國(guó)內(nèi)AI芯片百家爭(zhēng)鳴，何以抗衡全球技術(shù)寡頭

　　清華大學(xué)微納電子系魏少軍等 2017 年的 VLSI 國(guó)際研討會(huì)上提出了基于可重構(gòu)多模態(tài)混合的神經(jīng)計(jì)算芯片 Thinker。Thinker 芯片基于該團(tuán)隊(duì)長(zhǎng)期積累的可重構(gòu)計(jì)算芯片技術(shù)，采用可重構(gòu)架構(gòu)和電路技術(shù)，突破了神經(jīng)網(wǎng)絡(luò)計(jì)算和訪存的瓶頸，實(shí)現(xiàn)了高能效多模態(tài)混合神經(jīng)網(wǎng)絡(luò)計(jì)算。Thinker 芯片具有高能效的突出優(yōu)點(diǎn)，其能量效率相比目前在深度學(xué)習(xí)中廣泛使用的 GPU 提升了三個(gè)數(shù)量級(jí)。Thinker 芯片支持電路級(jí)編程和重構(gòu)，是一個(gè)通用的神經(jīng)網(wǎng)絡(luò)計(jì)算平臺(tái)，可廣泛應(yīng)用于機(jī)器人、無(wú)人機(jī)、智能汽車(chē)、智慧家居、安防監(jiān)控和消費(fèi)電子等領(lǐng)域。該芯片采用了 TSMC 65nm 工藝，片上存儲(chǔ)為 348KB，峰值性能為 5.09TOPS/W。

　　新架構(gòu)新技術(shù)——憶阻器

　　2017 年清華大學(xué)微電子所錢(qián)鶴、吳華強(qiáng)課題組在《自然通訊》(Nature Communications)在線發(fā)表了題為 “運(yùn)用電子突觸進(jìn)行人臉?lè)诸?lèi)”(“Face Classification using Electronic Synapses”)的研究成果，將氧化物憶阻器的集成規(guī)模提高了一個(gè)數(shù)量級(jí)，首次實(shí)現(xiàn)了基于 1024 個(gè)氧化物憶阻器陣列的類(lèi)腦計(jì)算。該成果在最基本的單個(gè)憶阻器上實(shí)現(xiàn)了存儲(chǔ)和計(jì)算的融合，采用完全不同于傳統(tǒng) “馮 · 諾依曼架構(gòu)” 的體系，可以使芯片功耗降低到原千分之一以下。憶阻器被認(rèn)為是最具潛力的電子突觸器件，通過(guò)在器件兩端施加電壓，可以靈活地改變其阻值狀態(tài)，從而實(shí)現(xiàn)突觸的可塑性。此外，憶阻器還具有尺寸小、操作功耗低、可大規(guī)模集成等優(yōu)勢(shì)。因此，基于憶阻器所搭建的類(lèi)腦計(jì)算硬件系統(tǒng)具有功耗低和速度快的優(yōu)勢(shì)，成為國(guó)際研究熱點(diǎn)。

　　在神經(jīng)形態(tài)處理器方面，最為著名的就是 IBM 在 2014 年推出的 TrueNorth 芯片，該芯片包括 4096 個(gè)核心和 540 萬(wàn)個(gè)晶體管，功耗 70mW，模擬了一百萬(wàn)個(gè)神經(jīng)元和 2.56 億個(gè)突觸。而在 2017 年，英特爾也推出一款能模擬大腦工作的自主學(xué)習(xí)芯片 Loihi，Loihi 由 128 個(gè)計(jì)算核心構(gòu)成，每個(gè)核心集成了 1024 個(gè)人工神經(jīng)元，整個(gè)芯片擁有超過(guò)個(gè) 13 萬(wàn)個(gè)神經(jīng)元與 1.3 億個(gè)突觸連接，與人腦超過(guò) 800 億個(gè)神經(jīng)元相比，簡(jiǎn)直是小巫見(jiàn)大巫，Loihi 的運(yùn)算規(guī)模僅比蝦腦復(fù)雜一點(diǎn)點(diǎn)而已。英特爾認(rèn)為該芯片適用于無(wú)人機(jī)與汽車(chē)自動(dòng)駕駛，紅綠燈自適應(yīng)路面交通狀況，用攝像頭尋找失蹤人口等任務(wù)。

　　而在神經(jīng)形態(tài)芯片研究領(lǐng)域，清華大學(xué)類(lèi)腦計(jì)算研究中心施路平等在 2015 年就推出了首款類(lèi)腦芯片—“天機(jī)芯”，該芯片世界首次將人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks， ANNs)和脈沖神經(jīng)網(wǎng)絡(luò)(Spiking Neural Networks，SNNs)進(jìn)行異構(gòu)融合，同時(shí)兼顧技術(shù)成熟并被廣泛應(yīng)用的深度學(xué)習(xí)模型與未來(lái)具有巨大前景的計(jì)算神經(jīng)科學(xué)模型，可用于諸如圖像處理、語(yǔ)音識(shí)別、目標(biāo)跟蹤等多種應(yīng)用開(kāi)發(fā)。在類(lèi)腦 “自行” 車(chē)演示平臺(tái)上，集成 32 個(gè)天機(jī)一號(hào)芯片，實(shí)現(xiàn)了面向視覺(jué)目標(biāo)探測(cè)、感知、目標(biāo)追蹤、自適應(yīng)姿態(tài)控制等任務(wù)的跨模態(tài)類(lèi)腦信息處理實(shí)驗(yàn)。據(jù)悉，基于 TSMC 28nm 工藝的第二代天機(jī)芯片也即將推出，性能將會(huì)得到極大提升。

　　從 ISSCC2018 看人工智能芯片發(fā)展趨勢(shì)

　　在剛剛結(jié)束的計(jì)算機(jī)體系結(jié)構(gòu)頂級(jí)會(huì)議 ISSCC2018，“Digital Systems： Digital Architectures and Systems” 分論壇主席 Byeong-Gyu Nam 對(duì)人工智能芯片，特別是深度學(xué)習(xí)芯片的發(fā)展趨勢(shì)做了概括。深度學(xué)習(xí)依然今年大會(huì)最為熱門(mén)的話題。相比較于去年大多數(shù)論文都在討論卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)問(wèn)題，今年則更加關(guān)注兩個(gè)問(wèn)題：其一，如果更高效地實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)，特別是針對(duì)手持終端等設(shè)備;其二，則是關(guān)于全連接的非卷積神經(jīng)網(wǎng)絡(luò)，如 RNN 和 LSTM 等。

　　同時(shí)，為了獲得更高的能效比，越來(lái)越多的研究者把精力放在了低精度神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)和實(shí)現(xiàn)，如 1bit 的神經(jīng)網(wǎng)絡(luò)。這些新型技術(shù)，使得深度學(xué)習(xí)加速器的能效比從去年的幾十 TOPS/W 提升到了今年的上百 TOPS/W。有些研究者也對(duì)數(shù)字 + 模擬的混合信號(hào)處理實(shí)現(xiàn)方案進(jìn)行了研究。對(duì)數(shù)據(jù)存取具有較高要求的全連接網(wǎng)絡(luò)，有些研究者則借助 3-D 封裝技術(shù)來(lái)獲得更好的性能。

　　總結(jié)：對(duì)國(guó)產(chǎn)人工智能芯片的一點(diǎn)愚見(jiàn)

　　正如前文所述，在人工智能芯片領(lǐng)域，國(guó)外芯片巨頭占據(jù)了絕大部分市場(chǎng)份額，不論是在人才聚集還是公司合并等方面，都具有絕對(duì)的領(lǐng)先優(yōu)勢(shì)。而國(guó)內(nèi)人工智能初創(chuàng)公司則又呈現(xiàn)百家爭(zhēng)鳴、各自為政的紛亂局面;特別是每個(gè)初創(chuàng)企業(yè)的人工智能芯片都具有自己獨(dú)特的體系結(jié)構(gòu)和軟件開(kāi)發(fā)套件，既無(wú)法融入英偉達(dá)和谷歌建立的生態(tài)圈，又不具備與之抗衡的實(shí)力。

　　國(guó)產(chǎn)人工智能芯片的發(fā)展，一如早年間國(guó)產(chǎn)通用處理器和操作系統(tǒng)的發(fā)展，過(guò)份地追求完全獨(dú)立、自主可控的怪圈，勢(shì)必會(huì)如眾多國(guó)產(chǎn)芯片一樣逐漸退出歷史舞臺(tái)。借助于 X86 的完整生態(tài)，短短一年之內(nèi)，兆芯推出的國(guó)產(chǎn)自主可控 x86 處理器，以及聯(lián)想基于兆芯 CPU 設(shè)計(jì)生產(chǎn)的國(guó)產(chǎn)計(jì)算機(jī)、服務(wù)器就獲得全國(guó)各地黨政辦公人員的高度認(rèn)可，并在黨政軍辦公、信息化等國(guó)家重點(diǎn)系統(tǒng)和工程中已獲批量應(yīng)用。

　　當(dāng)然，投身于 X86 的生態(tài)圈對(duì)于通用桌面處理器和高端服務(wù)器芯片來(lái)說(shuō)無(wú)可厚非，畢竟創(chuàng)造一個(gè)如 Wintel 一樣的生態(tài)鏈已絕非易事，我們也不可能遇見(jiàn)第二個(gè)喬布斯和蘋(píng)果公司。而在全新的人工智能芯片領(lǐng)域，對(duì)眾多國(guó)產(chǎn)芯片廠商來(lái)說(shuō)，還有很大的發(fā)展空間，針對(duì)神經(jīng)網(wǎng)絡(luò)加速器最重要的就是找到一個(gè)具有廣闊前景的應(yīng)用領(lǐng)域，如華為海思麒麟處理器之于中科寒武紀(jì)的 NPU;否則還是需要融入一個(gè)合適的生態(tài)圈。另外，目前大多數(shù)國(guó)產(chǎn)人工智能處理器都針對(duì)于神經(jīng)網(wǎng)絡(luò)計(jì)算進(jìn)行加速，而能夠提供單芯片解決方案的很少;微控制器領(lǐng)域的發(fā)展，ARM 的 Cortex-A 系列和 Cortex-M 系列占據(jù)主角，但是新興的開(kāi)源指令集架構(gòu) RISC-V 也不容小覷，完全值得眾多國(guó)產(chǎn)芯片廠商關(guān)注。