国内的芯片产业有多火？越来越多的新兴技术公司推出了适用于特殊场景的专用芯片。然而，在芯片“井喷”的背后，也暗藏着不少问题。
图片来自网络
AI行业涌现出种类繁杂的A I加速芯片，但这些功能复杂多样的芯片却没有一个统一的衡量标准，去评估计算性能、单位能耗算力的具体情况。据中国信息通信研究院云大所人工智能部副主任、中国人工智能产业发展联盟（AIIA）总体组组长、南京新一代人工智能研究院院长孙明俊表示。同时，对于那些想要购买芯片的需求方来说，也难以从厂商的官方信息中判断该芯片是否可以满足真实场景的需求。
更关键的是现有的基准测试不适合评测AI芯片，在这种供需信息不对等的情况下，更迫切需要一个中立第三方去给出合适的评估解决方案。
南京新一代人工智能研究院就担负起了这个评估的工作。去年，中国人工智能产业发展联盟联合阿里巴巴集团、百度、寒武纪科技等多家企业，推出了AIIADNN benchmark ——人工智能端侧芯片基准测试评估方案。
在2018 AIIA人工智能开发者大会上，孙明俊代表中国人工智能产业发展联盟发布了该评估方案的V0.5版本。
“为专用的芯片设立一个基准测试是非常重要的工作。”孙明俊强调测试平台在整个AI产业发展中的重要性和关键性，“这是产业链中不可或缺的一个环节。特别是在产业发展的初期，技术路线尚未明确的情况下，一个好的基准测试应该做到的是树立清晰的指标技术竞争体系，这即可以帮助企业快速进步，同时也客观反映当前产品现状，一个行业如果充斥着太多鱼龙混杂的产品，就很难走下去。”
图片来自网络
虽然A I 芯片评测工具已经推出，但是考虑到专用芯片的复杂性，也给评估工作带来一些困难。孙明俊表示适配的难度之外，由于芯片上搭载的场景也非常多，所以需要测试的场景相应也会很多。另外时延、带宽、能耗也都要纳入考虑范围，再加上各种神经网络模型有不同参数，不同参数下又有不同的输出曲线，所以测试基准工具也得不断地迭代下去。
虽然有很多企业也在做AI芯片的基准测试，但是整个业内似乎还缺少统一的标准。
对此，孙明俊解释道，“A I 基准测试之所以还没有任何一家企业被公认为标准的行业测试体系，其原因就在于人工智能处理器的多样化，处理器的尺寸、功能、构架、制程不同，应用的领域、范围、特定场景不同，也就导致了人工智能处理器的复杂化。”而评测体系如果想要建立好，就必须把所有处理器可能遇到的场景和问题考虑进去。为了吸引更多的企业参与到专用芯片测试中，目前DNN benchmark V0 .5 评测工具已经在相关网站上开源。
（来源：江苏科技报）