如今人工智能芯片已成為全球科技、產業和社會關注的焦點，學界力爭從各種不同的技術路線對AI芯片性能提升進行探索，世界各地也涌現出了諸多各有側重點的AI芯片公司，從算法、架構、硬軟件等不同的維度去實現高能效的AI計算。AI芯片作為人工智能技術的硬件基礎和產業落地的載體，吸引了眾多巨頭和創企入局，整個芯片市場新品迭出、各類AI芯片相繼面世。

　　尤其需要注意的是，人工智能算法的更新換代較為迅速，在固定架構中會存在很多風險。一旦舊人工智能架構失靈，在新架構出現時，原本的固化架構很大程度上即刻失效。所以，架構的彈性成為業界需要聚焦的問題。

　　近日，科技部、中央網信辦、國家發展改革委、國家標準化管理委員會、工業和信息化部發布關于印發《國家新一代人工智能標準體系建設指南》(以下簡稱“《指南》”)的通知，以進一步加強人工智能領域標準化頂層設計，推動人工智能產業技術研發和標準制定，促進產業健康可持續發展。

　　《指南》對行業總體要求、建設思路、建設內容等方面做了具體規定，智能語音、AI云等領域也迎來了新一輪發展機遇。對于AI芯片來說，設備需要連接網絡，因而決定了對物聯網芯片和人工智能芯片的需求。有關數據顯示，全球云端AI芯片市場規模預計2024年將達100億美元，邊緣AI芯片也同樣增長強勁，未來幾年，年復合增長率約為31%。

　　芯片設計、芯片架構的高壁壘行業中，RISC-V這股新勢力正在快速崛起、逐步壯大。指令集就像是一整套語言系統，CPU能夠讀懂并按照要求硬件、運行程序。而這套高效的語言規范，需要在設計CPU的時候都制定好。

　　從芯片架構來看，目前市場上絕大多數AI芯片都是采用傳統的指令集架構。傳統的指令集架構采用馮?諾依曼計算方式，通過指令執行次序控制計算順序，并通過分離數據搬運與數據計算提供計算通用性。

　　發展至今，CPU主要有兩大指令集，復雜指令集(CISC)架構x86，精簡指令集(RISC)架構陣營有MIPS、ARM、和RISC-V。一般來看，RISC-V基于“精簡指令集”原則的第五代指令集架構，并且對外開源，由于中立、開源、精簡的屬性，且不太受一個國家政策的影響，因此被不少國家視為彎道超車的機會。

　　有市場研究報告指出，在半導體的歷史上，X86、ARM作為主流架構一直都占有著很大的市場。隨著5G、物聯網時代的來臨，而RISC-V作為新興架構，以其精簡的體量，或許在未來的IoT領域中能取得突出的優勢，其他的應用場景還包括存儲、電子、服務器等市場。

　　人工智能需要繁多的訓練、識別、數據分析、大量計算。所以，AI解決方案應針對不同的應用對網絡和性能參數，要求不同速度、能耗、延遲、準確性，芯片同樣如此。從設計到制造，AI芯片無疑凝聚了人類智慧的結晶。而彈性架構的支撐，將為AI芯片功能完全釋放提供強大支柱。

　　此外，當前人工智能發展正處于第三波浪潮上，這波浪潮的一大特點就是與業務緊密結合的人工智能應用場景逐漸落地，擁有先進算法和強大計算能力的企業成為了十分有力的推動者。當前人工智能的主流技術路徑是深度學習，但無論是產業界或學術界，都認為深度學習尚存在一些局限性，在機器感知類場景表現優異，但在機器認知類場景表現還有待提高。

　　眼下，人工智能服務器正在快速的成熟和完善中，結合整個人工智能技術和服務的發展，未來人工智能服務器會重點在低功耗設計、智能邊緣計算、軟硬件平臺融合等領域產生新的突破。