AI加速卡面临“禁售”，国内医疗AI们会被卡脖子吗？(6)

除了基于专有ASIC的AI芯片方案，配合专用算法的FPGA因其较为灵活的可配置特性和特定环境不逊于GPU的性能成为了AI公司的另外一个选择。简单来说，在写入软件前FPGA具有胜于CPU的通用性，在写入软件后则有类似ASIC的表现。

某知名AI企业的研发人员向动脉网介绍到，人工智能目前的技术领域主要分为深度学习和机器学习。深度学习在医疗领域主要是通过CV技术实现辅助影像诊断和病理分析，近年来，深度学习也开始在新药研发和分子预测等应用落地。目前，深度学习主要运用GPU实现模型训练。

另外一类则是机器学习，它可以实现辅助病情诊断，比如慢性病筛查和风险评估等，机器学习可以通过学习过往慢性病患者数据预测未来患病风险。这类场景受限于数据等因素，不如影像AI落地那么广泛。不过，这类场景受到基于GPU的加速卡的影响不大，国产FPGA加速卡完全可以实现模型训练和推理效能的提升。

即使在国外巨头占据绝对优势的GPU领域，国产替代概念也在近年迅速兴起。当然，这些产品的理论性能尚只能达到相当入门的阶段，此外，真实的落地性能究竟如何也有待观察。

“我们一直在探索可替代的方案，产品端对性能的要求不是特别高，我们至少有两种以上的替代方案。研发端的话，我们之前建设的超算中心算力一直是足够的，暂时也就不存在替代的问题。”宋捷介绍道。

不难看出，尽管有几种可替代的技术路线，但国内替代方案的进展还远未成熟，仍然需要时间。若未来几年仍不能有成熟的替代方案，且面临进一步的技术限制时，或将对行业产生不利的影响。

与此同时，面对美国政府的限制，英伟达也在设法采取措施。毕竟，中国区是英伟达三大主要市场之一，没有人会和钱过不去。与此同时，主力收入来源之一的游戏显卡的库存高企营收不佳、股价低迷等种种负面影响都对英伟达的经营产生了巨大的压力。

据路透社报道，英伟达CEO黄仁勋在9月21日GTC后的新闻发布会上提到，早些时候披露的芯片限制对于芯片性能、芯片连接其他芯片有关能力上都有特定的门槛，英伟达仍然拥有大量产品可以销往国内。合理利用规则，通过提供在限制范围内的架构兼容产品，仍然可以保证英伟达产品在国内的“市场空间”。

一个现实的方式是通过更多满足限制的较低性能的产品的堆叠，或者基于现有产品精准开发“特供版”产品，实现与限制产品同等的算力。当然，这或许还涉及到一系列配套解决方案的分拆供应。尽管较为繁琐，且需要付出额外的代价，但理论上并非无法实现。