人工智能芯片评测到底多重要、多紧迫？怎样建立一套公认的评测标准？

 

全球范围内尚无公认评测指标

 

国际上，缺乏统一的芯片评测标准也是一个比较大的问题，包括英伟达、英特尔等公司的芯片性能也主要依靠芯片厂商自家发布。全球多个机构都在尝试给出评测方案，然而现状就是无公认基准测试方法和指标。

 

从政府、用户、系统集成厂商到算法开发者，全部无法准确评价所使用芯片的技术水平以及在国内外所处的地位，无法选取最适用于自己需求的底层芯片，芯片企业无法清晰确认自己的技术优势及目标市场。

 

人工智能芯片与传统计算芯片不同，它要求高效实现深度学习算法对海量数据高吞吐量等高并行化任务的处理。当前人工智能芯片主要分两大体系，冯诺依曼体系和非冯诺依曼体系。

 

冯诺依曼体系以五大架构芯片为代表，分别是CPU、GPU、DSP、FPGA和ASIC，在深度学习训练环节和终端推断方面发挥重大作用。非冯诺依曼体系，以IBM TrueNorth芯片为代表，采用人脑神经元的结构来提升计算能力，但目前还处于实验室阶段。

 

人工智能在不同算法、不同场景下，对芯片提出了不同的要求。硬件架构、延迟、带宽、能耗、神经网络模型、参数都是用户方选择人工智能芯片的重要参考。

 

人工智能芯片为何要评测？

 

当前，AI芯片的功能日益复杂化、多样化，一方面，芯片厂商纷纷给出不同的衡量标准，声称其产品在计算性能、单位能耗算力等方面处于行业领先水平；另一方面，需求方却关心如何能从厂商给出的信息中判断出芯片是否能实际满足其真实场景的计算需求。

 

统一的芯片标准会降低芯片厂商、人工智能算法厂商的沟通成本，建立一个有序的竞争环境。