人工智能芯片技术体系研究综述

人工智能芯片技术体系研究综述

王丽， 刘文，赵大坤

青岛佳恩半导体有限公司，山东省青岛市 266108

摘要：人工智能技术是当前各国关注的新焦点。在科技迅猛发展的今天，智能化在改善产品质量、提高应用效率和发展新技术方面被广泛地应用于社会的各行各业。为了突破现代化智能技术发展和应用的局限，人工智能芯片作为一种现代前沿技术和高科技产品，在信息社会中应运而生，并将在人工智能技术的应用和落地中发挥基础性、先导性和战略性作用。本文就人工智能芯片技术体系展开探讨。

关键词：人工智能；芯片；技术路线

引言

人工智能的密集计算型需求已成为当前芯片技术的主要驱动力之一。通用处理器的架构已经无法适应人工智能算法的高需求，各种新的架构成为当前处理器芯片性能提升的重要手段。GPU（图形图像处理器）、FPGA（现场可编程门阵列）、ASIC（专用集成电路）等异构芯片纷纷抢占先机，类脑神经元结构芯片的出现颠覆传统的冯诺依曼结构，给产业发展带来新的变革。

1人工智能芯片的概念

1.1人工智能芯片的概念

芯片的本质是集成电路，主要制作工艺是将这种集成电路制造在半导体晶圆上，当前集成电路已经发展到极大规模型，在每mm²可以达到一百万个晶体管的数量级。而所谓人工智能芯片，是指那些对人工智能算法具有高效运算能力，且耗能相对较低的专用芯片。人工智能芯片具有的这种复杂算法处理能力主要取决于其内部的特定结构设计和简单的指令集，如类脑芯片就是一种当下流行的智能芯片，通过智能芯片的应用进一步促进人工智能技术的应用发展。

1.2芯片产业的特点

芯片行业具有制造工序多、产品种类多、技术换代快、投资大风险高等特点：（1）制造工序多：芯片的制造包含了芯片设计、硅片制造、晶圆制造、电子封装、基板互联、仪器设备组装等制造工序，每一道工序又会涉及很多小的步骤，整个流程必须全部完成，才能生产出可以使用的芯片。（2）产品种类多：芯片的种类繁多，主要可以分成专用芯片和通用芯片两大类。专用集成电路通用性不强，每种专用集成电路都属于一类细分市场。专用芯片包括针对消费类电子产品、通信设备、汽车电子、工业电子等细分市场的产品。而通用集成电路的技术复杂度高、标准统一、通用性强，具有量大面广的特征，包含了各种处理器、存储器和可编程电路等等。（3）技术换代快：正如摩尔定律所述的那样，当价格不变时，集成电路上可容纳的元器件数，大概每隔18~24个月便会增加一倍，性能也将提升一倍，因此整个芯片行业的技术更新换代速度特别快，旧的产品极其容易被淘汰。（4）投资大风险高：每研发一片新的芯片，都要至少投入上亿的资金，花上至少一两年的时间来研发。不仅如此，制造集成电路的“开销”更是多得吓人。仅一条20nm工艺生产线就高达100亿美元。对比来看，集成电路设计、制造门槛显著高于互联网产品研发门槛。而且，即便投入如此巨大，芯片研发仍然面临着流片失败的技术风险和不满足市场需要的商业风险。对于产品线尚不丰富的初创设计企业来说，一颗芯片流片失败就可能导致企业破产。对于独立的集成电路设计企业而言，市场风险比技术风险更大。

1.3人工智能芯片的分类

人工智能芯片的分类角度很多，但一般都是从芯片技术架构、功能和应用领域等角度进行划分，通常从人工智能芯片的技术架构角度将其划分为通用性人工智能芯片(GPU)、半定制化人工智能芯片(FPGA)、全定制化人工智能芯片(ASIC)和类脑人工智能芯片。（1）基于通用性的人工智能芯片需要与CPU相互协调才能工作，主要依赖于GPU强大的数据处理能力和并行计算功能。（2）基于半定制化的人工智能芯片是通过异构的形式实现规模数据处理，且由于功耗低而具有一定的吸引能力。（3）基于全定制化的人工智能芯片在高性能计算和低功耗领域具有十分明显的优势，同时构建的系统可靠性高。（4）基于类脑的人工智能芯片通过全新的架构设计，来模仿人类大脑实现对外界的感知和思考，是最具发展潜力的人工智能芯片。

2不同芯片的技术路径

当前处理器芯片主要遵循两条发展路径：一种是延续传统冯诺依曼计算架构，以加速硬件计算能力为主要目的，从通用处理器（CPU）、图像处理器（GPU）到数字信号处理器（DSP），再到半定制电路（FPGA）和全定制电路（ASIC），这5种类型的芯片通用性依次递减，为升级方向；另一条路径是遵循非冯诺依曼计算架构，以类脑芯片为代表，采用人脑神经元的结构来提升计算能力，但是从落地情况来看，若实现真正产业化还需要搭建生态系统，包括建立起一整套编程环境、编译器等工具。当前人工智能芯片沿着从通用到专用的方向不断演进，未来将从专用走向另一程度的通用。

3人工智能芯片未来趋势

目前全球人工智能产业还处在高速变化发展中，广泛的行业分布为人工智能的应用提供了广阔的市场前景，快速迭代的算法推动人工智能技术快速走向商用，人工智能芯片是算法实现的硬件基础，也是未来人工智能时代的战略制高点，但由于目前的AI算法往往都各具优劣，只有给它们设定一个合适的场景才能最好地发挥它们的作用，因此，确定应用领域就成为发展人工智能芯片的重要前提。但遗憾的是，当前尚不存在适应多种应用的通用算法，因此哪家芯片公司能够抓住市场痛点，最先实现应用落地，就可以在人工智能芯片的赛道上取得较大优势。架构创新是人工智能芯片面临的一个不可回避的课题。从芯片发展的大趋势来看，现在还是人工智能芯片的初级阶段。无论是科研还是产业应用都有巨大的创新空间。从确定算法、应用场景的人工智能加速芯片向具备更高灵活性、适应性的通用智能芯片发展是技术发展的必然方向，弱监督、自我监督、多任务学习、对大型神经网络表现更好的智慧型芯片将成为学术界和产业界研究的重要目标。计算架构的高度并行和动态可变性，适应算法演进和应用多样性的可编程性，更高效的大卷积解构与复用，更少的神经网络参数计算位宽，更多样的分布式存储器定制设计，更稀疏的大规模向量实现，复杂异构环境下更高的计算效率，更小的体积和更高的能量效率，计算和存储一体化将成为未来人工智能芯片的主要特征。人工智能芯片的架构创新除了关注神经网络计算，更要关注全芯片的架构创新。以安防智能芯片为例，这是一个典型的系统级问题，除了需要解决神经网络加速问题，还需要处理曝光、白平衡、视频编解码等，并不仅仅是做好一个神经网络加速器就能解决的问题。除了神经网络计算还需要很多计算密集型的模块，这些模块采用什么计算架构，也是整个智能芯片的核心问题。因此，人工智能芯片的架构创新就不能只是神经网络计算架构创新，传统计算架构也必须创新，这将是人工智能芯片架构创新的真正内涵。

结语

人工智能芯片已经开始逐步走进我们的生产生活中，在方方面面都展示出巨大的发展潜力，超越人的想象。虽然中国在近代科技发展的浪潮中落在了后面，但是随着我国对科学技术的重视，科技人才的培育和科研经费的投入，科技的进步又提供了弯道超车的时机，我国新型高科技企业在科技发展浪潮中不断发展，很多技术已经走到了世界的前沿。具有自主知识产权的人工智能芯片将为国家科技强国、信息化强国提供强大的技术基础。

参考文献

[1]尹首一，郭珩，魏少军.人工智能芯片发展的现状及趋势[J].科技导报,2018,36(17):45-51.

[2]张蔚敏,蒋阿芳,纪学毅.人工智能芯片产业现状[J].电信网技术,2018(2).

[3]施羽暇.人工智能芯片技术研究[J].电信网技术,2019(12):11-13.

[4]郭静原.国内首款云端人工智能芯片发布达世界先进水平[J].仪器仪表用户,2018(7).