当下，数字技术创新与实体经济的发展已然密不可分，2018年中国数字经济规模为31．3万亿元，占到GDP总产值比重的34．8％，预计2019年这一数字将达36亿元。高速发展的背后，是互联网、人工智能企业的技术投入与相关产业的应用落地。一批优秀的人工智能初创企业正在发力，如商汤科技、旷视科技、优必选科技、平安科技、极链科技等，AI＋安防、AI＋交通、AI＋医疗、AI＋视频、AI＋金融等产业结合的快速商用化。数字经济高速发展的同时，国家战略层面也提出了更具发展目光的规划，即为经济社会的创新、协调、开放、共享发展提供底层具有乘数效应的战略性、网络型基础布局“新基建”。
“新基建”是以技术、产业驱动，具备集约高效、经济适用、智能绿色、安全可靠特征的一系列现代化基础设施体系的总称。2020年“新基建”这一词汇在多个国家级重要会议中被频繁提出，其建设核心主要涉及5G、大数据中心、人工智能、工业互联网、特高压、系能源汽车充电桩、高铁轨道交通这七大领域，建设内容细分涵盖了基础配套、平台建设、产业应用等多方面细节。以人工智能为例，主要建设方向包括：AI芯片底层硬件发展；通用智能计算平台搭建；智能感知处理交互能基础研发中心建设；人工智能创新发展试验区建设等。
任务一：加大「AI芯片」开发力度
2019年世界人工智能大会上展出了包括华为、平头哥、依图、紫光展锐、寒武纪以及地平线在内的AI企业共10款芯片。随后阿里云栖大会上，平头哥又推出含光800AI芯片，此芯片是专为人工智能视觉场景二推出的高算力芯片，现场演示了：“在城市大脑中实时处理杭州主城区交通视频，需要40颗传统GPU，延时为300ms，使用含光800仅需4颗，延时降至150ms，成本仅为传统GPU的十分之一”。拿10亿张商品图片来进行识别对比，GPU算力识别需要1个小时，而含光800可以5分钟完成。
AI芯片和传统芯片在制作工艺上没有太大的差别，区别在于性能功效上，比如执行AI算法时AI芯片的效率会更高，CPU、GPU的算法效率低，对于商用而言仍有不足。AI芯片服务于AI算法，在图像识别、视频识别等领域常用的是CNN卷积网络，在语音识别方面主要是RNN，前后算法区别很大，但是本质上都是矩阵或vector的乘法、加法，然后配合一些除法、指数等算法。
在同一条件下执行AI算法时，拿IBM的POWER8（CPU）和谷歌TPU1（GPU）对比时，POWER8一秒钟的巅峰计算次数大约为64Gops，谷歌TPU1一秒钟的巅峰计算次数大约为90Tops。
AI芯片则会优于CPUGPU，含光800，在Rsenet50 v1条件下，含光800算力的峰值性能达到78563IPS；峰值能效达到500IPS／w。可等同于10颗GPU的算力。
现阶段，人工智能与其他产业间的结合应用逐渐成熟，算力需求与日俱增。为了匹配产业级、城市级的项目需求，AI芯片的需求逐渐显现。
