近期政府为培育国产人工智能(AI)半导体产业发布了"K英伟达"计划。基于国产半导体要获得市场竞争力必须确保实际使用的需求方这一判断,方案提出将国产神经网络处理器(NPU)纳入公共采购体系,支持与需求企业共同开发和实证,并在国防、治安等公共领域优先应用国产NPU。
这一政策方向合理,但也有人担忧以目前的水平,难以取得国产半导体在产业现场实际落地的成效。典型案例是国家AI计算中心的建设过程。初期曾推动引入国产半导体,但由于实际运营数据中心的云服务企业持否定意见,最终决定仅引入英伟达图形处理器(GPU)。这表明尽管政府有支持意愿,产业现场对采用国产半导体仍存在相当大的壁垒。
即便不直接发掘需求方,也有间接支持扩大需求的方法。那就是由国家认证产品性能,构筑信任基础并提供实质性参考案例。就像过去通过KS规格正式认证产品性能的KS标志那样,也可以引入由国家验证AI半导体性能的体系。
当然,AI半导体性能认证比KS标志苛刻得多。一般来说,半导体企业证明技术实力的方式是基准测试,即利用标准化测试程序将芯片的运算性能数值化。用于智能手机半导体性能评估的"Geekbench"得分就是典型例子。
在AI半导体领域,MLPerf(Machine Learning Performance)被用作代表性基准测试。国产AI半导体企业也以MLPerf得分宣传性能,但需求企业仅凭这一得分难以决定是否引入。因为在自身环境中的性能、长时间运行的稳定性等实际应用所需的信任还不充分。因此,要获得需求企业的信任,就必须超越单纯提示基准测试得分的层面,根据需求企业使用的应用程序调整测试,并确保在实际使用环境中也能得到相同结果。如此构建的数据将超越基准测试得分,发挥可信参考案例的功能。这相当于"基准测试代工"的角色——正如半导体代工以工艺技术和基本设计图为基础,按客户设计需求制造芯片一样,以标准基准测试为基础,提供面向客户定制的可信度与性能评估。
如果有组织承担这种"基准测试代工"角色,就可以成为连接需求企业与半导体企业的半导体生态系统中心。此外,若大学生在校期间利用这一基准测试体验国产半导体,毕业后在产业现场加以运用,便能扩散国产半导体的使用。期待政府通过支持这种"基准测试代工",让国产半导体在市场上获得最初的信任,并为构建生态系统奠定起点。
李赫载 首尔大学电气信息工程系教授、半导体共同研究所所长






