2021年7月22日，由全球知名電子科技媒體<電子發燒友>主辦的2021第四屆人工智能大會在深圳成功舉辦，本屆大會主題為“智創天下，應用為王”，邀請到來自新思科技、愛德萬測試、飛騰、Imagination、英飛凌、安謀科技、Vicor、德州儀器、英偉達等全球知名企業領導和行業專家進行精彩分享。

電子發燒友總經理張迎輝在致辭中表示，人工智能技術發展日新月異，落地應用也愈發廣泛，人工智能大會，從創立第一屆開始，便秉承“以創新技術促AI應用落地”的宗旨，邀請人工智能領域的頭部企業技術專家，分享AI技術從IP到芯片到應用的各個層面的創新。

在快速發展的過程中，AI行業的發展也遇到了一定的問題，例如數據安全保障、更多應用突破、成本如何下降、技術與需求的對接，以及像智能駕駛、智能監控那種產業商業模式的創新等。這些問題都只能通過實踐來解決，通過產業更多方的加入來解決。這也是我們需要更接地氣的活動場景，需要有人工智能的行業大會的原因。

圖：電子發燒友總經理張迎輝

新思科技王偉：從硅IP開始構建一個由AI驅動的世界

人工智能時代，人、事物、數據、場景通過網絡技術緊密的結合在一起。隨著技術的發展，智能化在我們的生活中隨處可見，在包括智能手機、安防攝像、數據中心和汽車等領域發揮著重要作用。而芯片是實現云端智能、邊端智能和終端智能的關鍵所在。

據 OpenAI預估，自2012年開始人工智能對于算力的需求每3~4個月便翻一倍，通用處理、器的性能增加顯然已經跟不上人工智能算法的發展，專用的人工智能芯片從此誕生了，從架構創新到先進封裝這樣全新的芯片制造方式越來越引起人們的重視。

新思科技TSM王偉指出，在新的SoC設計中，AI加速無處不在，應用于邊端智能的IP創新將跨越架構、集成、處理器、協處理器、存儲和傳感互聯等多個領域。同時，這些創新背后也伴隨著巨大的設計挑戰，比如連接方面如何保證芯片與芯片之間的低延遲，還有異構計算的緩存一致性；安全方面的數據保護、算法保護和信息保護都是大問題。

圖：新思科技TSM王偉

王偉表示，IP 解決方案能夠最大限度地提升高性能計算、人工智能和網絡連接 SoC 中內核間的連接效率，新思科技憑借業界最低延遲的Die-to-Die控制器 IP 擴大了Multi-Die解決方案的領先地位，DesignWare Die-to-Die IP 解決方案是包括常用協議的控制器、PHY 和驗證 IP、模擬 IP、嵌入式存儲器、邏輯庫、處理器以及子系統組成的全面接口 IP 解決方案，幫助加速人工智能芯片的設計。

愛德萬測試葛樑：高性能計算處理器的測試趨勢和未來展望

HPC（高性能運算）通常是指利用聚集起來的計算能力來處理標準工作站無法完成的數據密集型計算任務。在人工智能技術不斷發展的今天，HPC也成為一個新的芯片類型，為人工智能應用的運轉提供強大的運算支撐。在HPC芯片的實現上，一些廠商選擇將多個硅芯片封裝在一起，以實現高密度計算。

HPC芯片是一個快速增長的市場。統計數據顯示，HPC芯片的市場總額從2019年的100億美元到2025年將超過700億美元。市場的快速增長也帶來全新的挑戰，對于測試同樣如此。愛德萬測試業務發展高級經理葛樑指出，新的工藝技術實現了更低的VDD，但也伴隨著新的設計缺陷出現；巨大的芯片規模產生高效率的同時也帶來了巨大的測試數據量；采用2.5D/3D芯片制造技術以及Chiplet模式，KGD（已知合格芯片）能否正常運作，對于測試而言也是大問題；此外，還有對于PAM4和新IP實現高速IO的測試。

圖：愛德萬測試業務發展高級經理葛樑

新挑戰孕育新需求，也帶動了新的趨勢。葛樑談到，HPC芯片測試將會有四大趨勢。首先是結構測試接口的演進需要更高的掃描帶寬，測試設備要具備更高的數據速率；其次，更低的VDD能夠讓測試設備對IC性能更敏感，低壓降和快速階躍響應可防止良率損失，因此需要超動態性能的電源儀器；第三，HPC 芯片需要更快的熱控制響應；最后，HPC 芯片中的 HSIO 測試要求更高的測試覆蓋率。他在此介紹說，這些趨勢來自愛德萬測試的V93000 EXA Scale能夠滿足。

飛騰朱大勇：CPU發力高性能計算，AI解決方案落地多個行業應用

7月22日，由電子發燒友主辦的2021第四屆人工智能大會在益田威斯汀酒店召開，在會議現場，飛騰解決方案高級總監朱大勇帶來了《飛騰助力能源行業智能升級》的精彩演講。

圖：飛騰解決方案高級總監朱大勇

AI 產業落地應用是業界關注的焦點。從2015年到2022年，中國、美國、歐洲各國數字經濟占比持續提升，2024年，以美國為首的發達國家計劃數字經濟在GDP的占比將達到62.4%。去年4月，中國信息通訊院發布的白皮書顯示，2020年中國數字經濟在GDP占比38%，還有很大的提升空間。飛騰作為一家CPU廠商，致力于為中國數字化轉型打造算力基石。

朱大勇分析說，數字化轉型對于芯片支撐能力提出了更高要求，包括多樣化算力、高性能、低功耗和高安全性。僅僅依靠CPU是不夠的，飛騰以兩大基礎點切入：一、以CPU為代表的算力是數字經濟發展核心動力；二、GPU、AI提供數字化經濟的異構算力支持。圍繞著這個技術路線，飛騰會打造一個國際化的AI和5G生態，助力中國萬物互聯時代加速落地。

2020年，飛騰公司營收達到13億，業績取得6.8倍增長，芯片出貨量超過150萬片，數字政府市場占有率達到45%，全年簽約量達到200萬片。飛騰產品覆蓋端側、邊緣側、云端的應用。

騰銳D2000集成了8個飛騰自主研發的高性能處理器內核FTC663，兼容64位ARMv8指令集，主頻2.3-2.6GHz，TDP功耗25W，支持高性能筆記本、網關設備、5GRRU基站、金融終端、工控機。2020年12月29日，在飛騰生態大會上，浪潮、清華同方、長城、中科曙光等十多家廠商聯合發布采用騰云S2500的整機產品。

為了應對AI場景應用，飛騰構建了完整的能力棧，采用ARM架構，支持所有主流的軟件棧，提供高效虛擬化的方式，在基礎語音和圖像算法上，飛騰提供適配和解決方案。在產業生態上，飛騰建立人工智能實驗室，我們和百度昆侖、比特大陸、云天勵飛等眾多廠商進行合作。基于飛騰國產CPU的安全可信算力和生態伙伴的“人工智能+“案例逐步落地，比如飛騰與百度在手機部件良品檢測方案，生產效率提升10倍以上；飛騰與OpenAILab的解決方案，完成多目標人臉、人體關鍵點實時檢測。

Imagination黃音：GPU+專用AI解決方案賦能智能物聯網和智能交通

在第三次半導體浪潮中，半導體IP公司快速成長，在GPU IP領域中，Imagination地位舉足輕重。在2021第四屆人工智能大會上，Imagination高級市場經理黃音重點介紹了Imagination如何通過先進的GPU和AI加速技術賦能智能物聯網、智能交通、智慧城市等應用。

圖：Imagination高級市場經理黃音

產業數字化升級中面臨的一項重要挑戰就是需要處理海量的數據，包括手機等智能設備產生的數據，也包括逐步投入使用的智慧城市、智能家居、智慧辦公等應用中的數據。顯然CPU已無法滿足數據爆發式的應用需求，GPU和專用AI相結合的加速方案開始越來越受青睞。

黃音說，IMG Series4 NNA采用了全新的多核架構，能提供高達500 TOPS的算力，從而為ADAS和自動駕駛等應用提供高效支持。Imagination的GPU和NNA幾乎都以每年一代的速度向前演進，目前最新一代IMG B系列GPU和Series4NX NNA都支持多核架構，具備極佳的算力擴展性。其中，B系列旗艦款BXT GPU的四核部件可提供6 TFLOPS的圖形處理性能和24 TOPS的AI算力，而4NX NNA通過多核集群擴展方式可提供600 TOPS甚至更高的算力。

黃音表示，采用ImaginationIP出貨的芯片已經超過110億顆，Imagination在AI領域的基礎專利已經超過1000多項。公司在移動互聯和手機方向的出貨量占比大概是35.5%，在車載方面的出貨量占比43%。

Imagination為SoC芯片提供一系列IP產品組合，包括圖形處理技術-PowerVRGPU和光線追蹤,神經網絡加速器NNA，以太網數據包處理器EPP。

以亞馬遜無人零售店為例，通過一系列購買流程有一個虛擬購物車跟隨用戶，直到你刷卡離開亞馬遜商店，這是一個無感零售流程。黃音表示無人零售商店采用了端側高性能人工智能計算，高清攝像頭和3D攝像頭10多個，包括商品的旁邊也有部署，整個商店計算量范圍在2-3T。她還介紹了GPU+AI技術在智慧城市、智慧工廠的應用。

英飛凌鄭國青：人工智能數字DC/DC電源解決方案

英飛凌作為一家全球前十的半導體企業，目前員工超過4萬人，在汽車半導體、電源分立模塊、安全芯片等領域都排在世界第一。在2021第四屆人工智能大會上，英飛凌高級市場經理鄭國青分享了人工智能數字DC/DC電源解決方案。

目前在DC/DC電源上面臨著一些技術挑戰，如過去主要電壓只在5V以下，如今有許多產品電壓已經提升至48V，這就面臨著一些轉換的問題。

圖：英飛凌高級市場經理鄭國青

在轉換上，如在基本降壓拓撲結構上，可以采用單相和單軌1+0的配置。在系統通信架構上，如與電源管理主機進行I2C/PMBus通信/（監測/編程/升級)，與GUI的I2C/PMBus通信(用于在線優化/調試)，與CPU/GPU/ASIC的SVID/PMBus/AVS通信，需要更好的調試才行。

英飛凌可以滿足各家不同廠商的接口需求，而企業客戶也看重效率、瞬態性能、功率密度、功能點等方面，最終企業需要保證客戶產品達到一個更佳的質量。

同時，英飛凌還推出了用于高電流AI應用的數字控制器，如IntelVR13.HC，AMD SVI2、IntelVR14 μC控制器、AMD SVI3 μC控制器等。

那么為什么要選擇英飛凌呢？鄭國青表示英飛凌是一家已經經過全球數字控制系統市場驗證的領導者，有超過20年的質量記錄，具備穩健的系統解決方案，在整個開發過程中整合了質量，盡可能降低解決方案的風險，擁有強大的全球FAE/客戶支持網絡，實時提供優質服務。

同時英飛凌可以幫助用戶降低系統成本和總擁有成本，而功能豐富的數字控制器在低靜態電流下能夠提供最高的靈活性和瞬態性能。英飛凌提供廣泛的電源級，從中等功率水平到最高電流密度，創新的封裝技術，在十多年來不斷為MOSFET技術樹立行業標桿，是遙測功能和高效率的智能PoL領域的領導者。

未來，英飛凌將對自有工廠進行持續投資16億歐元進一步提升MOSFET的產能，同時所有產能都是自主生產。

安謀科技吳彤：周易AIPU的創新與演進

當前正處于第五波計算浪潮，而這波浪潮主要推動力是AI，IoT和5G技術，并且這些技術開始快速融合。在2021第四屆人工智能大會上，安謀科技AI技術高級市場經理吳彤分享了賦能全場景，構建“芯”生態——“周易”AIPU的創新與演進。

吳彤表示，在第五波計算浪潮中，發現了一個新的機會，即從過去以人為主的數據采集產存分析過程，演變成機器和機器之間的數據采集、存儲、分析和服務。這一波技術革命中，不僅僅是芯片需求多樣化，整個計算架構和網絡架構、智能化應用服務都在發生變化。

圖：安謀科技AI技術高級市場經理吳彤

其中，AI芯片領域專用架構（DSA）開始興起，DSA將彌補軟硬件的性能鴻溝，DSA還將硬件架構進行定制并使其具備特定領域應用特征，使該領域的一系列應用任務都能高效執行。

判斷AI芯片通常要在六個維度，如模型運行評分、工具鏈、TOPS/W、靈活性、成本、非AI功能等。

安謀科技推出了“周易”AIPU，可以應用在多樣性場景，讓通用與專用有效結合，同時這也是安謀中國字眼的AI IP，自主可控，可以在多個領域大規模商用，具備深度學習功能，統一指令集實現各類AI計算功能，擁有完整生態鏈，在PPA上，也兼具靈活性與安全性。

在“周易”系列中，Z1是面向TinyML場景的更佳解決方案，比如在人體關鍵點檢測，Z2主要是面向智能座艙及中高端安防的解放方案，如駕駛員疲勞監測（DMS），未來還將推出ZX，主要面向高級別自動駕駛的解決方案。

最后，吳彤表示，安謀科技的主旨就是全球標準，本土創新，目前安謀科技推出了4款方案，“周易”是面向安防、車載、移動和AIoT 場景的AI處理器；“山海”是面向物聯網設備的全棧式信息安全解決方案；“星辰”是面向智能、互聯、安全IoT應用需求的處理器，“玲瓏”為包括ISP、VPU等在內的多媒體處理器。

Vicor吳際：OAM加速卡核心供電挑戰及解決方案

Vicor 是一家領先的全球電源模塊技術公司，始終致力于為電源系統設計人員提供高級、高性能模塊化解決方案，幫助他們應對最艱巨的電源設計挑戰。在2021第四屆人工智能大會上，Vicor高級現場應用工程師吳際分享了OAM加速卡核心供電挑戰及解決方案。

圖：Vicor高級現場應用工程師吳際

隨著新一代CPU、GPU和AI處理器的推出，AI服務器的系統功率需求也在穩步增長。在機架母線設計上，從12V走向48V這樣更高的電壓已經顯現出不可阻擋的趨勢。新的PCIe卡也開始增加48V供電的支持，OCP也給出了48V的高功率方案。然而這種遷移也為設計帶來了挑戰和機遇。AI服務器從12V升級到48V，可以減少電纜數量、重量和占用空間，并降低TCO。傳輸損耗可以降低16倍，電容數量可以減少4倍。

與傳統的多項VR供電方案相比，Vicor提供的分比式電源架構（FPA）48V直接給CPU核電壓供電，減少了CPU/GPU 50%以上的PCB面積，簡化了CPU I/O布線。此外，傳統電源架構將電壓轉換和穩壓功能集成在一個模塊里設計，而FPA采用了獨立的穩壓和電壓變換單元，在整個系統上減少了大電流傳輸損耗，在DC-DC轉換過程中減少了不必要的重復設計，降低了負債點的功率損失，提高了整個系統的效率。

Vicor提供標準和可配置的PRM模塊，標準PRM是一個完整的分離穩壓電源模塊，可作為一個單獨Buck-Boost電源模塊或與VTM搭配使用。而可配置的RPM支持SiP、SM ChipPackage等多個封裝，可根據需要靈活配置本地和遠程檢測，或是自適應回路。

在VTM產品上，Vicor既有隔離架構的第一代產品，也有適用于數據中心場景的非隔離架構第二代產品。FPA技術可以讓VTM（MCM）模塊做到非常小，小到可以放在距離XPU最近的位置，實現更高功率密度和效率的穩壓調節方案。

德州儀器蔣宏：德州儀器嵌入式處理器助力您的邊緣計算與AI應用

針對邊緣計算和AI應用，德州儀器在感知、連接、安全和工業4.0等領域對嵌入式系統做出了應用創新。在2021第四屆人工智能大會上，德州儀器嵌入式產品系統與應用總監蔣宏為大家分享了“德州儀器嵌入式處理器助力您的邊緣計算與AI應用”。

圖：德州儀器嵌入式產品系統與應用總監蔣宏

隨著智能攝像頭、自動化機器和機器人的出現，AI和邊緣計算變得無處不在。TI推出了 Jacinto、Sitara和部分DSP等應用處理器，以及毫米波傳感器來應對邊緣計算和AI的挑戰。

Jacinto7 SoC / TI

Jacinto為面向高性能計算的處理器，Sitara為高度整合的合理成本SoC。邊緣AI系統如今面臨能耗比，成本等挑戰。為了打造實用的邊緣AI系統，必須要對性能、功耗、成本和開發周期做出改善。Jacinto7就是這樣一個滿足以上要求的高度整合且可擴展的異構處理器平臺，專為視覺處理和傳感器融合的邊緣AI應用設計。Jacinto-7 TDA4x將ISP、MCU和DSP等整合到一個SoC中，還納入了業界領先的深度學習加速器、機器視覺加速器等。

德州儀器借助C7xDSP和MMA打造了一個高效的深度學習加速器，可以實現8TOPs的算力。在影響和機器視覺的硬件加速器上，TDA4x可實時加速10個2MP30fps的相機，替代FPGA和定制的ISP芯片，解放CPU頻率。利用這一硬件加速器，也降低了系統功耗、延遲和BOM成本。保證性能的同時，德州儀器也沒有忘記功能安全。借助安全MCU和安全加速器，Jacinto7最高可以達到SIL-3級別的功能安全。

德州儀器也提供了云方案TI EdgeAI Cloud，方便工程師對邊緣AI應用進行快速評估。借助這套云方案，工程師可以在數分鐘內獲取延遲、FPS、精度和DDR BW等參數。

德州儀器也針對工業4.0，推出了IWR1443、IWR1642和IWR6843三款工業級毫米波傳感器。IWR6843不僅包括毫米波傳感器，還集成了硬件加速器和DSP，可以實現精準的動作檢測、點云硬件加速和用于高級算法的片上DSP。

英偉達朱敏：初創加速計劃與創新生態

英偉達不僅提供芯片，也提供算法，現已發展成一家全棧式計算公司。在2021第四屆人工智能大會上，英偉達初創加速計劃經理朱敏作《英偉達初創加速計劃與創新生態》主題分享

圖：英偉達初創加速計劃經理朱敏

在高性能計算時代，英偉達在2006年推出了的CUDA?編程模型和GPU數據中心，為通用計算帶來并行處理的能力。朱敏表示，世界前十的超級計算中心有8個應用了英偉達的GPU技術。

在加速計算方面，英偉達為當代700多個應用提供技術支持，在過去4年中，算力提升了11倍。英偉達不僅提供視頻和圖像處理的能力，在大數據處理方面，英偉達推出了Apache Spark平臺，將數據中心變成計算引擎，利用GPU作數據處理和模型分析、推理等。在防疫過程中，科學家利用英偉達的計算能力做病毒的排序、成像等，找到新的治療方式

在數據時代，英偉達推出了新的計算邏輯：新的計算單元是在數據本身做計算，也就是說數據在哪就在哪做計算。這需要三個方面做協同處理：CPU的通用計算處理、GPU的加速計算處理、DPU為數據中心的數據交互提供能力。

作為一家注重創新理念的公司，2016年，英偉達發起了“NVIDIA 初創加速計劃”。朱敏介紹，英偉達初創加速計劃是加速人工智能創業公司發展的全球生態項目，旨在培養顛覆行業格局的優秀 AI 初創公司，利用AI技術重新定義行業發展，解決關鍵挑戰。目前，全球擁有超過5000名會員單位；在中國擁有超過 600家會員企業，覆蓋30多個行業。

AI落地應用在2021年得到顯著提升

電子發燒友網主編黃晶晶在分享“2021年AI技術與應用落地報告”中指出，2021年AI應用的情況得到了明顯提升。她表示，這是電子發燒友網連續第三年輸出獨立、專業、深度的AI調研報告。

電子發燒友網主編黃晶晶

該調研得到了AI產業鏈來自芯片原廠、算法、EDA工具、IP、模組、方案和終端廠商的大力支持，其中研發崗位占比達7成以上，廣泛覆蓋到各應用領域和不同規模的公司。基本能夠真實反映出當前AI技術和應用落地情況。

其中AI采用的處理器架構和IP呈現了多元化的發展，ARM、X86架構仍然是處理器的主流選擇，但為了適應AI設計更大的靈活性、智能化和自主性，eFPGA、RISC-V也成為用戶較多的選擇。此外還有GPU、NPU IP也得到更多采用。

調研數據顯示，CPU、FPGA、MCU+DSP、GPU是采用AI芯片類型中較多的選擇。針對算力需求的調研顯示，10TOPS以下的算力占比最高。其中3-6TOPS占比20%，6-10TOPS占比19%，1-3TOPS占比16%,0-1TOPS占比12%。

在應用領域方面，消費電子、智能家居和智能安防位列用戶選擇的前三位，而在看好哪些AI應用中，安防、互聯網、醫療健康位列前三。

和2020年相比，今年AI大幅落地的驅動力仍然集中在開放的數據平臺、算法繼續優化和算力進一步提升這三大因素，不過開放的數據平臺不再是第一選擇，取而代之的是算法繼續優化。表明今年對于算法優化的意愿更強。

此外，AI項目的成功部署情況在2021年也得到了明顯改善。而目前采用AI芯片的困難主要集中在研發難度大、成本偏高和技術支持不到位。

黃晶晶還提到，國際廠商逐漸趨向CPU+GPU+FPGA的整合，國內廠商也從ASIC向GPU、DPU延伸，在當前數據安全成為AI發展需要考慮的關鍵問題，而加快AI生態建設、尋找更深的AI應用也是原廠、方案商、終端客戶需要共同努力的方向。

大會現場精彩展示