在2018年CCF-GAIR（全球人工智能與機器人峰會）人工智能公共服務技術咨詢服務環節，清華大學微電子學研究所所長魏少軍教授發表了題為“什么是真正的通用人工智能芯片”的深入洞見，為當時方興未艾的AI芯片熱潮帶來了冷靜的思考與清晰的方向指引。
魏教授首先指出，隨著深度學習在圖像識別、語音處理等領域取得突破性進展，市場對專用AI加速芯片（如GPU、TPU等）的需求激增。這些芯片大多針對特定的算法模型（如卷積神經網絡）進行優化，屬于“專用人工智能芯片”。它們在特定任務上效率極高，但靈活性和通用性不足，難以適應快速演進、多樣化的AI算法與應用場景。
什么是“真正的通用人工智能芯片”？魏少軍教授闡述，其核心特征在于“通用性”與“智能化”的深度融合。它并非簡單地在現有CPU/GPU架構上增加AI加速單元，而應具備以下幾個關鍵特質：
- 架構創新與靈活性：真正的通用AI芯片需要一種全新的、可動態重構的硬件架構。它應能高效支持不僅限于深度學習，還包括強化學習、類腦計算、符號推理等多種人工智能范式，并能根據不同的軟件任務，實時優化配置計算、存儲和通信資源。
- 高能效與自適應學習能力：它必須在極低的功耗下實現強大的算力，滿足從云端服務器到移動終端、物聯網設備的全場景部署需求。更重要的是，芯片本身應具備一定程度的片上學習與自適應能力，能夠根據環境與數據變化進行動態調整，而不僅僅是執行預先訓練好的固定模型。
- 軟硬件協同與生態建設：芯片的設計必須與編譯器、編程模型、算法框架乃至上層應用進行深度融合與協同優化。一個強大的軟件工具鏈和開放的生態系統，對于釋放通用AI芯片的潛力至關重要。魏教授強調，沒有良好的軟件支撐，再先進的硬件也無法發揮價值。
- 解決AI計算的根本矛盾：魏教授深入分析了AI計算中“訪存瓶頸”、“能效墻”等根本性挑戰。通用AI芯片的設計需要從底層原理出發，探索存算一體、近似計算、神經形態計算等新型技術路徑，從根本上打破傳統馮·諾依曼架構的局限，實現計算與存儲的高效融合。
在演講中，魏少軍教授也提醒業界需保持理性。他指出，AI芯片的發展是一場“馬拉松”，而非“短跑”。真正的通用人工智能芯片的成熟需要跨學科、跨領域的長期深耕，涉及材料、器件、架構、電路、算法、軟件等多個層面的協同突破。它不僅是技術產品，更是未來智能社會的核心基礎設施。
魏教授結合“人工智能公共服務”這一峰會主題強調，通用人工智能芯片的終極目標，是賦能千行百業，降低AI技術的使用門檻和能耗成本，使其像電力一樣成為穩定、可靠、經濟的基礎公共服務。這要求芯片設計者不僅要追求極致的性能參數，更要深入理解產業端的真實需求，推動AI技術普惠化、平民化。
魏少軍教授的此番論述，在2018年為AI芯片的研發指明了超越短期熱潮、面向長遠未來的戰略方向——即追求通過底層創新，打造出兼具強大算力、超高能效、卓越靈活性和廣泛適應性的“真正通用”智能計算基石，從而支撐人工智能技術持續、健康地融入并變革社會生產與公共服務體系。
