“深化大数据、
人工智能等研发应用，培育新一代信息技术、高端装备、生物医药、新能源
汽车、新材料等新兴产业集群，壮大数字经济。”，“打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能。”……刚闭幕不久的中国两会上，
人工智能（
AI）连续第三年被写入政府工作报告中，并首次将
人工智能衍生为“智能+”的概念。作为国家战略的
人工智能将加速与产业融合，为经济结构优化升级发挥重要作用。
在近日举办的第八届EEVIA年度中国ICT媒体论坛暨2019产业和技术展望研讨会上，
人工智能也是其中的一个重要主题。自适应和智能计算的全球领先企业
赛灵思公司
人工智能市场总监刘竞秀在“
FPGA —
人工智能计算的加速引擎”的主题演讲中开场就对“智能+”概念作出了通俗的诠释：“
AI的本质就是高性能计算，就像电力一样是一项通用能力，是能对所有行业进行产业升级以及产品迭代起促进作用的存在。”
刘竞秀：
AI的本质就是算力，是像电力一样的一项通用能力。
破解两把“剪刀差”的掣肘，关键“方法论”是FPGA
对
人工智能落地速度的表现刘竞秀似乎并不满意，他认为当前顶多应该算是“智能服务”的时代，而不是真正
人工智能的时代。他将当前的语音人机对话、智能视频应用等落地项目认为是比较初期的智能应用，“例如，人机对话可以用于最基本的生活服务，但很难真正对话超过20句，后面基本上是尬聊。”与产业和媒体关注热度相比，
人工智能这几年真正落地的速度有点慢，刘竞秀给出了两个剪刀差阻碍发展的关键判断。
首先是海量的数据和计算
芯片所能够提供的处理能力之间的“剪刀差”，主要表现在受限于摩尔定律，传统
芯片算力的进步已经远远跟不上爆炸性增长的数据对算力的需求；其次是
芯片开发的长周期和快速迭代的市场和技术发展之间的“剪刀差”，传统
芯片开发的完整的流程通常长达18~24个月，然而当前的
AI项目经常需要几个月就提出解决方案，从而抢占市场。按照过去的
芯片漫长的研发流片流程，当
芯片出货时市场需求可能已经发生了根本的改变。
另外一个不争的事实是，目前
AI芯片已经发展到需要采用28纳米甚至16纳米制造工艺，倘若
AI算力的需求全靠工艺的迭代，所需的资金投入和风险都是一般中小企业或创新创业企业难以承受的，而且鉴于时间窗口问题，几乎没有企业愿意或有实力在这块市场进行尝试。“因此具备可编程性且灵活多变的
FPGA便成了最好的选择。
人工智能创新企业可以将其核心研发资源聚焦在特定领域（算法和框架方面）和应用上，从这些层面来创造更多的价值。”刘竞秀指出。
从硬件平台到算法模型，完整工具链让AI轻松落地
人工智能的爆热与庞大的市场前景为全球
半导体市场注入了“兴奋剂”，也为几乎所有的
半导体公司所觊觎。目前，市场上已不断有各种新的
处理器产品方案发布。“把
芯片本身做出来不难，但如果没有足够高性能的软件、生态环境、工具链以及各种参考应用，应用落地将需要花费更长的时间。”刘竞秀表示。对于
赛灵思，丰富的
FPGA传统
芯片组合以及创新的ACAP平台为
AI落地提供了众多选择。“对于客户
AI开发而言，传统的解决方案提供的支持还远远不够，
赛灵思为客户提供了更多的不同层次的支持，除了底层硬件、各种IP以及软件，还提供了应用层各种神经网络模型。”刘竞秀指出。
赛灵思公司拥有非常丰富的神经网络模型库。据悉，仅视觉相关的神经网络模型就超过70种。随着在
AI市场的快速崛起，
赛灵思正在从传统的
芯片提供商向平台方案提供商转变。
人工智能在具体应用场景的落地是一个复杂的开发过程。据悉，传统
处理器开发周期可以达到三至六个月，甚至一年都是常见的。刘竞秀强调。速度对当前的
人工智能创业公司和合作伙伴而言是最重要的考虑要素之一，通过快速实现原型机，从而尽早去实现真正的场景性能、功能迭代和数据收集，才能将产品比别人更快地推向市场。
