中国如何发展自主可控和开放的科技产业

智能计算机是我国建立自主可控和开放产业的机会吗？

尽管智能芯片通常以加速器（PCI－E卡）的方式依附于通用计算机部件，独立性受限，但是以智能芯片、系统、算法和行业应用为代表的智能计算机产业仍是一个难得的产业机会，至少为我们提供了在特定应用领域建立自主可控和开放产业的机会。

通用计算机发展遇到了巨大的技术障碍，在特定领域做软硬件协同设计是国际学术界的共识。人工智能和大数据有融合的趋势，无论在端（IoT）、数据中心、高性能计算机，还是在最新涌现的边缘计算（edge computing），应用的深度和广度都在增加，而我国在智能计算领域有一批和国际同行齐头并进的企业和研发机构。例如，中科院计算所的“寒武纪”是大规模深度学习加速器的国际先行者；本文作者担任执行委员会主席的国际开放基准测试委员会（BenchCouncil， http：／／www．benchcouncil．org）联合国内外领先机构研究与开发了面向 IoT（端）、Edge（边缘）、数据中心和高性能计算机的人工智能和大数据测试标准BigDataBench，将为产业的良性竞争提供评价依据。Bench Council 在 2019 年发起了人工智能实验床“泰”计划，为人工智能等新技术的评测、模拟、验证、教育、培训和推广提供统一的平台，有望成为智能计算产业的加速器，受到国际高性能计算权威媒体 HPC Wire、新华社等媒体广泛关注。我国不少企业也积累了海量的应用领域数据和针对特定领域应用优化的深度学习算法。

我国在超级计算机领域有着深厚的积累，智能计算又为这个领域夯实了基础。例如，在高能物理、天气预报、宇宙学，基于深度学习的算法提供了新的计算途径。智能超级计算机将成为新的增长点。

智能计算机整体上仍然依赖于通用计算机体系结构，我们不需要重起炉灶，可以借助整体计算机产业的发展；而智能计算机作为一个重要的主干分支，可以相对独立发展，获得完整的知识产权体系。

随着对智能计算这个领域有着更深地理解，我们会发展出更通用的计算抽象，从而研发出能适用更多应用场景的相对通用的计算系统。例如，我们最近的工作将大数据分析和机器学习算法（深度学习是其中一个分支）统一为 8 类基本计算单元^［7］，包括矩阵计算、图计算、逻辑计算、变换计算、采样计算、集合计算、排序计算、统计计算，而每一个大数据分析或者机器学习负载都可以认为是一个或者多个计算单元的组合。在这个工作基础上研究的计算机系统有望适应更多的大数据和人工智能应用场景。这样的研究努力旨在避免为每一类应用单独设计一个加速器。不难想象，如果在一个通用计算部件上增加大量不同类型的加速器，必然给资源共享设置技术障碍。

综合以上原因，有理由相信我国有机会在此基础上发展一个相对自主可控并兼顾开放的产业。当然，我国在产业基础上仍然存在显著不足。例如，在智能系统上，我们依赖于 TensorFlow 等开源系统；而在算法上，我们依赖于大量的开源项目。考虑到 Google 等公司申请了大量的专利，这些可能成为先进国家出口管控的依据。据中美两国执业律师金依依的分析，这些国家已经发布了征求意见的管控草案。另外，智能芯片以 PCI－E 卡的方式存在，依赖于现有通用计算机系统。一旦通用芯片和系统被管控，仍然会出现“卡脖子”现象。然而冰冻三尺非一日之寒，我国如果无法建立有竞争力的应用科学技术体系，只能全盘复制，或在枝干或旁枝末节处改进已发展好的成熟技术。

基于这些理由，Bench Council 联合相关方于 2019年 6 月将共同主办 BenchCouncil 2019 国际智能计算机大会，以研讨、展览和路演智能芯片、系统、算法、脑科学、智慧医疗、金融、社会治理、教育、产业互联网为目标；并同期举办 Bench Council 国际人工智能系统大赛，在 Bench Council 人工智能实验床上举办“寒武纪”、RISC－V、X86 系统竞赛以及算法竞赛，培养人工智能后备人才。