落实“人工智能+”，人工智能芯片标准化是关键

人工智能热潮正在席卷各行各业，无论是自动驾驶、物联网、智能硬件、智能家居等新兴产业，还是安防、医疗、矿山等传统业态，都开始频繁接触人工智能。“人工智能+”的概念正在落到实处。

作为人工智能产业的核心，AI芯片发挥了关键的底层基础性作用，持续赋能千行百业。然而，目前我国AI芯片产业的标准化工作依然滞后于技术发展的需求，在AI芯片与5G、边缘计算等新兴技术持续融合，应用场景不断丰富和深化的背景下，产业发展面临技术标准不统一、低端同质化恶性竞争等深层次问题。

2021年10月，中共中央、国务院印发《国家标准化发展纲要》，强调标准是经济活动和社会发展的技术支撑，指出应加强在人工智能等关键技术领域的标准化研究。2020年7月，国家标准委会同中央网信办、国家发改委、科技部、工信部印发的《国家新一代人工智能标准体系建设指南》中也提出，到2023年，初步建立人工智能标准体系。

这些均显示出标准化工作对于AI芯片产业持续健康发展具有重要意义。以标准引领行业发展，打造人工智能芯片产业生态，推动AI与传统领域融合，助力汽车、数据中心、安防、电网等行业为代表的产业升级，将成为未来我国AI芯片产业发展的关键一环。

AI芯片赋能千行百业

近年来，AI芯片技术取得快速发展。图形处理器 (GPU)、张量处理器(TPU)以及现场可编程门阵列芯片配合中央处理器(FPGA+CPU)、特定用途集成电路(ASIC)等解决方案得到快速布署。以此为基础，人工智能迅速渗透到各应用领域，催生出新的技术、产品、产业、业态、模式。据埃森哲数据，未来与AI深度融合的企业能够将盈利能力平均提升38%，同时AI将为包括教育、制造、批发、零售等16个行业额外带来超14万亿美元的总附加值。

“AI芯标准赋能传统行业”主题论坛

在日前举办的第十届（2021）深圳新一代信息技术产业标准化论坛“AI芯标准赋能传统行业”主题论坛上，与会嘉宾针对人工智能芯片在云侧、边缘侧、端侧等不同领域中的机遇与挑战进行了深入探讨。华为技术有限公司腾计算副总裁金颖就指出，人工智能作为新的通用目的技术将深刻推动社会发展进程，目前的人工智能正从单点技术走向真正的通用技术，从大模型走向超大模型，从单模态走向多模态，将可更好地应对多样化的应用场景。在此过程当中，AI芯片发挥着基础关键作用。

上海燧原科技有限公司创始人兼 COO张亚林在介绍数据中心计算平台发展趋势时认为，以异构计算为基础架构的AI芯片将支撑未来数据中心的超大算力平台。数据中心的计算基储通用处理、计算加速、数据存储，朝组件化方向发展，通过异构计算的池化，使数据中心实现顶层互联，构架成整个数据中心的整体方案，这是最底层数据中心的呈现。

AI芯片也在持续赋能传统行业。北京智芯微电子科技有限公司研发副总经理郑哲在介绍电网智能芯片时指出，我国工业芯片需求巨大，据不完全统计，“十四五”期间，仅电力领域对芯片的市场需求就约达2000亿元。随着智能电网的发展，人工智能技术在电力系统的应用也日渐广泛，在智能电网发、输、变、配、用、调和公司经营管理领域，运用计算机视觉、自然语言理解、机器学习等人工智能技术，能够有效解决现有业务中的难题，大幅提升生产效率和服务水平。

上海登临科技有限公司方案架构总监郑韬介绍了AI芯片在安防中的应用场景及技术趋势。在计算机视觉应用中，安防占比高达68%，安防行业的海量数据以及事前预防、事中响应、事后追查的诉求与人工智能训练需求及技术逻辑完全吻合，是人工智能重要的落地行业之一。“随着智能安防云边结合等新趋势的发展，AI算力公司未来应设计更大算力，开发更合适的架构。”郑韬表示。

标准助力高质量发展

标准是经济活动和社会发展的技术支撑，是国家基础性制度的重要方面。标准化也是人工智能产业生态中的关键一环，是产业健康发展的重要保证。推进AI芯片业的高质量发展，迫切需要进一步加强标准化工作。

中国电子技术标准化研究院院长赵新华指出，当前，人工智能产业发展迅猛，产业规模进一步壮大，与传统行业深度融合，已成为创新驱动发展的新引擎。中共中央、国务院印发的《国家标准化发展纲要》中也明确指出，要开展人工智能领域的标准化研究，通过人工智能技术的综合应用，完善质量治理，促进质量提升。这为我们构建“AI 芯”技术体系，建立新一代信息技术领域开放创新生态提供了重要指引。

值得注意的是，目前AI芯片业在取得快速发展的同时也面临挑战，包括面向不同场景时，AI芯片的利用率、兼容性有待提高，各类基于不同AI芯片的异构设备协同存在困难等。因此，产业更加需构建AI芯片测评标准体系，完善AI芯片测试方法，兼具公平性、权威性和完整性，助推产业进一步发展。

对此，商汤科技联合创始人、智算联盟ICPA理事长杨帆就指出，未来中国应建立标准化的智能算力供应链，实现AI产业的可持续发展。中国电子技术标准化研究院研究员陈大为在谈到汽车芯片产业时也表示，我国车规芯片的系列标准仍旧缺乏，特别是缺少车规芯片的基础准入标准。加强国产汽车芯片标准化工作将是未来发展的重要方向之一。郑哲强调，基于工业设备残酷的使用环境，对工业芯片提出特殊要求，在芯片设计之初便需制定非常严苛的产品规格。

国际组织就非常善于综合运用政策、标准、认证等手段，牵引产业发展，值得我们借鉴。欧洲电信标准协会（ETSI）总干事Luis Jorge Romero表示，标准是创新技术走向市场流程中的重要一环。创新是欧洲电信标准协会的根本，鼓励持维研究和创新输入，通过标准来简化研究人员在基项目中的工作。

ETSI在人工智能标准化方面重点关注认知技术，并将人工智能纳入ETSI 技术路线图。国际电信联盟（ITU）从 2016 年开始开展人工智能标准化研究，以人工智能技术推动产业持续发展。ISO主要在工业机器人、智能金融、智能驾驶方面开展了人工智能标准化研究。IEC主要在可穿戴设备领域开展了人工智能标准化工作。IEEE主要聚焦人工智能领域伦理道德标准的研究。

标准建设更需产业协同

那么，我们应当如何更加妥善地开展AI芯片的标准化工作呢？

首先，AI芯片标准体系的建设离不开产业伙伴的协同合作。赵新华指出，深化产业融合，构建产业生态是标准化工作的重要方向。我国具有大市场优势，同时应用场景多、开放程度高，要充分利用当前优势，针对传统行业场景和需求，应加快推进“人工智能+”应用模式，充分整合行业力量，助力产业生态发展。

本次活动中举行了“人工智能芯片标准化创新合作伙伴”揭牌仪式，该组织以落实《国家标准化发展纲要》为主旨，由中国电子标准院牵头，凝聚国内人工智能芯片领域产、学、研、用各方包括清华大学、东南大学、北京科技大学、中科院计算所、华为、飞腾、英特尔、依图、商汤科技、燧原科技、百度昆仑芯、登临科技、云天励飞、地平线、智芯微电子、旷视科技、天固信安、智源研究院、中兴通讯、摩尔线程、山东产研院、鲲云科技、开放智能、天数智芯、五舟科技、爱芯元智、集智未来、信大捷安、沐曦集成电路、智谱华章、清醒异构、太初电子、壁仞科技、上海熠知等在内的共计39家单位联合成立，以共同促进我国人工智能芯片标准化发展，从而以标准为引领，推动产业生态建设，赋能人工智能应用的相关行业，助力实现“人工智能+”的快速发展。在活动当日下午，还召开了“创新合作伙伴”第一次闭门会议。来自“创新合作伙伴”各成员单位的40余位专家代表出席了会议。在会上，各方进行了深入探讨并一致认同“创新合作伙伴”后续工作要聚焦云侧、边缘侧、端侧人工智能芯片的测评标准制定和数据中心、自动驾驶等热点领域的AI芯片标准化工作，以促进我国人工智能芯片在各行业中的应用和推广。

其次，开源运动近年来不断发展，已经在人工智能发展中起到举足轻重的推动作用。华为技术有限公司战略与产业发展副总裁肖然指出，当前国际标准化的核心力量正在发生变化，国际性社团型组织占据技术标准前沿，开源社区成为新的标准化阵地。加强开源与标准的协同创新，通过开源社区、代码实现、许可证授权等方式，有助于提高标准质量，标准化的发展也可以助力开源提升互操作与兼容性，维护开源社区稳定，防止社区分离。

此外，产业界还应当认识到，人工智能芯片标准化工作的推进与行业数字化发展程度是密切相关的，两者相互促进。人工智能的应用进展取决于数字化程度，AI时代是数据驱动的时代，深度学习算法的优化需要大规模数据来训练提升，数据越丰富完整，应用效果越完美。高数字化程度的行业拥有较密集数据资源，成为AI优先落地的领域。标准化工作也应关注行业发展进程，与行业的发展相互配合，在满足行业需求的同时，引领行业的发展。

专家观点

中国电子技术标准化研究院集成电路测评中心主任 任翔：

加强人工智能芯片标准化创新服务能力是关键

电子标准院自 2017 年起，针对人工智能芯片的测试评价体系谋划布局，逐步构建起包括人工智能芯片测试方法研究、测评标准研制和测评工具开发在内的科研与技术服务能力，并与国内知名研究机构和主流厂商共同建立了人工智能芯片关键技术指标测试与检测公共服务平台，为国内人工智能芯片产业技术创新、生态构建和繁荣发展提供了重要技术支撑。

同时，人工智能芯片的标准化工作聚焦传统行业场景和需求，加快推进“人工智能+”应用模式，充分整合行业力量，以龙头企业为核心搭建产业平台、联合实验室等，由产业内领军企业带动中小企业协同发展。建立从基础技术研究、应用落地到创新开发的人工智能产业生态链，连通企业、高校、研究院所等创新主体，围绕区域特色优势，整合关键要素、多元主体、产业集群等，形成人工智能技术创新生态系统。

中国科学院计算技术研究所智能计算机研究中心主任、研究员 韩银和：

应加快AI芯片测评及工具的研究开发

进入21世纪以来，全球人工智能芯片的研究热度不断攀升。在人工智能芯片研发领域，中国和美国已经成为国际上两大人工智能芯片发明专利来源国，近年来，随着我国在人工智能芯片领域研究的不断深入，2019年我国人工智能芯片专利累计数量超过美国，越居世界第一。无论是作为技术创新者还是市场提供者，中国都是人工智能芯片领域中最重要角色，同时，人工智能芯片的发展对于中国社会进步也具有重要意义。

从以往芯片发展历史看，产业的繁荣发展需要有清晰合理的评测标准和工具作为技术支持。关于人工智能芯片的评测，最早出现的是一些相关学术研究，如哈佛大学提出Fathom、寒武纪提出的BenchIP等。之后，国内外开始出现多种人工智能芯片评测工具，如百度研究院推出的DeepBench、斯坦福大学推出的DAWNBench以及由谷歌牵头推出的MLPerf等。我们智能计算机研究中心也推出过两种AI芯片评测工具，分别是NPUbench：面向神经网络处理器的性能基准评测套件，以及MobileAI-Bench：面向安卓移动端AI芯片的评测工具。

但我们应该清楚的认识到，我国AI芯片评测方法和工具的研发还处于起步阶段，虽然我国已经出现了一些人工智能芯片评测方法和工具，在一定程度上起到了对AI芯片的评测作用，但还远不能满足国内众多企业对AI芯片评测服务的实际需求。另外，相较于国外的AI评测工具，我们的工具还不够全面、完善，使用流行度也不高。因此，我国应加快AI芯片测评方法及工具的研究开发速度，搭建AI芯片评测服务平台，一方面能够起到规范AI芯片企业产品研发的作用，营造一个有序的竞争环境，引导产业技术升级；另一方面，能够让AI芯片上下游企业通过标准的测评，获取到真实有效的芯片选型参考数据，从而更好地开展整机产品研发，促进整个行业的健康发展。

中国电子技术标准化研究院研究员 陈大为：

强化国产汽车芯片的标准化工作

新四化使整车对芯片的依赖达到前所未有的程度，芯片的重要性更加突显，汽车芯片直接影响汽车的安全性和操控性，没有芯片汽车将无法生产。同时，汽车的智能化对芯片又有着特殊的要求，尤其是车用AI芯片。总结车规芯片的几个特点：一是高可靠性，具体到车用体现为应对室外环境及EMC的要求严苛；二是高安全性，即实现复杂电路下的功能安全；三是零缺陷率，需要实现更高的批次一致性，同时具备10-15年的长期供货能力。

要实现这些要求，相关的行业标准必不可少，而从发展现状来看，我国国产汽车芯片的高可靠芯片设计能力依然不足。由于国内芯片业的发展历程较短，且以消费类芯片占比居多，高可靠设计能力有待进一步提升。而我国车规芯片的系列标准仍旧缺乏，特别是缺少车规芯片的基础准入标准。因此，加强国产汽车芯片标准化工作将是未来发展的重要方向之一。

西安交通大学 人工智能与机器人研究所副所长、教授 任鹏举：

高效能计算兼顾性能和能耗的平衡

智能体是人工智能的载体，其以云为基础，以AI为核心，构建具有全方位感知、全域协同、精准判断、持续进化、开放的智能系统。面向自主智能体的研究必须在系统、模型、算法和架构方面进行深度融合：首先在面向应用的系统层面发现问题，通过模型改进，算法优化、并选择适合的计算架构，最终完成应用端的部署，并形成一个不断迭代优化的研发闭环。智能驾驶就是智能体的典型代表。

一般而言，自主智能体的信息处理层次可分为传感预处理、传感信息处理、规划、决策和人机交互，以及控制等几个不同层次。不同的信息处理层次对于底层计算资源的需求和调度是不同的。以车载AI处理器为例，计算密集型的感知层信息处理适合采用面向领域应用的专用计算架构提升数据并行处理能力，控制密集型的决策规划和人机交互信息处理适合采用CPU为主的异构计算架构完成。除了必要的安全和可靠性以外，车载AI计算装置追求性能（并行性）与能耗（局域性）上的平衡。屋檐模型可以为计算架构的设计提供良好的指导，我们在设计和评价AI芯片的性能时，不应当片面的追求过高的峰值算力，应当更加关注“计算、存储和通讯”的整体均衡和适应性，进而获得更加综合的芯片性能表现。

中国电子技术标准化研究院集成电路测评中心副主任 尹航：

坚持应用引导，加速技术产品推广

人工智能在深度渗透各行各业的过程中，使得端、场景、行业的边界被打破，甚至还催生了新的智能硬件，给市场带来新的机遇。通过搭建丰富的应用场景，深入挖掘新技术、新产品、新服务和应用对接，加速培育产业新动能，开拓实体经济新增长点，推动我国经济结构优化升级。

在标准化工作中，我们要以产业需求为导向，聚焦核心技术问题，夯实产业基础，支撑产业应用，推动人工智能重点标准研制，加快共性技术突破，持续推出高质量的国家标准，加快制定行业标准，优先推出一批团体标准，不断优化完善标准体系结构，提升标准的供给质量。在标准研制过程中联合产学研用单位深度合作，形成标准验证、检验检测、认证认可及质量评价一体化运行体系，促进产业链优化升级。

商汤科技联合创始人、智算联盟ICPA理事长 杨帆：

建立标准化的智能算力供应链，实现AI产业可持续发展

智能化水平的提高推动了数据量的爆发式增长，一方面5G的部署有效带动了数据流量的增长，视频成为主要形式；另一方面全球智能终端产品出货量持续增长，也加大了数据流量的增加。智能化推动数据爆发式增长，使得人们对于AI芯片算力拥有更强的需求，目前AI训练任务所运用的算力每3.43个月就会翻倍。同时，AI芯片市场将继续保持高增长。未来3年，中国人工智能市场总体规模进一步增长。2019年-2025年，中国AI芯片市场规模年复合增长率将达47%。

这种情况下，标准化工作对AI产业的发展就显得非常重要。未来，中国应建立标准化的智能算力供应链，实现AI产业的可持续发展。加强标准化工作，构建更加通用化的基础设施，把人工智能算法生产的每一个环节，从基础设施到硬件，再到软件工具，提供更加标准化、自动化、规模化的系统，进而支撑AI技术生产能力的提升，实现更加低成本和高效能。这需要进行大量的创新与生态整合，大家共同合作，共同推动。

上海燧原科技有限公司创始人兼COO 张亚林：

异构计算将成为数据中心算力平台发展方向

5G、自动驾驶、车联网等发展很快，这些应用的计算基础则是异构计算平台。数据中心的发展趋势包括系统驱动价值、软件定义硬件、组件架构弹性三个方向。系统驱动价值是指数据中心的价值是附着在整个装置系统，而不是分离的芯片或软件当中的，用户从系统层面看待价值。软件定义硬件是指让底层的硬件服务软件，而不是简单的用硬件来驱动软件，这是数据中心设计中的关键命题。至于组件架构弹性是指数据中心正朝着组件化和弹性化的方向发展。

基于此，数据中心的计算基储通用处理、计算加速、数据存储，将朝着组件化的方向发展，未来数据中心不会像现在这样加内存就要加服务器，而是直接加计算单元。我们会看到不同的异构方向，包括AI计算、通用计算、流媒体加速、数据加速等。通过异构计算的池化，人们设计出数据中心的整体构架方案。也就是说，未来5-10年，异构计算将是支撑数据中心算力平台发展的重要技术。

华为技术有限公司腾计算副总裁 金颖：

人工智能正从单点技术走向真正的通用技术

人工智能作为新的通用技术将深刻推动社会发展进程。人工智能基础设施是新基建的核心任务，也是支撑科技自立自强和数字经济发展的基矗目前人工智能正从单点技术走向真正的通用技术，从大模型走向超大模型，从单模态走向多模态，将可更好地应对多样化的应用场景。

与此同时，人工智能的发展也面临挑战，如何让AI用得上、用得起、用得好成为关键。首先，人工智能不断进入新兴行业必然会催生出不同的计算范式。计算范式的出现，会对整个计算系统有新的要求。其次，目前异构计算的发展趋势非常明确，现在市场上大量推出的SoC芯片实际上已经是一个小的异构系统了。再次，因为算力进一步加大，目前的大规模训练需要在超大规模集群系统上完成，并在不同的边缘设备上进行部署。最后，推理部署场景复杂、效率低下，需要强大的异构混合加速能力。华为推出的异构计算架构CANN，是针对AI场景推出的异构计算架构，通过提供多层次的编程接口。异构计算架构对上适配多框架，对下适配多异构芯片，同时针对多样化的应用场景，提供高效易用的编程方式，是突破AI产业平台期的关键。

飞腾信息技术有限公司解决方案总监 申友志：

构建AI芯片产业生态，支撑行业数字化转型

新时代，中国正在经历行业数字化转型。这是顺应新一轮科技革命和产业变革，不断深化应用云计算、大数据、物联网、5G、安全、人工智能、区块链等新一代信息技术，以用户需求牵引，把数据作为驱动创新潜能的新要素，对各行业生产模式进行创新，组织形态进行变革，基础设施进行数字化升级，实现转型升级和高质量发展。

行业数字化需求迫切，节奏紧凑，需要CPU行业企业具备支撑用户应用快速落地的能力，使得国产CPU面临更大挑战。通过20年的技术积累，飞腾公司形成完善的产品线，服务国家数字经济转型。国产CPU的发展需要生态体系的支撑。飞腾坚持开放、合作、共赢的方针，构建生态体系。

北京智芯微电子科技有限公司研发副总经理 郑哲：

人工智能在电力系统应用日渐广泛

随着智能电网的发展，人工智能技术在电力系统的应用日渐广泛，在智能电网发、输、变、配、用、调和公司经营管理领域，运用计算机视觉、自然语言理解、机器学习等人工智能技术，能够有效解决现有业务中的难题，大幅提升生产效率和服务水平。我国工业芯片需求巨大，据不完全统计，十四五期间，仅电力领域对芯片的市场需求就约达2000亿元。基于工业设备残酷的使用环境对工业芯片提出的特殊要求，在芯片设计之初便需制定非常严苛的产品规格。

北京智芯微电子成功研发出“安全、主控、通信、传感、射频、模拟、人工智能、存储”8大类百余款芯片产品，将电力用电侧核心芯片国产化率由2010年前的不足10%，提高到目前的85%以上，配电侧核心芯片国产化率提高到50%以上。

昆仑芯（北京）科技有限公司研发总监 罗航：

AI芯片助力新基建需跨过三道门槛

目前计算产业大致经历了四个阶段：互联网前期，主要采用Unix等定制化操作系统、定制化处理器，以小规模局域网形态为主。PC互联网阶段，以Windows操作系统、x86处理器的强生态组合为主，大量桌面应用涌现出来。移动互联网阶段，组织形式主要基于3G、4G移动通信网络，网络规模和通讯速度有了质的提升，对计算平台也产生了分化，分化出ARM、x86的终端和云终端两种生态。目前我们所处的阶段将产生更多分化，分化出更多产品、技术栈。因为人工智能的蓬勃发展，导致数据量爆炸以及计算需求的爆发式增长。传统的CPU通用计算提供的算力，已经远远不能满足AI时代的计算需求，所以AI芯片是目前阶段发展的必然。未来的计算产业很有可能还会沿着当前的分化路径继续发展下去。

我们认为AI芯片助力新基建需要跨过三道门槛。首先，芯片量产是前题。芯片研发和流片的先期投入成本巨大，通过量产平摊成本是实现盈利的唯一方法，量产规模也是衡量芯片成熟度的指标之一。其次是构建软件生态。软件生态由软件技术栈、开发者社区和用户构成。构建在芯片之上的软件生态决定芯片的可用性和市场接受度，是芯片商业模式的护城河。第三是产品化。产品化是芯片商业模式可持续成长的关键因素，成熟的产品促进量产规模，形成业务飞轮闭环。

上海登临科技有限公司方案架构总监 郑韬：

GPU+架构解决下一代AI计算问题

GPU架构为图形加速和高性能计算设计，因而传统GPU对AI加速存在一定的局限性。受限于SM的内部寄存的带宽，GPU针对AI的计算存在密度较低的问题。TensorCore与其他操作基本没有并行度、低效的tensor访问和执行策略，使GPU针对AI的计算效率较低。高延迟的片上互联子系统存在容量孝性能差、功耗高等问题，同时不可以采用软件管理以及对外部带宽有很强依赖的存储子系统效率也较低。

登临自主研发的“GPU+”的架构采用软件定义的片内异构架构。片内异构是指将不同计算的引擎集成在一颗芯片当中，用更高的维度调度这个引擎，执行任务。所有任务独立并行开展。我们还自研了高吞吐数据交换网络，用高效的数据交换网络，把芯片里不同计算的单元串联在一起，使数据做到高速流转。我们优化了内存管理和数据存储逻辑，在更高维度上对任务进行调度，降低了对外部带宽的需求。

深圳云天励飞技术股份有限公司市场运营部总经理 莫若龙：

场景、算法、芯片融合，加速人工智能落地

人工智能的核心技术，无论是算法还是芯片需要一个载体才能落地。打造自进化的城市智能体是我们的核心点。要实现自进化，核心架构是1+1+N，即一张泛智能的感知网络、一个城市超脑，N个智慧应用。

AIoT能获取各种类型的数据源，各种设备会采集不同数据，未来城市的智能体可以实现每个端侧AIoT设备可以自动采集，将新的算法叠加上去，将可采集更多维度、更复杂的数据。收集大量数据后，在城市超脑这个大数据平台中进行数据处理、采集、结构化。掌握数据之后，通过人工智能算法开放平台，实现对应场景的赋能，可能会有N个智能应用。实现这样的应用需要关键技术的支撑，首先要有场景，算法与场景强结合，再基于算法进行专业化、定制化设计，最终实现场景、算法、芯片“三位一体”的融合。

中国电子技术标准化研究院集成电路测评中心人工智能芯片领域负责人 宋博伟：

高质量AI芯片标准要做到“有本之者、有原之者、有用之者”

人工智能芯片领域的企业已由“百花齐放”的态势逐步走到“物适者生存”的现状，并且已经有一批优质企业在各自所属的行业内得到认可。在人工智能芯片标准化研究、制定、应用、推广的工作中，要遵循“有本之者、有原之者、有用之者”的原则，就是要有理论依据、现实依据和应用推广。

因此，在人工智能芯片标准化工作中，要团结各行业的人工智能芯片领军企业，充分凝聚其算法、技术积淀作为理论依据，立足其在行业中落地应用的优秀案例为现实依据，由各领域领军企业为主导，共同制定与实际需求相结合、与行业发展强相关的高质量人工智能芯片标准，进而实现在地方、在行业、在国家范围内的应用推广，从而建立健全“质量效益型”人工智能芯片标准体系，助力实现“人工智能+”，赋能各行各业。