b体育清华大学集成电路学院教授魏少军在第三届中国临港国际半导体大会上表示，人类社会最令人激动的一件事，是进入智能化时代。而智能化将助力中国半导体产业自立自强。

　　魏少军教授称，在智能化时代的浪潮下，在全球产业的大变革中，中国半导体产业该如何走出自己的道路？魏少军教授认为，“扬长避短、掌握发展主动权”，1，人工智能；2，5G：中国所拥有的5G基站数量是世界其他国家加起来的总和，因此我们在国内感受5G网络使用远远好于其他国家。3，AR、VR应用：强化用户对真实场景的理解，目前中国已有许多落地应用和案例；4开辟车规芯片新赛道：在从燃油车向纯电动车升级过程中，单车半导体价值量将提升100%；5，打造高算力平台：智算中心是智慧时代最主要的计算力生产中心；6，三维混合键合技术：利用三维混合键合技术（3D Hybrid Bonding Processing）实现存储器晶圆和逻辑电路晶圆的异质集成；7，软件定义芯片+异质堆叠集成=软件定义近存计算芯片技术

　　人类社会已经经过三轮智能化浪潮，第一次是在上世纪40年代中期，主要是通用计算装置出现，电子计算机的诞生。第二次是1990年以日本第五代计算机作为标志，使用手工知识库和规则库做逻辑判断。2017年开始第三次浪潮主要是机器学习。

　　前两轮还做准备，但是最新一轮开始出现本质上的变化。比如说谷歌的DeepMind在人脸识别，2万个类别当中识别率超过了人，比如说在语音识别上错词率低于6%。

　　人在碰到问题大概是这么一个过程，感知，经过思考以后执行。我们看看这几次工业革命解决的是什么问题。首先是工业革命，通过机械化和电力化，自动化主要解决的是体力的延伸，

　　信息革命没有解决现在大脑的问题，而现在正在出现的智能化革命其实正在尝试着解决我们的大脑，也就是延伸我们的认知，对我们的认知能力将是一个巨大的。

　　现在人工智能大概分两类，一类叫类脑计算，一类叫深度学习。类脑计算主要是想模拟人脑的工作原理，比如说最典型的就是纯电计算，用一个存储器和存储器当中自然嵌入的运算能够做一个基本的运算器件来加速人工智能的运算能力，它可以使传统的算力提升10倍，能效提升10倍。

　　通过对神经网络的训练能够尝试得出这些边的权重，这些边的权重就决定了它的基本模型，经过大量的训练以后这个模型可以把它固定下来。这样一个发展有三个因素：算法、数据，算力。算法，就是神经网络的构成是什么样的。数据是现实社会当中的数据，我们要大量的数据喂进去，通过训练以后得它得到我们想要的结果，但是这些东西一定是经过一种算力（计算），我们说人工神经网络和人工智能就是要靠计算，除了计算之外，我们也不知道有其他什么方法。

　　比如说早期的科学计算时代，后来的个人计算时代，移动计算时代，云计算时代，现在大家都承认我们进入了智能计算时代。智能计算时代有一个基本特点，它是跟人工智能密切相关的。人工智能由于算法多样性和复杂性，所以我们看到一个很有趣的现象，每一种算法其实跟另外一种算法是不一样的，即便要处理的事情都相近。比如我们用人眼去识别文字，人眼去识别图像，人眼去识别一个视频内容，都是用眼睛去看，但是它的算法是不一样的。

　　计算和存储高度密集，比如说VGE2014年19层，今天看起来很小的模型，它就要运算每秒钟196亿次，而且同时运算涉及到1.38亿的参数，非常大的参数，非常高的运算能力，因此对存储对计算双重要求，这还只是在云端，如果真正把它应用到手机端会发现还有能效的问题，我们必须把能效提升，否则的话，能效提升不了，手机用这个东西很快就没电了。

　　因此我们在碰到这个问题的时候要回归到最早的，为什么会出现这个状况呢？原因很简单，人工智能还在不停地向前演进，它面临着两个问题，这两个问题对我们做芯片的人来说就是问题了，第一个就是算法在不断演进，新算法层出不穷，算法每过几个月就变一次，每过几个月就变一次，这个变化太大了。另外，一个算法对应一种应用，没有统一的算法。

　　再往后发现一个应用一颗芯片实在太费劲，能不能让一颗芯片去适应不同的应用？让一个芯片的灵活性适应不同的算法，今年出了Chat GPT，带火了大算力，大家折腾了一圈发现，其实不是我们好像对这个问题觉得已经走到可以应用的程度，而是因为你的算力不够，我们其实很难想象今天把人工智能用好或者已经有的人工智能应用都非常地苍白无力。

　　现在想到就是用大算力，本来AIChip1.5到AI Chip2.0就结束了，不得不中间又加了1.7，这是什么呢？解决的是通用性。另一方面，我们看计算机发展已经走到了很有趣的现象。

　　看到了人工智能的变化，计算机的变化都离不开半导体，那么半导体情况比较糟糕b体育，现在地缘政治博弈正在破坏全球供应链，包括美国Chip4联盟，美日韩三国达成的协议等等。最重要的是占世界95%产能的六个国家和地区，包括美国半导体、中国、韩国、日本、欧盟和中国台北，这六个国家和地区都各自出台了自己的芯片法案，而且都强调要生产本地化，要自给自足，形成自己的完整产业链，前提是保证自己的产业安全。

　　智能化可能对中国来说是非常重要的一个点。第一个，我们在人工智能领域所拥有的优势并不比别人差，这个地方我把主要的大国和信息领域的情况做一个比较，用笑脸表示我们做的不错，用苦脸表示我们做的不好，大家可以看到，我们在人工智能上相比其他国家，中美两国是最好的，我们跟美国之间各有长处。

　　第二个在基础设施当中，比如说5G发展当中有很多特点，这些特点其实构建了一个很好的结果，中国所拥有的5G基站数量是世界其他国家总和加起来，因此我们在国内感受5G网络使用远远好于其他国家。

　　打造一个智能车，就要有高算力的平台，那么高算力平台实际上是非常非常重要的。曾经有一个提供云计算服务的公司，他就跑到另外一个车厂去，说你用我的算力行不行？那个说，我不用b体育，因为你是投资了第三家某一家汽车厂，因为我知道我用了你的东西，我的数据很快就到了那家厂去了，所以它们之间是相互竞争的，不会去做的。这样的话，我们就要构建一个真正具有相当信息安全和隐私的智算平台。

　　计算机已经碰到那个问题了怎么解决呢？我们说你用三维混合键合技术，首先可以解决的一件重要事情就是存储的概况问题。原来我们是把芯片做好了切下来再去封装，现在可以把逻辑线路和存储电路两个面对面的放到一起，再把它切开封装。我们觉得这种做法用封装技术的方式来解决带宽的问题。

　　如果把逻辑层和存储器层加上中国自己做的软件定义芯片技术电路知识，还有近存计算技术的话，其实我们是可以解决当前计算当中很多问题的，这一点我们还是要有信心。也不是说现在我们都要去靠最先进的3纳米工艺。

　　最后，大家要对半导体有信心，对摩尔定律有信心，经常有人会说摩尔定律到底行还是不行。1997年的时候有一个人说了一句话，他说摩尔定律大概不灵了，比如说他举了三个例子，材料用铝用铜污染太大不行。还有设备器件结构漏电太厉害了，大概能做到50纳米就撑死了，最重要的是光刻技术193纳米波长，最多做到100纳米，所以他认为摩尔定律差不多到头了。后来我们知道用大马士革的镶嵌技术我们解决了铜互联的问题，后来高速金属栅解决漏电问题，最有意思的是把镜头和硅片之间放点儿水解决了树脂光圈，所以让我们的193支撑了十代技术的发展。