在2023年下滑之后，全球半導體市場收入正在反彈，不少機構(gòu)給出了實現(xiàn)兩位數(shù)的增長的預測。Gartner公司預測，2024年，全球半導體市場收入預計增長19%，達到6300億美元。TECHCET 也已上調(diào)了對 2024 年半導體總收入的最新預測，目前預計比 2023 年增長近 13%，達到6170 億美元以上。但是，在上周舉行的第二十一屆中國國際半導體博覽會（IC China 2024）上，新紫光集團董事、聯(lián)席總裁陳杰表示，在AI引領(lǐng)下，全球半導體市場規(guī)模創(chuàng)新高，但如果扣除英偉達及AI帶來的HBM需求，“行業(yè)整體僅僅是剛走出周期谷底”，他認為，面對AI時代的機遇與挑戰(zhàn)，中國半導體產(chǎn)業(yè)要兼顧“守正”與“創(chuàng)新”。

通用智能時代面臨“三大挑戰(zhàn)”

人工智能（AI，Artificial Intelligence ）概念自1956年被首次提出以來，經(jīng)歷四十多年的符號智能、二十多年的專用智能，現(xiàn)已進入到通用智能的研發(fā)階段。從語言模型、多模態(tài)模型的單體智能，到能夠使用思維鏈（Chain of Thinking ）進行推理的OpenAI o1，再到使用工具完成復雜任務的智能體（AI Agent），AI基礎(chǔ)能力正在快速演進。

在陳杰看來，2023年是人工智能發(fā)展里程碑的一年。ChatGPT-4的出現(xiàn)引發(fā)了人工智能大模型的研究熱潮，人們真切地感受到通用人工智能離生活越來越近。而在背后支撐大模型發(fā)展的大算力芯片，特別是英偉達GPU芯片，遭到了前所未有的重視，甚至出現(xiàn)了一番搶購熱潮，這又極大地促進了半導體產(chǎn)業(yè)的發(fā)展。

在AI引領(lǐng)下，全球半導體市場規(guī)模創(chuàng)新高，今年二季度達到1621億美元。不過，如果扣除英偉達及AI帶來的HBM需求，市場并未回到高點，行業(yè)整體僅僅是剛走出周期谷底。

陳杰表示，在大模型、大數(shù)據(jù)、大算力這“三大動力”的支撐下，人工智能有望邁入通用智能時代，具備人類記憶、思考、推理的能力，不過實現(xiàn)這一切還要有一段很漫長的路要走。他認為，當前AI發(fā)展面臨的挑戰(zhàn)是在商業(yè)模式、能源供應、技術(shù)路線等三個主要方面。

商業(yè)模式上，當前大量資源投入到云端通用大模型領(lǐng)域，但其商業(yè)模式能否走通仍然未知。

能源供應方面，大模型需要巨大算力，能源很可能成為左右未來人工智能發(fā)展重要的戰(zhàn)略資源，微軟、谷歌、亞馬遜、甲骨文等已紛紛投資核電站建設。

技術(shù)路線上，目前人工智能研究熱潮主要集中在基于Transfomer架構(gòu)的大模型上，但在邁向通用人工智能的路上，Transfomer和大模型不是唯一的路徑，也不一定是正確的一條路，還有很多值得思考和探索之處。

集中力量對技術(shù)卡點正面突破

對于中國半導體行業(yè)而言，應該如何迎接人工智能發(fā)展中的機遇和挑戰(zhàn)？在陳杰看來，可以采取“守正創(chuàng)新”的態(tài)度和模式。

在“守正”上，要密切跟蹤AI領(lǐng)域國際前沿技術(shù)發(fā)展趨勢，集中力量對已經(jīng)被證明有效的技術(shù)卡點進行正面突破，比如算法模型中Transfomer架構(gòu)通用LLM的研究與實現(xiàn)，算力方面的GPGPU、NVlink，工藝上的FinFET、GAA等先進工藝。此外，在大算力芯片要用到的大容量、大帶寬的存儲器方面，也應該集中力量進行突破。

“人工智能的發(fā)展需要巨大的投入，需要整個產(chǎn)業(yè)鏈的支撐，因此要減少重復投資和內(nèi)卷，集中力量辦大事?！标惤苷f。

他表示，當前“模型大戰(zhàn)”、“AI芯片大戰(zhàn)”等投資熱火朝天，半導體和AI產(chǎn)業(yè)鏈重復投資較為嚴重，應該加強政策、投資、產(chǎn)業(yè)等統(tǒng)籌，減少惡性競爭，提高資源配置效率。比如，可以集中力量在全國建設幾座大型智算中心來解決大模型應用問題，但不要遍地開花，避免浪費大量資源。

中國有望成為全球AI應用高地

在“創(chuàng)新”上，陳杰認為要重視開拓AI新技術(shù)路線，開展架構(gòu)創(chuàng)新、系統(tǒng)創(chuàng)新、端側(cè)創(chuàng)新、應用創(chuàng)新。

首先，要重視系統(tǒng)和芯片架構(gòu)創(chuàng)新，縮小技術(shù)差距。陳杰指出，當前大算力芯片的性能提升，嚴重依賴先進工藝和HBM3/4存儲器。要積極開展芯片架構(gòu)創(chuàng)新，如采用3D堆疊、Chiplet、存算一體等新架構(gòu)，努力縮小大算力芯片的技術(shù)代差；還要積極開展異構(gòu)大算力集群系統(tǒng)的架構(gòu)和任務調(diào)配等方面的優(yōu)化工作，努力縮小大算力集群系統(tǒng)的性能差距。

其次，要重視端側(cè)AI技術(shù)創(chuàng)新，建立端側(cè)AI技術(shù)優(yōu)勢。端側(cè)AI的商業(yè)模式更明確、更容易落地，而端側(cè)AI芯片對算力（數(shù)TOPS/s～數(shù)百TOPS/s）和制造工藝（7nm以上也可）的要求相對較低。通常，端側(cè)AI的應用需求多種多樣，需要眾多企業(yè)參與。端側(cè)AI算力架構(gòu)、軟件棧、推理框架、應用解決方案等各領(lǐng)域，均有待加強研究和突破。

最后，要重視端側(cè)AI應用創(chuàng)新，建立AI應用側(cè)優(yōu)勢?！耙l(fā)揮我國應用端創(chuàng)新多、市場大的優(yōu)勢，積極打造全球AI應用高地?！标惤苷J為，通用大模型的投入巨大，且缺乏垂直領(lǐng)域的專業(yè)知識和行業(yè)數(shù)據(jù)積累，僅適用于通識類問題或簡單請求。未來，每個領(lǐng)域可能都需要用AI重構(gòu)，而我國有移動互聯(lián)網(wǎng)時代的成功經(jīng)驗，最有能力做好AI應用創(chuàng)新。建議更多關(guān)注行業(yè)垂直領(lǐng)域AI應用，結(jié)合行業(yè)特性和需求深入定制化研發(fā)，用落地實踐引領(lǐng)AI技術(shù)發(fā)展。

陳杰強調(diào)，半導體行業(yè)應該堅持開放合作。半導體產(chǎn)業(yè)鏈長且復雜，產(chǎn)業(yè)鏈全球化是歷史實踐產(chǎn)生的最佳選擇，而區(qū)域化的供應鏈，浪費人類社會資源、阻礙技術(shù)進步。面對通用人工智能時代對算力、數(shù)據(jù)、能源和應用場景前所未有的挑戰(zhàn)，應該堅持產(chǎn)業(yè)鏈開放合作，共同應對AI時代挑戰(zhàn)。