「创芯」的热潮一波接一波，带来了新的思路、新的技术、新的产业，也成就了大批卓有贡献的科学家、工程师和发明家。关于 AI 算法和 AI 芯片的专利申请和研究论文的数量正在「爆炸式」增长；AI 产业也不靠几家大型企业垄断，而是靠充满活力、成长中的千万个中小型企业和大量的科研机构，这些是 AI 创新真正的源泉。
AI 芯片是有效的 AI 系统的核心。但是真正可以实现的 AI 应用，需要 AI 和计算机系统工程来完成。对基于深度学习技术的 AI 系统来说，未来需要构建一个可以处理数百万个任务，并学会自动完成新任务的机器学习系统。这将是一个真正的巨大挑战：它将需要许多领域的专业知识和新的进步，涵盖 AI 芯片设计、计算机网络、编译器、分布式系统和不断改进的机器学习算法。
基于类脑芯片的 AI 系统的挑战将会更大，它既要达到生物大脑的神经元和突触数量的规模，研究和搞明白生物大脑的思维和记忆功能，成为一个能独立解决新任务的系统，又要把硬件的整体能耗大幅度降下来。
AI 芯片不是单个领域，而是一门跨界、跨学科的技术。如果要在 AI 芯片的性能上有重大突破，研发人员必须具备跨界的知识和经验。软件编程人员要了解硬件设计，而硬件设计人员要熟悉算法和编程。图 17.11 为与 AI 芯片设计相关的人才需求，涉及很多领域。
图 17.11 与 AI 芯片设计相关的人才需求
这些领域大部分与目前大专院校所设置的学科基本是对应的，如大学里有数学系、计算机科学系及电子工程系等。但是，在理工类大学设置的学科中，往往缺少脑科学及认知科学。
未来，脑科学、认知科学方面的人才是实现新的 AI 芯片的关键人才。解剖学的进展表明，大脑网络（连接体）在脑智能中发挥着重要作用；可以对情节记忆之类的大脑功能进行建模，以加速模仿过去体验记忆的 AI 学习。甚至整个大脑功能也可以建模为多个
（本章节未完结，点击下一页翻页继续阅读）
正在加载...