為一項基本原理，一直推動著計算機芯片產業的快速發展。然而，隨著人類精密制造領域遇到硅基極限的挑戰，集成電路上晶體管數量約每隔18-24個月就增加一倍已經愈發艱難?；凇榜T·諾伊曼體系結構”的計算機體系已經長期沒有實質性變化，單是現在海量數據消耗的運算能力，就足以讓傳統計算機芯片“倍感壓力”。

人工智能的快速發展，對芯片的要求越來越高。人工智能所采用的深度學習模式，本質上是多層次的人工神經網絡算法。這種算法主要從輸入的海量數據中自發總結相關規律，這就需要對海量數據進行大量的計算處理。此時，傳統處理器架構需要上百甚至上千條指令才能完成人腦一個“神經元”的反應過程，顯得“老態龍鐘”。深度學習模式，尤其需要加速計算過程。

人工智能芯片設計的“初心”，就是加速深度學習算法，從底層架構上更好地模擬人腦的神經特征，進而實現更加智能的計算。這種人工智能芯片將更能滿足深度學習系統進行數據計算的需求，同時還能對海量參數進行調整，將成為人工智能發展應用的“催化劑”。對此，科研人員一直尋求研制新一代芯片用于突破摩爾定律失效“瓶頸”，滿足人工智能的計算需求。

挖掘智能芯片“無限可能”

目前，人工智能芯片的發展還處在研發探索階段。從技術架構上看，人工智能芯片主要可分為通用類芯片（GPU、FPGA）、基于FPGA的半定制化芯片、針對深度學習算法的全定制化ASIC芯片以及類腦計算芯片等。典型代表就是谷歌公司的TPU芯片和我國自行研制的“寒武紀”芯片。

人機圍棋大戰中，谷歌“阿爾法狗”大約使用了170個GPU和1200個CPU，且專門占用了一間機房并配備了大功率空調。如果將它換成人工智能芯片，只要一個盒子大小的空間就可以取代它們了。目前，已出現了類腦計算人工智能芯片的雛形。IBM研制的Truenorh芯片包含了100萬個數字神經元陣列和2.56億個通信電突觸，基本能模擬出人腦神經元的數據處理過程。同時，以脈沖神經網絡芯片DeepSouth和深度學習類腦神經元芯片DeepWell等為代表的新概念芯片，也預示著人工智能芯片未來的發展方向。

美國國防部和空軍研究實驗室對TPU芯片在機器學習領域的突出性能表現出極大興趣，很早就開始探索人工智能技術在軍事領域的應用。目前，他們正在與谷歌開展相關探討，進一步增強美軍無人系統的作戰能力和智能化水平。未來，美軍還將探索利用TPU芯片部署“軍事云2.0”，以增強美軍無人機智能化組網、無人系統協同作戰能力。

網絡安全領域大顯神威

隨著美國國防部高級研究計劃局新一代人工智能芯片項目的持續推進，人工智能芯片將在網絡安全領域大顯神威。美國斯坦福大學研發的基于人工智能芯片的自主網絡攻擊系統，能自主學習網絡環境狀況并生成特定惡意代碼，實現對指定網絡的攻擊及信息竊取等操作。這種擁有人工智能的自主網絡攻擊系統，自主學習能力和病毒防御能力極強，已經得到美國國防部高級研究計劃局的高度重視和重金投入。

人工智能自主網絡攻擊系統一旦研制成功，可進一步提升美軍在網絡安全領域的進攻實力。新型自主網絡攻擊系統主要基于深度神經網絡處理器通用架構，僅內置基本的自主學習系統程序。當它在特定網絡中運行后，就能夠自主學習網絡的架構、規模、設備類型，通過對網絡數據進行截獲分析，它可以每24小時自主編寫一套適用于該網絡環境的攻擊代碼，并能根據網絡環境實時對攻擊程序進行動態調整。由于這種攻擊代碼基本上是“新鮮出爐”的，現有的依托病毒庫和行為識別的防病毒系統難以識別，因而該系統的隱蔽性和破壞性極強。

除人工智能自主網絡攻擊系統外，美國國防部高級研究計劃局早在2015年就新增了“大腦皮質處理器”等研發項目，旨在通過模擬人類大腦皮質結構，開發出數據處理更優的新型類腦芯片。這些人工智能芯片功耗極低，可用于實時的數據感知處理和目標識別，還可解決高速運動物體的即時控制等難題，其未來投入應用后，將實現無人作戰及云計算能力的巨大提升。

可以預見，人們還將通過人工智能方式自主尋找網絡漏洞，進一步增強網絡攻擊能力，未來網絡安全將面臨更嚴峻的挑戰。