7月6日，芯原在世界人工智能大会（WAIC 2024）同期举办的“RISC-V和生成式AI论坛”上，芯原股份创始人、董事长兼总裁，中国RISC-V产业联盟理事长戴伟民表示，AIGC为端侧AI带来巨大机会，在其中，汽车便是其中最大的终端。此外，他还分享了AIGC芯片的机遇与挑战。

AIGC正在掀起算力革命

戴伟民表示，数千年前，人类的脑力和肌力发展相对缓慢。自1800年机械化革命以来，机器逐渐替代了人类的体力劳动，随后脑力劳动也呈现出快速增长的趋势。在AIGC的推动下，各行业对人工智能的应用正加速进行。在ChatGPT之前，人工智能尚处于“弱智能阶段”，即使在某些领域表现出色，如棋类游戏，也未能达到真正的智能水平。然而，当前我们已迈入“强智能时代”，人工智能的能力得到了显著提升。

1950年图灵曾预测，在60年至100年之内，即2010年至2050年之间，超级人工智能可能会出现。而库兹韦尔则进一步预测，这一变革可能在本世纪二十年代发生。

“我曾以为超级人工智能的出现将在遥远的未来，如三十年、五十年之后，但现实可能更为紧迫。”戴伟民对此举出两个例子，一是去年3月，马斯克签署了一封公开信，呼吁暂停相关技术的研发六个月，以审慎评估其潜在影响；二是2024年4月前OpenAI的安全研究员因“泄露信息”被解雇他预测：在2025-2026年人工智能将超过大学生智力水平，2027年AI模型将能够完成人工智能研究人员/工程师的工作，2027年一个领先的人工智能实验室将能在一分钟内训练出一个GPT-4级别模型。

随着人工智能和模型规模发展逐渐加快，训练计算量也呈指数级增长。

端侧AI将会成为市场趋势

自去年起，众多大型模型纷纷涌现，其中GPT-4最具代表性。随后Gemini等模型相继问世。谷歌在这一领域稍显滞后，一是需要克服自身设计与模式的惯性，这自然带来了一定的挑战，二是谷歌也面临着安全等问题的考量。

在Gemini模型之后，谷歌发展方向有所调整，不再沿用BERT的命名。与此同时，OpenAI推出了Sora模型，谷歌则紧随其后发布了Veo模型，呈现出激烈的竞争态势，各方实力相当。谷歌进一步推出了多模态交付的模型，而GPT-4o也再次崭露头角。

值得注意的是，近期有两位哈佛大学生辍学投身于专用Transformer芯片的研发，这一事件与英伟达近期股价波动之间的关联尚待观察。

这一年以来，大模型领域可以说是“百模大战”，也可以说是“群模乱舞”。戴伟民强调，实际上，我们不需要这么多的大模型，这样是非常浪费电的。除了充当“树干“的云上训练卡和“树枝”的微调卡以外，还需要充当“树叶”的端侧推理卡。在戴伟民看来，端侧卡在未来的重要性会甚至会超过云上的训练卡，并且到2028年，用于端侧微调卡和推理卡的销售额将超过用于云侧的训练卡。

当然，对于云端的计算卡，芯原也会继续布局，这些算力将会支撑大模型和AIGC发展。到2030年，关键计算领域的半导体收入将达数万亿美元。

此外，生成式AI将会驱动服务器领域半导体收入增长，到2030年，生成式AI将使服务器领域的半导体收入增至三倍。

芯原的边缘AI方案

芯原在边缘AI方面拥有与很多产品。

神经网络处理器 (NPU)方面， 已在全球累积出货超过1亿颗，已被72家客户用于其128款人工智能芯片中，拥有超过10个市场应用领域

图形处理器 (GPU) 方面，已在全球累积出货近20亿颗，经过近20年的嵌入式市场耕耘，目前芯原已经拥有70项国内外专利，近千万辆汽车搭载了芯原的IP。芯原GPU得到了各种广泛的应用，其核心技术在于图形运算及渲染、 3D 建模、2D或 3D图形加速等图形处理，适用于大型并行运算应用，以及云游戏、大型桌面游戏。

视频处理器 (VPU)方面，已经达到全球领先水平，该产品能够利用AI赋能智能视频处理，实现预测性视频质量优化，专用视频处理单元，可以实现高密度、超低时延流媒体，同时具备成本效益规模，帮助视频协作、云游戏以及交互式流媒体不断加速。

“汽车会是最大的终端，它相当于一个带四个轮子的机器人。”戴伟民分享道，目前芯原已有稳定的客户群体，共计20家。最近，成功为一家知名车厂提供了5nm技术的解决方案，车规级产品的制造确实具有相当的挑战性。

这家欧洲大型厂商明确表示，不追求大规模生产大晶片，而是专注于特定领域的几块产品。同时，这家厂商鼓励芯原各自承担不同的生产环节，最终由他们进行整合，这种合作模式非常高效。

2010年的iPhone4，开启了2013年~2015年的移动互联网“牛市”，戴伟民认为，2023年的ChatGPT为代表的大模型引领大算力硬件的“牛市”，这一牛市将在2026年或最晚2027年到来。