魏少軍：智能化助力半導體產業發展

11 月 23 日，在 2023 中國臨港國際半導體大會中，中國半導體行業協會 IC 設計分會理事長、清華大學集成電路學院魏少軍教授做了《智能化助力半導體產業發展》的主題演講。

本次演講主要分為四個部分：人工智能延伸人類的認知能力、計算技術驅動半導體產業不斷成長、全球半導體產業大變局、智能化助力中國半導體產業自立自強。

人工智能延伸人類的認知能力

三輪智能化浪潮

首先，魏少軍表示，人類已經經歷了三輪智能化浪潮。第一次在 1946 年，主要是通用計算裝置的出現，這一裝置僅具備計算、數據存儲與檢索能力；第二次在 1990 年通用推理裝置的出現，該裝置可以使用手工知識庫和規則庫做邏輯判斷；第三次是在 2017 年機器學習裝置的出現，它可以使用機器學習算法做分類和識別。

正是在第三輪智能化浪潮中，研究開始取得巨大進步。比如谷歌的 DeepMind，它在包含 20000 個數據的人臉識別工作中明顯強于人類，它在語音識別的工作中，錯詞率也僅僅只有 5.9%。魏少軍教授表示，在第三輪智能化浪潮中，人工智能已經有多方面超過人類。

人類正在進入智能化時代。如果說，第一次工業革命以機械化、電力化和自動化為主要內容解放了人類的雙手，提供人類巨大的能源，實現了人類體能的延伸和放大，延伸我們四肢的能力。那么以計算機、網絡、通信、光電子和集成電路路等技術為主要內容的信息革命，實現了人類感官能力的延伸和放大，延伸我們的感觀能力。但是工業革命和信息革命都沒有解決當下大腦的問題，當下正在發生的新的智能化革命，正在實現人類大腦能力的延伸和放大，延伸人類的認知能力。

人工神經網絡

談到智能化，不得不回顧一下上世紀 40 年代人工神經網絡概念的提出。1943 年，美國神經生理學家沃倫·麥卡洛克 (Warren McCulloch) 和數學家沃爾特·皮茨 (Walter Pitts) 合作，對大腦的神經元進行類比和建模，發明了人工神經網絡。麥卡洛克不懂數學，皮茨不懂神經學，兩者跨界融合，產生了影響世界的神經網絡。

后來 David Hubel 在上世紀 80 年代發現了人類視覺系統的信息處理方法。提到了人的視覺處理機制可以看成高層的特征是低層特征的組合，從低層到高層的特征表達越來越抽象和概念化。這個發現激發了人們對于神經系統的進一步思考。大腦的工作過程是一個對接收信號不斷迭代不斷抽象概念化的過程。他們都構建了人工智能非常重要的基礎。

魏少軍表示，現在的人工智能主要分類兩類：類腦計算和深度學習。

類腦計算通過存內計算架構，直接用存儲單元做乘累加運算，將存儲和計算融為一體，避免了權重參數的反復搬運，大幅提升矩陣乘法的計算效率，可并行加速深度學習算法。

深度神經網絡和深度學習是另外一個分支。深度神經網絡的三個基本要素為：算法、數據和算力。深度神經網絡（DNN）是一種多層無監督神經網絡，并且將上一層的輸出特征作為下一層的輸入進行特征學習，通過逐層特征映射后，將現有空間樣本的特征映射到另一個特征空間，以此來學習對現有輸入具有更好的特征表達。

加拿大蒙特利爾大學教授約書亞·本希奧、谷歌副總裁兼多倫多大學名譽教授杰弗里·欣頓，以及紐約大學教授兼 Facebook 首席 AI 科學家楊立昆因在人工智能深度學習方面的貢獻獲得 2018 年度圖靈獎。他們三位被業內人士稱為「當代人工智能教父」，是深度神經網絡 (deepneural network) 的開創者，也被成為深度學習 (deeplearning) 三巨頭。

計算技術驅動半導體產業不斷成長

在過去的三四十年，人類經過了很多不同的時代，比如早期的科學計算時代，后來的個人計算時代、移動計算時代、云計算時代以及智能計算時代。

智能計算時代與人工智能密切相關。由于算法的多樣性和復雜性，人工智能需要一款「計算引擎」，它需要具備可編程能力并適應各類應用、適合計算和存儲密集型應用以及數據從「云端」向「邊緣」遷移時，具備高效能的計算。

然而當下，人工智能芯片還面臨著兩大難題。第一個就是算法在不斷演進，新算法層出不窮。第二個是一種算法對應一種應用，沒有統一的算法。

人工智能芯片的主流架構演進圖

魏少軍表示，最初在沒有人工智能芯片時，我們的解決辦法是使用傳統的器件來實現想要的功能，后來演進到制作專用器件，由于專用器件應用的不便利性，具有更強靈活性的芯片被制造出來。如今 ChatGPT 的出現對具有更大算力且通用性更強的芯片提出更高需求。比如英偉達的 GPU 如此受歡迎不僅是因為它的算力大，還因為其通用性更強，它可以用來訓練各種各樣的模型。因此，通用為王的優點再次被體現。

如今高性能計算機的計算能力已經進入 E 級時代。E 級超算是指每秒可進行百億億次數學運算的超級計算機，是國際上高端信息技術創新和競爭的制高點，被全世界公認為「超級計算機界的一頂皇冠」。2022 年 5 月 30 日，國際超算大會 (SC) 在德國漢堡發布了最新版全球超算 TOP500 榜單，美國橡樹嶺國家實驗室的新型超算「前沿」（Frontier) 以壓倒性優勢成為全球最快超算。尤其讓外界關注的是，「前沿」也是全球首臺正式發布的每秒浮點運算速度超過百億億次的超算。

隨著全球數據量超過 100ZB(1021)，對 Z 級計算能力的需求愈發迫切。人類對于更高算力的追求在過去數十年里從末停滯。然而，依靠工藝技術的進步幾乎無法實現更高性能的計算，因為超算的處理速度若達到 Z 級，耗電量投資額必然巨大，這將難以落地。

魏少軍還提到，現有的計算芯片架構難以勝任下一代計算的要求。因此人類當下正面臨著計算機架構創新的黃金時代。那么應該如何呼喚新的計算芯片架構呢？

新的計算芯片架構

魏少軍教授展示了一張分別以硬件可編程性和軟件可編程性為橫軸和縱軸的圖。在這張圖中 CPU 等處理器位于第一象限，ASIC 等專用集成電路在第三象限，FPGA 等可編程邏輯器件在第四個象限，第二象限空白的區域就是正在探索的新型架構，這種架構需要具備很強的通用性、靈活性；不存在寡頭壟斷；采用先進工藝等等。

未來必將會經歷的階段還有軟件定義芯片。芯片是計算的主體，但真正實現智能化以來的還是軟件。因為軟件具有自己學習的能力、形成知識和經驗的能力、持續改進和優化的能力、再生和組織能力、思維邏輯推理能力以及做出正確判斷和決斷的能力。

在國際上，美國和歐洲高度重視軟件定義芯片技術的研究。比如美國 2018 年的 DARPA 電子振興計劃以及歐洲的地平線計劃。這兩個項目做下來雖然取得了不少成績，但是實質上并沒有擺脫傳統計算機架構的影響。在這一點上，中國的突破要早于并優于世界同行。

經過十年努力，中國科技工作者攻克了計算模式、硬件架構和映射方法三個關鍵技術，實現了芯片架構和功能的納米級重構，使硬件電路可隨軟件算法的變化而快速變化，在確保靈活性的同時，大幅提升能量效率。

軟件定義芯片技術是能夠替代 ASIC 和 FPGA 的新型電路架構技術，有望為我國集成電路設計業擺脫跟隨模仿、實現趕超，提供一條全新的技術路線。

全球半導體產業大變局

半導體成為地緣政治博弈的工具。如對華科技政策負責人馬西尼已牽頭制定并推進美國人工智戰略，同時認為「半導體才是人工智能領先地位的真正基礎」。美國 AI 戰略負責人施密特認為「美國要確保領先中國半導體至少 2 代」，美國需與「日、韓、歐聯合抗衡」。

一些國家嘗試著把中國排除在全球半導體供應鏈之外。半導體領域的「軍備競賽」加劇全球供應鏈的碎片化。美國、歐盟、韓國、日本都各自通過了自己的《芯片法案》。表面看是各自在推動本地集成電路發展，其實是把全球市場進行分割，全球產業化的進程被中止，這個影響負面大于正面。

智能化助力中國半導體產業自立自強

魏少軍表示，中國在人工智能領域占據優勢。5G 和 AI 也在推動集成電路技術持續進步，這些新的技術反過來也推動了 5G 和 AI 為代表的或來支撐的全球的經濟發展。到目前為止，沒有有任何一個其他技術可以代替集成電路、代替半導體。業界關于摩爾定律的爭論其實從未停止，包括材料的限制、器件的物理尺寸、光刻波長的限制等相關問題。其中的一些問題在半導體行業發展到現在已經得到解決，未來半導體行業的發展將可以更好的滿足人類的需求。

本文由半導體產業縱橫根據 2023 中國臨港國際半導體大會魏少軍的演講整理