在《国务院关于深入实施“人工智能+”行动的意见》发布之际，流媒体翻译系列AI相关外文，以作科普。

　　人工智能经常感觉像魔术一样。我们在聊天机器人中输入一个问题，然后收到深思熟虑的回答。我们让手机识别一首歌，它会在几秒钟内做出反应。汽车现在可以识别行人，无人机可以在拥挤的天空中导航，医疗软件可以与人类医生媲美的精度识别癌细胞。然而，在所有这些奇迹的背后，隐藏着一些深刻的物质——芯片和硬件，让人工智能有了心跳。

　　尽管人工智能在代码和算法方面非常优雅，但如果没有为满足其需求而设计的硅片和电路，它仍将是一个梦想。人工智能的故事不仅仅是关于神经网络和软件创新；这同样是为运行它们而制造的机器的故事。人工智能芯片是隐藏的智能引擎，为技术、社会和人类生活的下一波变革提供动力。

　　从通用到专用

　　在早期，人工智能运行在传统的中央处理器(CPU)上，与驱动文字处理器、电子表格和网络浏览器的CPU相同。CPU是多才多艺且高效的，但它们从未被设计来处理人工智能的独特工作负载。训练一个深度神经网络需要同时执行数十亿，有时数万亿的数学运算，这是CPU难以解决的问题。

　　进入图形处理单元(GPU)。最初设计用于为视频游戏和视觉效果渲染图像，GPU擅长并行处理——将大量任务分解为较小的部分，并同时进行计算。研究人员很快意识到，这种架构非常适合作为机器学习基础的线性代数。突然间，在CPU上需要几个月训练的模型可以在GPU上几天甚至几个小时内完成。

　　这种认识引发了一场革命。曾经属于游戏玩家和设计师的GPU成为了人工智能的支柱。但随着人工智能规模的扩大，新的挑战出现了。研究人员想要更大的模型、更快的训练和更节能的系统。这种需求开启了专用人工智能芯片的时代。

　　定制人工智能硬件的崛起

　　当人工智能的规模甚至超过了GPU的能力时，公司开始设计专门为机器学习定制的芯片。谷歌是先行者之一，推出了张量处理单元(TPU)，针对深度学习核心的张量运算进行了优化。TPU不仅仅提高了性能；他们削减了运行人工智能工作负载所需的功耗，使基于云的人工智能更容易实现。

　　其他科技巨头纷纷效仿。苹果设计了其神经引擎来加速iPhones和iPads上的人工智能，直接在设备上实现面部识别和实时语言翻译等功能。特斯拉为其自动驾驶汽车制造了定制芯片，能够在严格的功率和热量限制下每秒处理数万亿字节的传感器数据。

　　信息很明确:人工智能的未来需要根据其需求定制硬件。一刀切计算的时代正在结束，取而代之的是专门处理器的格局，每个处理器都是为不同的领域设计的——云人工智能、边缘人工智能、移动人工智能和自主系统。

　　智能架构

　　AI芯片与传统处理器的不同之处在于其架构。CPU具有灵活性，可以高效地处理各种任务。然而，GPU和AI加速器是为吞吐量而设计的:它们优先考虑同时处理许多小任务，而不是快速处理一个大任务。

　　深度学习在很大程度上依赖于矩阵乘法和向量运算——重复乘以数字数组并调整权重。人工智能芯片经过优化，可以大规模处理这些运算，通常使用简化的算法(如精度降低的浮点)来加快计算速度，而不会牺牲准确性。

　　除了原始功率，AI芯片还注重效率。训练像GPT或视觉转换器这样的大型模型会消耗巨大的能量，有时相当于为数百个家庭供电一年。人工智能硬件设计人员一直在努力提高性能功耗比，平衡速度和可持续性。

　　一些芯片采用神经形态设计，模仿大脑的结构。这些芯片不是将计算和内存分开处理，而是将它们交织在一起，从而实现更快、更低功耗的处理。其他人探索光学计算，使用光子而不是电子来传输数据，有望在速度和能源使用方面提高几个数量级。

　　边缘人工智能：源头智能

　　并不是所有的人工智能都在云中运行。智能越来越接近数据产生的地方——我们的电话、相机、无人机，甚至家用电器。这种转变被称为edge AI，它减少了对持续互联网连接的依赖，最大限度地减少了延迟，并通过在本地处理敏感数据来保护隐私。

　　Edge AI要求芯片不仅功能强大，而且小巧节能。智能手机不能像数据中心一样携带相同的冷却系统或电池储备。这就是为什么公司设计专门的芯片，如苹果的神经引擎或高通的Hexagon处理器，将人工智能直接引入消费设备。

　　edge AI的兴起不仅仅是为了方便；这是关于民主化的。通过在每个地方嵌入智能——从农村诊所的医疗设备到偏远地区的农业传感器——人工智能芯片将技术的范围从云扩展到日常世界。

　　数据中心竞赛

　　虽然边缘设备为我们的口袋带来了智能，但繁重的工作仍然发生在布满GPU、TPU和定制加速器机架的庞大数据中心。这些中心是需要大量数据和计算能力的大型模型的训练场地。

　　竞争很激烈。Nvidia凭借其GPU占据主导地位，但AMD、英特尔等挑战者以及Graphcore和Cerebras等初创公司正在挑战极限。例如，Cerebras创造了有史以来最大的芯片——餐盘大小——旨在以前所未有的速度加速人工智能训练。这一领域的每一项创新都减少了培训时间，降低了成本，并支持极其复杂的模型。

　　但是，数据中心竞赛也是一场环境竞赛。人工智能的能源需求惊人，硬件创新对于未来的可持续发展至关重要。公司正在投资液体冷却系统、可再生能源驱动的数据中心和用更少的电子进行更多计算的芯片。

　　量子视界

　　除了硅，还有一个更奇怪的领域:量子计算。与以0或1存在的传统比特不同，量子比特(或量子位)可以同时以多种状态存在。这一特性，加上纠缠和叠加，使得量子计算机执行某些计算的速度比经典机器快得多。

　　虽然仍处于早期阶段，但量子硬件有朝一日可能会以难以想象的方式加速人工智能。现在需要几周时间的训练模型可以缩短到几秒钟。困扰经典机器的优化问题可能变得微不足道。IBM、谷歌和Rigetti等公司正在竞相让量子硬件变得稳定、可扩展和具有商业可行性，人工智能是其最有前途的应用之一。

　　硬件是瓶颈和突破口

　　随着AI模型变得越来越大——有时超过数千亿个参数——瓶颈不再是软件，而是硬件。芯片制造、能源效率和数据传输速率的限制决定了人工智能可以前进多远。几十年前的摩尔定律预言，计算能力每两年翻一番，现在正在放缓。晶体管正在接近原子尺度，传统硅可能很快就会达到物理极限。

　　这个逼近的天花板既是挑战也是机遇。它迫使创新进入新领域:三维芯片堆叠、石墨烯等先进材料以及结合了经典、神经形态和量子计算的混合架构。未来的芯片可能看起来一点也不像今天的芯片，但它们将把进步的火炬带入下一个人工智能时代。

　　人工智能芯片与社会

　　人们很容易认为人工智能芯片是只与工程师和科学家相关的技术珍品。事实上，他们塑造了社会的轨迹。AI硬件的速度和可访问性决定了谁能建立AI系统，谁不能。拥有先进芯片产业的国家不仅在经济上，也在地缘政治上掌握着权力。

　　全球芯片供应链已成为紧张局势的焦点，各国在半导体独立方面投资了数十亿美元。台积电所在的台湾在制造尖端芯片方面扮演着核心角色，因此具有重要的战略意义。人工智能硬件霸权的竞赛不亚于20世纪的太空竞赛——它定义了谁在创新、国防和全球影响力方面领先。

　　对于个人来说，AI芯片正在悄然改变日常生活。它们让我们的手机更智能，我们的汽车更安全，我们的家更灵敏。它们促成了医学突破、农业效率、气候建模和科学发现。人工智能硬件的每一次进步都会向外扩散，塑造行业、文化和可能性。

　　机器的情感维度

　　我们与人工智能芯片的关系有着深刻的人性。它们是微小的、无声的硅平板，肉眼看不见，但它们却承载着创造艺术、解开谜团、甚至像活着一样交谈的能力。它们体现了我们的聪明才智，将人类关于物理、材料和工程的知识压缩成充满可能性的微观结构。

　　当我们惊叹AI的成就时，从生成音乐到解码蛋白质，我们也在惊叹让这一切成为可能的芯片。他们是无名英雄，是数字时代的隐形脚手架。他们的故事是一个耐心和进步的故事，是无数工程师和科学家在纳米和电子上努力实现曾经被认为不可能的梦想的故事。

　　前方的路

　　人工智能硬件的未来既令人振奋，又充满不确定性。神经形态芯片会解锁类脑效率吗？量子处理器会成为实用工具而不是实验珍品吗？光计算会带来速度和能耗的革命吗？每条道路都有希望，也许最终的未来会将它们结合在一起。

　　有一点是肯定的:下一波人工智能将不仅由聪明的算法来定义，还将由运行这些算法的芯片来定义。进步的速度将取决于我们能以多快和多可持续的方式突破硬件的极限。

　　旅程远未结束。事实上，这仅仅是开始。正如蒸汽机推动了工业革命，电力推动了现代时代，人工智能芯片和硬件正在推动下一波浪潮——这一波浪潮将重塑我们生活、工作和想象未来的方式。

　　结论：赋予智慧，赋予人性

　　从本质上讲，人工智能硬件的故事就是人类雄心的故事。我们寻求制造能够思考、学习和创造的机器，这样做，我们就拓展了物质本身的能力极限。每一个蚀刻在硅片上的晶体管，每一次设计上的创新，每一次性能上的飞跃都让我们更接近一个智能融入生活的世界。

　　AI芯片不仅仅是元器件；他们是变革的催化剂。他们拥有治愈疾病、应对气候变化、探索星球的力量，或许还能重新定义人类的意义。当我们站在这一新浪潮的黎明，有一个事实显而易见:人工智能的未来与其硬件的未来密不可分。

　　在这些安静的微型电路中，不仅有技术的未来，还有人类自身的希望。

　　本文译自《今日美国新闻》（Science News Today）

责任编辑：凌美