工信部印发一份与人工智能相关的通知

10月14日，工信部印发了一份与人工智能相关的通知，宣布开展2021年人工智能产业创新任务揭榜挂帅申报工作，进一步探索完善揭榜挂帅机制，促进企业创新。对于人工智能这种科研密切相关的技术，“揭榜挂帅”的模式有效杜绝了“论文导向”的科研怪圈，转为以需求和成果为导向。申报并入围后，相关单位将开展技术攻关，工信部将在两年内跟踪测评，最终选出优胜单位。

本次揭榜挂帅工作分为三类创新任务，芯片、传感器、框架与开发服务平台等核心基础任务，机器翻译、身份识别、语音交互、自动驾驶仿真、智能机器人/无人机等智能产品任务，以及训练资源库、预训练模型、安全监测平台等公共支撑任务。

实际上，早在去年，工信部就公布了新一代人工智能产业创新重点任务揭榜优胜单位名单，业界不少头部AI产品与方案均获此殊荣。该名单的筛选工作从2018年底就已经启动，经过持续的评定才决出优胜单位。而此次发布的2021年申报指南中，工信部为2023年的国产AI发展定下了不少参数目标，我们不妨用这些目标与现有产品的参数做个对比参考。

云端人工智能芯片——高算力低功耗

在云端人工智能环境中，训练芯片与推断芯片都是不可或缺的。申报指南给出的预期目标里，工信部指出到2023年，人工智能的云计算环境需要支持三种以上主流神经网络的训练与推断，比如计算机视觉、自然语言处理与智能语音等。与此同时，训练与推理芯片可支持FP32、TF32、FP16与INT8等常用计算精度。训练芯片要求算力达到32TFLOPS@FP32、64TFOPS@TF32、512TOPS@INT8，但芯片的典型功耗不得高于400W。

直接给出这些参数可能难以理解其概念，我们先拿现有的几个旗舰训练芯片对比一下，比如位列揭榜优胜单位的寒武纪。寒武纪的思元290基于台积电7nm工艺，算力达到512TOPS@INT8，且功耗只有300W。华为的昇腾910芯片同样采用了台积电7nm工艺，算力达到640TOPS@INT8，功耗为310W。

然而在AI训练中，往往需要用到FP32以上的高精度或混合精度，因此目标中32TFLOPS@FP32与64TFLOPS@TF32等参数反而更加关键。燧原科技的邃思2.0芯片目前看来在单精度浮点计算上性能最高，该芯片采用格芯的12nm工艺打造，其算力指标最高达40TFLOPS@FP32，且支持TF32精度并实现160TFLOPS算力，最大功耗也只有300W。

那么这个基准线与国外大厂相比又如何呢，我们可以对比英伟达最新的A100芯片，该芯片也用到了台积电的7nm工艺，算力表现分别是624TOPS@INT8、19.5 TFLOPS@FP32，最高功耗为400W。特斯拉在近期公布的D1芯片，也只做到了22.6 TFLOPS@FP32和400W的性能。如此看来，这确实是一个高规格的预期目标，不过决定云端人工智能芯片表现的不仅是算力与功耗，还要看其扩展能力与带宽等。

车规激光雷达——距离、FOV与分辨率

面对智能传感器，申报指南中重点提及了车规级的摄像头与雷达等传感器，其中车规级固态激光雷达要在自动驾驶场景下实现250米以上的探测距离，视场角范围为120°x 20°，水平与垂直角分辨率均要小于0.075°。

我们还是先来看进入上次优胜名单的单位，深圳激光雷达公司镭神智能。镭神智能的LS21G是一款车规级的长距混合固态激光雷达，选用了1550nm的激光光源，视场角范围为120°x 25°，测距范围达250米，分辨率高达0.075°x 0.05°。

岭纬智能的固态激光雷达Titan M1-Pro也拥有优异的指标，其视场角范围同为120°x 25°，测距范围可达200米，水平角分辨率为0.03°，垂直角分辨率为0.05°。与LS21G一样，Titan M1-Pro也是采用了1550nm光源的MEMS激光雷达。

单论视场角范围的话，其实国内不少固态激光雷达都能实现这一指标，只不过要想实现0.075°的分辨率和250米以上的探测距离，就称得上一大挑战了。如果只要求实现20°的垂直视场角的话，为了做到0.075°的分辨率就必须做到至少200以上的等效线束。不仅如此，由于功率限制、光源和测距方式的不同，200米成了诸多激光雷达的探测距离极限，哪怕是国外的顶级激光雷达也少有达标者。

当然了，这些参数只能决定一个前向长距激光雷达的一部分性能表现，不少短距激光雷达虽然探测距离短，却可以做到更高的分辨率。何况纸面参数不能决定一切，通过车规、实现量产等因素，才是激光雷达商业化的根本。申请单位填报的也不只是参数，产业化与应用情况也是最终的优胜评定项之一。

小结

在这份申报指南中，工信部已经为人工智能的创新给出了相当详细的攻坚方向，足见国家对AI产业的重视。除了相关企业外，高校和科研院所同样是创新的中坚力量，尤其是在公共支撑类产品的建设上。在产学研的共同努力下，揭榜挂帅这种模式才能发挥出国内AI最大的优势。

责任编辑：haq