鲲云科技创始人牛昕宇在CAISA芯片发布会上介绍芯片性能

CAISA芯片

人类即将跨入“算力为王”的智能化社会，一款高性价比的人工智能芯片的规模化应用，相当于我们拥有了智能化时代的“廉价石油”资源。人工智能赛道是大国竞争最为关键的竞技场，在中美科技竞争愈演愈烈的今天，人工智能芯片环节实现自主可控已成为国家科技创新志在必得的战略目标。

近年来，芯片领域的新品发布和技术突破的信息充斥媒体，但这都是在传统的技术路线上取得的局部进展，改变不了国际巨头在技术和生态环节的垄断地位，也因此无法摆脱技术卡脖子问题的困扰。鲲云CAISA芯片的发布受到官方重视的一个很重要的原因是，他们通过一条新的技术路线——数据流架构，实现了人工智能芯片的量产，从根本上解决了人工智能领域芯片被卡脖子的问题。目前市面上的国产芯片提供商，推出数据流AI芯片，并且公开第三方实测benchmark报告的，鲲云是第一家。

解决应用场景规模化落地，才能实现产业化

    CAISA芯片的量产和实测性能获权威认证，还只能说是完成了从0到1的突破，在商业上能否成功依然存疑，毕竟太多的技术公司未能越过成长过程中的“死亡谷”。简而言之，CAISA芯片需要解决应用场景的规模化落地，才能实现产业化的目标。近年来，鲲云科技先后与英特尔、戴尔、飞腾、上海微电子、南方电网、中国联通、中国石化等行业龙头企业达成战略合作，满足不同场景的人工智能计算需求——搭载CAISA芯片的星空X3加速卡、星空X6A边缘小站、星空X9加速卡等在智能制造、智慧能源、数据中心等多个领域实现规模化落地。今年初，深圳暴发新冠疫情，鲲云科技推出的电子哨兵在深圳大面积快速部署，有效解决了大人流情况下的无接触疫情管理难题，成为深圳疫情防控的一个亮点。

鲲云CAISA芯片的面世也在业界引起广泛关注。该产品基于自主原创的技术优势，先后斩获国内人工智能重大奖项：2021世界人工智能大会的最高奖项“卓越人工智能引领者”奖、吴文俊人工智能芯片专项一等奖，鲲云科技的创始人牛昕宇获得深圳科学技术奖“青年科技奖”。这些奖项无一例外都把技术的先进性和规模化应用场景落地作为评选的重要标准。鲲云CAISA芯片和鲲云公司能在多轮严格的专业评审和激烈的行业竞争中脱颖而出，说明了两点：一是其技术能力被各路专家高度肯定，二是产业化进展得到认可。

    鲲云科技是由英国皇家工程院院士、帝国理工学院教授陆永青院士和其得意学生牛昕宇博士2016年在国内共同创立的研发型公司，专注于定制数据流架构的人工智能芯片研发和产业化。组建海外团队、推进源头创新、创办研发型公司、开辟人工智能赛道、研发芯片产品，鲲云科技用了5年时间实现源头创新产业化的重大突破，诠释科技前沿的“硬核”实力。

    在硅谷，类似于鲲云这样的成功案例几乎是一个标准化的路径模式，但是在中国，尽管我们的制度设计一直追求这样一种源头创新的实现路径——成果转化的路径模式，但这种模式很少发生。更多的是在应用端和需求端通过跟随式创新逐渐成长起来的技术公司。鲲云这类公司是基于国外大学源头创新与国内应用场景结合成功的典型，如何把这样一种非典型样本变成中国未来产学研的通用模式，是我们剖析鲲云案例希望达到的目的。

启示一：问题导向的源头创新

     源头创新一般是指发生在基础研究阶段的科研活动，大家习惯于认为基础研究是一种基于科学家兴趣的自由创新。但其实在现代科学研究中，基于产业问题导向的基础研究活动所占的比例越来越高。1991年，陆永青还是牛津大学的一个博士后，他在分析芯片产业底层技术逻辑时发现，依据摩尔定律提升芯片性能的成本会越来越高，最后必然存在天花板效应，形成算力的瓶颈，需要寻找一种新的芯片架构来突破指令集架构的算力瓶颈。这是30年前，一个博士后发现的产业问题。在传统指令集架构仍是主流的技术路线之外，陆院士看到了数据流的力量，足见其独到的前瞻意识。

    如何把上述产业问题凝练成一个科学问题？陆永青发现，对于大规模计算芯片来说，冯诺伊曼体系架构中数据搬运和计算是串行进行的，因此造成了一个典型问题：出现冯诺伊曼瓶颈/内存墙——在运算过程中存在闲置的计算单元，这些计算单元在计算中要么等待指令，要么等待数据，导致芯片的利用率不高。经过产学研持续互动，陆永青最终确定，采用数据流的架构是解决问题的方向，他完成了从产业问题向科学问题的转化，并且最终取得了成功。

    在这个过程中，发现产业问题并将其转变为科学问题是源头创新的关键一步。创新技术道路的选择，也决定了是追随还是突破。

启示二：源头创新要甘于寂寞

     1991年，陆永青才30岁，自从他确立了数据流架构芯片技术研究方向，就一直在这个领域持续耕耘了30年。他也从一个博士后研究人员成为世界范围内数据流芯片架构的奠基人，入选英国皇家工程院院士。我曾经反复追问牛昕宇，陆永青漫长的数据流架构科研生涯中的高光时刻是什么时候，我脑海里最初的画面是在基础研究环节一定有那么一两篇在顶级刊物上发表的突破性文章，代表着源头创新的标志性成果，然后进入成果转化的阶段。但牛昕宇的回答出复我意料：“并没有什么戏剧性的发展，真实的研发是围绕着本源问题一步步迭代，日拱一卒，所以我经常想起一句话‘善战者无赫赫之功’，数据流架构的积累是一场战争，一两个战役的胜败并不影响战争的胜败，真正关键的问题仍然是：最初本源的问题和思路是否真实，以及能否实事求是遇到问题解决问题”。记得鲲云科技在融资的时候有人质疑，一个成立仅5年的初创公司要量产芯片？是否道阻且长？我当时的回答是，这个公司有30年的技术积累。

    在复盘鲲云科技成长的过程时，我也突然明白一件事，陆永青并非因为是英国皇家工程院院士才能干成源头创新的成果，正是陆永青博士在数据流芯片架构方面的突出成就被评为英国皇家工程院院士。中国在解决源头创新问题时，最为重要的是发现和培养一批批“陆永青博士”，而不是简单地把资源都集中配置在功成名就的院士身上。

启示三：产学研的内在逻辑

     1991年，陆永青博士在定义数据流科学问题的同时，发起成立了“牛津逻辑编程与应用领域国际研讨组”（International Workshop on Field Programmable Logic and Applications，Oxford）这么一个产学研合作交流平台，每年一次组织科学家与产业界围绕数据流架构开展持续研讨。后来，这种机制由小型沙龙变成了具有国际影响力的大型会议“逻辑编程与应用领域国际研讨会”（International Conference on Field Programmable Logic and Applications），年复一年，从不间断，到今年已经累计召开了32届。伴随着产学研交流持续进行的是数据流架构的不断迭代演进，从一个科学问题逐步进入产品化的阶段。

    我们看到，一个好的科学问题被定义后，产学研的精英很自然的聚集到一起，并不需要借助外力更不用说行政手段。陆永青院士的案例说明帝国理工学院的科学家和产业界在解决问题的逻辑一致性方面达成了高度共识，解决问题和为社会进步做贡献被置于绝对优先的位置，论文、院士头衔是衍生产品。在这样的共识下，知识和信息在产学研之间流动变得十分自然和快捷，旋转门的机制也得以形成。2016年，陆永青的弟子牛昕宇辞去帝国理工学院实验室负责人的职务，完成旋转门角色的关键转换，从大学的研究员变成了鲲云科技公司的创始人（陆永青担任首席科学家）。

    在CAISA芯片技术从实验室走向市场的关键环节，科学界和产业界能否在解决产业问题上达成共识，建立起产学研协同的底层逻辑十分重要，有了这个基础，知识、信息和人才的流动是顺理成章的事情。

启示四：选择新的技术路线

     陆永青当初在定义科学问题的时候，比别人更早看到了指令集架构芯片存在的局限性，并且找到了解决这种局限性的技术路径——数据流的芯片架构，这才使CAISA芯片能在英伟达和英特尔这些巨头的阴影下找到突围的机会。尽管鲲云团队当初并不存在解决卡脖子问题的考量，但CAISA芯片的发展过程依然给我们一些重要的启示：大国竞争背景下，在重大的技术领域采用跟随式创新很难从根本上解决卡脖子问题，设计、选择新的技术路线是源头创新需要着重考虑的问题，在交叉学科兴起的时代，采用新的技术路线达成创新目标的机会应该比以往更多。

启示五：研发型公司——从0到1的重要一环

     实验室成果能否变成成熟的产业技术，成立研发型公司并顺利跨越死亡谷是一个决定性的环节。经常有人把实验室的成果说成是卡脖子技术的突破，这其实是一个严重的误导。只有在商业主体里经过市场严酷的检验后的技术才有可能真正解决卡脖子问题。2016年1月，鲲云科技公司正式注册成立，标志着数据流架构的芯片技术开始从一种科研的活动转变为一种经济活动。科学家需要通过管理、市场、工程、资本、政府等各个环节的锤炼完成向企业家的转变，企业也需要完成产品和商业模式的验证，才算实现了从0—1的突破。从2016年至今，鲲云CAISA芯片已经成为全球首款数据流架构实现量产的人工智能通用芯片，带领上百人的研发队伍，完成五轮融资，形成规模化营收，在人工智能项目疯狂烧钱的今天，鲲云科技用扎实的场景落地不断赢得市场和客户的信任，预计2022年能够实现营收平衡（去掉芯片流片的一次性投入），在时下的人工智能企业实属可贵。

    除了团队自身的努力之外，鲲云科技能够快速迈过研发型公司的死亡谷，完成从0到1的跨越，公司当初选择在深圳落地也是一个很重要的因素。我曾经问过牛昕宇，为什么没有继续留在英国完成创业，他的回答是：对于在人工智能领域创业的公司而言，所在地应用场景的规模性（潜在的市场规模）对创业能否成功至关重要，包括英国在内的欧洲国家的市场容量都不足以支撑人工智能技术的商业落地。这是他们选择回国创业的一个很重要的考虑，而深圳又是国内人工智能应用场景最为丰富（超过2000万的数字化居民）超大型城市，数字化基础设施先进，公众对新技术的理解和接受度高，这些都是研发型公司成长的重要条件。

启示六：政府正在成为人工智能应用端创新的组织者

     以人工智能为代表的新一轮数字技术创新出现了一些新的特点：技术研发的跨学科、商业经营的跨行业、政府管理的跨部门，新的商业模式需要政府同步的研发管理规范才能完成商业落地的最后一公里。同时，作为智慧城市的管理者，政府拥有最为庞大和相对成熟的人工智能应用场景。这注定需要政府在人工智能创新过程中成为应用端创新的一个重要参与者：为研发型公司提供资金，释放各类应用场景，同步进行制度创新，研发适应新商业的管理规范。深圳政府在这个角色转变上相对比较主动和积极，鲲云科技作为一个研发型公司能够获得深圳科创委的研发资金资助，很好地解决了研发型公司“雪中送炭”的问题，也有幸获得中国科协和深圳科协的认可支持。尤其是在疫情期间，深圳市采用技术创新支撑防疫工作，使疫情管理流程、规范与鲲云科技的人工智能产品能够快速适配，支持鲲云科技的人工智能电子哨兵在城中村等大人流场景下规模落地。这是政府参与人工智能应用场景开发的一个典型案例。如果政府通过制度创新来系统性的释放城市数字化应用场景成为一种既定的战略，深圳有条件成为全球人工智能研发型公司的集聚地。

启示七：国际协同是自主创新的重要途径

鲲云CAISA芯片的产业化成功，是海外名校基础研究的成果与中国应用场景结合的结果。这个案例给我们很大的一个启示，即便有中美科技竞争背景存在，国际协同依然是增强我们自主创新能力的有效途径。在21世纪的世界，基础研究的知识漂浮在互联网上，这些知识和成果有强烈的动机找到一个合适的应用场景实现它为人类进步服务的初衷。在以人工智能为代表的数字技术创新时代，中国拥有全世界最为成熟、最大规模的应用场景，这种场景的规模性和丰富性超越世界的任何国家和地区，未来包括欧洲、日本、韩国在此轮数字技术创新浪潮中都有边缘化的危险，中国和美国的场景规模才足够驱动数字技术的创新，从这个角度来看，通过释放数字化应用场景吸引海外源头创新的团队来深圳创业依然存在很大的空间和机会。

启示七：决战技术生态

英伟达在行业长期的垄断地位除了技术的领先之外，更关键的门槛是它掌控了一个基于英伟达核心技术的产业生态。英伟达的客户不仅是其产品的购买者，同时也通过应用端的反馈支撑其新的研发，这种生态化的创新模式一旦形成，跟随者极难有超越的机会。产业核心技术生态化是当代技术创新的一个重要趋势。对于鲲云科技而言，完成了从0到1的创新还不能说完成了产业核心技术产业化的目标。目前鲲云科技虽然已经具有一定规模的应用场景落地，但距离形成一个产业生态还有很远的路要走。

深圳在人工智能赛道已经拥有一款能够绕开外国巨头技术路线的人工智能通用芯片，其技术可行性和商业落地已经被验证，这是具有战略意义的重要一步。如果继续发挥官产学研协同的模式，加快更多的应用场景落地，就有望及早完成技术生态的构建，达成人工智能芯片核心技术发展的最终目标。在这个过程中，随着新的应用场景和算法的落地，还会拉动一大批中小企业的创新创业活动，让核心技术发展起到纲举目张的作用。

（完）