智能計算機是我國建立自主可控和開放產業的機會嗎？

盡管智能芯片通常以加速器（PCI－E卡）的方式依附于通用計算機部件，獨立性受限，但是以智能芯片、系統、算法和行業應用為代表的智能計算機產業仍是一個難得的產業機會，至少為我們提供了在特定應用領域建立自主可控和開放產業的機會。

通用計算機發展遇到了巨大的技術障礙，在特定領域做軟硬件協同設計是國際學術界的共識。人工智能和大數據有融合的趨勢，無論在端（IoT）、數據中心、高性能計算機，還是在最新涌現的邊緣計算（edge computing），應用的深度和廣度都在增加，而我國在智能計算領域有一批和國際同行齊頭并進的企業和研發機構。例如，中科院計算所的“寒武紀”是大規模深度學習加速器的國際先行者；本文作者擔任執行委員會主席的國際開放基準測試委員會（BenchCouncil， http：／／www．benchcouncil．org）聯合國內外領先機構研究與開發了面向?IoT（端）、Edge（邊緣）、數據中心和高性能計算機的人工智能和大數據測試標準BigDataBench，將為產業的良性競爭提供評價依據。Bench Council?在?2019?年發起了人工智能實驗床“泰”計劃，為人工智能等新技術的評測、模擬、驗證、教育、培訓和推廣提供統一的平臺，有望成為智能計算產業的加速器，受到國際高性能計算權威媒體?HPC Wire、新華社等媒體廣泛關注。我國不少企業也積累了海量的應用領域數據和針對特定領域應用優化的深度學習算法。

我國在超級計算機領域有著深厚的積累，智能計算又為這個領域夯實了基礎。例如，在高能物理、天氣預報、宇宙學，基于深度學習的算法提供了新的計算途徑。智能超級計算機將成為新的增長點。

智能計算機整體上仍然依賴于通用計算機體系結構，我們不需要重起爐灶，可以借助整體計算機產業的發展；而智能計算機作為一個重要的主干分支，可以相對獨立發展，獲得完整的知識產權體系。

隨著對智能計算這個領域有著更深地理解，我們會發展出更通用的計算抽象，從而研發出能適用更多應用場景的相對通用的計算系統。例如，我們最近的工作將大數據分析和機器學習算法（深度學習是其中一個分支）統一為?8?類基本計算單元^［7］，包括矩陣計算、圖計算、邏輯計算、變換計算、采樣計算、集合計算、排序計算、統計計算，而每一個大數據分析或者機器學習負載都可以認為是一個或者多個計算單元的組合。在這個工作基礎上研究的計算機系統有望適應更多的大數據和人工智能應用場景。這樣的研究努力旨在避免為每一類應用單獨設計一個加速器。不難想象，如果在一個通用計算部件上增加大量不同類型的加速器，必然給資源共享設置技術障礙。

綜合以上原因，有理由相信我國有機會在此基礎上發展一個相對自主可控并兼顧開放的產業。當然，我國在產業基礎上仍然存在顯著不足。例如，在智能系統上，我們依賴于?TensorFlow?等開源系統；而在算法上，我們依賴于大量的開源項目。考慮到?Google?等公司申請了大量的專利，這些可能成為先進國家出口管控的依據。據中美兩國執業律師金依依的分析，這些國家已經發布了征求意見的管控草案。另外，智能芯片以?PCI－E?卡的方式存在，依賴于現有通用計算機系統。一旦通用芯片和系統被管控，仍然會出現“卡脖子”現象。然而冰凍三尺非一日之寒，我國如果無法建立有競爭力的應用科學技術體系，只能全盤復制，或在枝干或旁枝末節處改進已發展好的成熟技術。

基于這些理由，Bench Council?聯合相關方于?2019年?6?月將共同主辦?BenchCouncil 2019?國際智能計算機大會，以研討、展覽和路演智能芯片、系統、算法、腦科學、智慧醫療、金融、社會治理、教育、產業互聯網為目標；并同期舉辦?Bench Council?國際人工智能系統大賽，在?Bench Council?人工智能實驗床上舉辦“寒武紀”、RISC－V、X86?系統競賽以及算法競賽，培養人工智能后備人才。