随着人工智能的进一步发展，计算硬件和内存都将到达临界点，CPU、GPU等通用芯片已经无法满足AI时代的需求。
软件是人工智能芯片的灵魂
国内人工智能芯片的硬件设计水平与国外接近，但软件生态却是薄弱环节。人工智能芯片明明是硬件，和软件又有什么关系？
人工智能芯片本身只起到加速的作用。除了少量定制化人工智能芯片具备一定功能外，大多数人工智能芯片本身并不具备功能，它们的功能必须结合相关软件来实现。
算法是软件的重要组成部分，它相当于人工智能芯片的灵魂。除了算法本身，软件层面还包括算法的移植、芯片驱动程序、配套软件工具、人机交互界面等等。这就像电脑不仅仅需要好的处理器，还需要好的操作系统一样。
在人工智能芯片涉及的软件领域，国内的算法开发平台仍比较少，一些已有算法开发平台，在人机交互与资源管理方面，与国外相比仍有一定差距。另外，一些前瞻性人工智能芯片的核心算法、核心架构，还有待提升。
软件和使用侧结合得更多。人工智能芯片的硬件固然重要，但是如果软件做得好，可能更胜一筹。一些非常厉害的算法团队和软件团队，甚至可以在十分普通的芯片上，实现神经网络加速芯片的加速效果。
阻碍AI芯片的内存墙问题
AI芯片对于传统芯片带来的挑战，并不只是计算架构上的，更多是在存储架构间的。
传统的芯片采用的是冯·诺依曼架构，其核心架构中计算模块和存储单元是分离的。CPU和内存条并不集成在一起，只在CPU中设置了容量极小的高速缓存。
也就是说，CPU在执行命令时必须先从存储单元中读取数据。每一项任务，如果有十个步骤，那么CPU会依次进行十次读取，执行，再读取，再执行……这就造成了延时，以及大量功耗花费在数据读取上。
这一问题也被称为传统芯片的“内存墙”问题。
而在AI 应用中，冯·诺伊曼“瓶颈”问题显得愈发严重。AI依赖的算法是一个庞大和复杂的网络，有很多参数要存储，也需要完成大量的计算，这些计算中又会产生大量数据。在完成大量计算的过程中，一般芯片的设计思路是大量增加并行的运算单元，例如上千个卷积单元，需要调用的存储资源也在增大。
不夸张地说，AI初创芯片公司虽然采用不同的路径打造芯片，但事实上都在努力对这一问题予以解决。大部分针对 AI，尤其是加速神经网络处理而提出的硬件架构创新，都是在与这个问题做斗争。
而成立于2017年的AI芯片初创公司探境科技，也在这一路途上跋涉。不过不同的是，探境科技选择另辟蹊径，直接从存储子系统的优化入手，解决“内存墙”问题。
中国芯片短板亟须打破
小小的芯片对未来的全球经济、科技所产生的巨大影响不容忽视，但直到现在我国市场上的芯片绝大部分还从国外进口，好在，以AI芯片为典型代表，中国正成为全球人工智能版图最有潜力的组成部分。
具体来说，AI要从应用适应硬件走向硬件适应应用，就要求AI芯片具备可编程性、动态可变的计算架构，来应对层出不穷的新算法和新应用。芯片一要适应算法的演进，二要有适应所有应用的架构，这就要求架构具备高效的转化能力。在成本敏感的消费电子领域，还需关注AI芯片的计算效能，达到低功耗、小体积、开发简易，这些都需要探索架构上的创新。
全球AI芯片产业仍处于产业化早期阶段，国产处理器厂商与国际厂商在人工智能这一全新赛场上处在同一起跑线。
