摩尔定律渐趋失效，算法即芯片时代来临。

10月27日，依图科技CTO颜水成博士受邀出席由雷锋网主办的全球AI芯片·城市智能峰会，并发表了题为“视觉计算：AI 算法 vs. AI 芯片”的演讲。

纵观历史，人类文明变迁的核心在于基础设施的升级，由此带来的直接影响是人和人之间的沟通效率和方法有显著提升。在智能新时代，视觉智能作为AI的主力军，也同样非常依赖于基础设施的变革。一方面是视觉信号的传输与存储，另一方面则是AI的算法和算力。随着IoT的发展和5G技术的普及，将会有越来越多的算力将用于视觉计算需求。

颜水成博士认为，”算法即芯片“就意味着需要让算法和芯片两者相互优化、协作开发的同时又有分层解耦，而依图承建的视觉计算国家新一代人工智能开放创新平台即应此而生。

依图承建视觉计算国家开放创新平台，突破算法和芯片对接瓶颈

“依图提出的‘算法即芯片’理念，具体是指要设计一款有竞争力的AI专用芯片，首先要明确AI芯片的典型应用场景，同时要预测最前沿算法的发展趋势，再对应优化芯片架构和工具链设计，从而使AI芯片与AI算法相互优化、协作开发，同时又分层解耦。”颜水成博士说。

今年8月，科技部宣布依托依图建设视觉计算国家新一代人工智能开放创新平台，促进AI芯片与AI算法的协作开发，从而推动视觉计算生态体系的建设。

此前，依图发布了自研的全球首款云端视觉AI芯片求索（QuestCore™），基于全球领先AI算法，发布即商用，是依图对AI算法与AI芯片协作开发理念的成功实践。

颜水成博士谈到，很多理论加速比很高的深度学习模型并不能被现在的AI芯片加速，依图承建的视觉计算国家开放创新平台希望起到连接器的作用，促进下一代AI模型和芯片相互优化加速。

创新性的网络结构可能具备非常高的理论加速比，但无法在现有AI芯片和工具链上达到理论值。通过对大量算法模型的测试报告的结果统计，算法开发者能知道自己的算法在卷积类型、操作类型、I/O的时间消耗等，并以此优化模型结构，芯片开发者则能确定芯片或工具链在下一版本的优化方向和目标，从而实现面向新型深度学习模型的芯片设计与优化。

比如，颜水成博士团队曾设计了一个More is Less结构，能够在降低模型计算复杂度的同时，让理论上的精度无损。模型虽好，但却基本没有AI芯片能够支持这种结构，即模型的理论加速值无法在芯片上实现出来。

因此，如果有一个社区能够让算法开发者和芯片开发者实时沟通，帮助芯片开发者更早地把新模型发展趋势考虑进来，就有助于让理论加速比变成实际的加速比。

视觉计算国家开放创新平台从产业角度促进AI算法方与AI芯片方相互优化，软硬件协作开发的同时分层解耦，打造算法即芯片的共赢生态，推动智能基础设施建设，从而让城市管理者和民众能够切身感受到AI的存在，全面点亮AI。

您可以复制这个链接分享给其他人：https://www.yitutech.com/node/781