AI快速發(fā)展的當(dāng)下，一款更符合應(yīng)用需求的AI芯片將是加速AI與新經(jīng)濟(jì)社會(huì)各領(lǐng)域滲透融合、推動(dòng)AI可持續(xù)發(fā)展的重要因素。目前，各種促進(jìn)深度學(xué)習(xí)算法有效處理的新架構(gòu)和新技術(shù)不斷推向市場(chǎng)。那評(píng)價(jià)一款A(yù)I芯片最關(guān)鍵的指標(biāo)到底是什么？

AI芯片分類(lèi)的維度

最近幾年AI的關(guān)注度都非常高，但今年熱度似乎在下降。有人認(rèn)為，這其中很重要的原因是AI的落地不如預(yù)期。清華大學(xué)長(zhǎng)聘教授，微納電子系副主任、微電子學(xué)研究所副所長(zhǎng)，北京清微智能科技有限公司創(chuàng)始人尹首一對(duì)雷鋒網(wǎng)表示：“我覺(jué)得從一個(gè)事物發(fā)展的角度來(lái)看，早期肯定是最吸引眼球的階段，標(biāo)志性事件也引發(fā)大家熱烈的討論，比如AlphaGo的人機(jī)大戰(zhàn)。時(shí)間久了大家會(huì)覺(jué)得習(xí)以為常，AI也會(huì)逐步進(jìn)入一個(gè)平穩(wěn)的發(fā)展階段。”

“對(duì)于AI當(dāng)下的發(fā)展，不能簡(jiǎn)單的說(shuō)AI落地不如預(yù)期，典型產(chǎn)品已經(jīng)成功進(jìn)入大家的日常生活。當(dāng)然，AI落地本身肯定會(huì)遇到各種困難和挑戰(zhàn)。“

這其中很關(guān)鍵的就是AI芯片，我們目前所說(shuō)的AI芯片通常是指可以運(yùn)行深度學(xué)習(xí)算法的芯片。由于CPU、GPU、FPGA的通用性，能夠運(yùn)行深度學(xué)習(xí)算法，從廣義角度來(lái)看，它們屬于AI芯片的范疇。

從狹義角度看，AI芯片是指針對(duì)AI的算法、應(yīng)用和場(chǎng)景定制優(yōu)化的芯片。也就是說(shuō)，AI芯片應(yīng)該和CPU、GPU、FPGA區(qū)分開(kāi)。除了CPU、GPU、FPGA、ASIC這個(gè)常用分類(lèi)維度，還有一些其他維度。

如果從純數(shù)字架構(gòu)的角度，可以將AI芯片分成時(shí)域計(jì)算架構(gòu)、空域計(jì)算架構(gòu)、可重構(gòu)計(jì)算架構(gòu)三種類(lèi)型。具體而言，基于指令集驅(qū)動(dòng)的芯片可歸為時(shí)域計(jì)算架構(gòu)，比如CPU；而FPGA則是典型的空域計(jì)算架構(gòu)；可重構(gòu)架構(gòu)時(shí)間域可以動(dòng)態(tài)重構(gòu)，從某個(gè)時(shí)間片的角度看其計(jì)算又是空間域并行，它是時(shí)域和空域的結(jié)合。

尹首一表示，從宏觀(guān)的角度看，可以把AI芯片架構(gòu)分為這三類(lèi)，當(dāng)然從不同的側(cè)面也可以有不同的分類(lèi)，比如混合精度、稀疏處理等特點(diǎn)也可以成為分類(lèi)維度。

但無(wú)論哪一類(lèi)AI芯片，最為重要的還是最有效處理深度學(xué)習(xí)算法，進(jìn)而解決實(shí)際問(wèn)題。不斷迭代的AI算法對(duì)AI芯片提出了越來(lái)越高的算力需求，因此，高峰值算力最先成為了AI芯片最受關(guān)注的指標(biāo)。

AI芯片有哪些關(guān)鍵指標(biāo)？

在一段時(shí)間內(nèi)，峰值算力的提升成為了不少AI芯片公司工作的重點(diǎn)。但他們很快發(fā)現(xiàn)，馮·諾伊曼體系結(jié)構(gòu)中，數(shù)據(jù)從存儲(chǔ)器串行提取并寫(xiě)入到工作內(nèi)存，導(dǎo)致相當(dāng)長(zhǎng)的延遲和能量開(kāi)銷(xiāo)。存儲(chǔ)與計(jì)算之間的性能差異導(dǎo)致了內(nèi)存墻問(wèn)題，這也是阻礙AI芯片發(fā)展的關(guān)鍵。為此，打破內(nèi)存墻的瓶頸，提升AI芯片的PPA（Performance，Power，Area）又成為了關(guān)注的焦點(diǎn)。

存算一體這個(gè)很早之前就被提出的技術(shù)成為了當(dāng)下討論較多的解決方案，有兩種技術(shù)已經(jīng)使用。一種把計(jì)算做到DRAM或SRAM存儲(chǔ)器中，把計(jì)算和存儲(chǔ)兩部分的物理距離拉的特別近，另一種是把存儲(chǔ)分散到計(jì)算的陣列中去。當(dāng)前的另一個(gè)熱點(diǎn)是采用新興存儲(chǔ)器RRAM來(lái)做，利用RRAM交叉開(kāi)關(guān)陣列，用電壓和電流的方式表達(dá)出矩陣相乘的結(jié)果。

尹首一認(rèn)為，存算一體的思路是解決存儲(chǔ)墻必然的一個(gè)趨勢(shì)。但他也同時(shí)指出，內(nèi)存墻的問(wèn)題會(huì)長(zhǎng)期存在。從AI芯片落地的角度看，內(nèi)存墻問(wèn)題是挑戰(zhàn)之一、但不是全部，因?yàn)椴煌瑘?chǎng)景下內(nèi)存墻的表現(xiàn)和影響不太一樣，易用性是不可忽視的問(wèn)題。

易用性既取決于芯片最初的定義和設(shè)計(jì)，后期的生態(tài)建設(shè)也非常關(guān)鍵。尹首一說(shuō)：“芯片設(shè)計(jì)為了追求更高性能指標(biāo)，通常設(shè)計(jì)決策會(huì)做一些折中，可能會(huì)犧牲掉一定的易用性。但反過(guò)來(lái)會(huì)發(fā)現(xiàn)，其實(shí)很多場(chǎng)景下，極致的性能并不一定會(huì)成為壓倒性的要素，還是需要開(kāi)發(fā)的便捷性，或者說(shuō)配套的工具鏈完備性，這是AI芯片在落地過(guò)程中主要會(huì)碰到的困難?！?/p>

即便是需要極致算力的場(chǎng)景，在實(shí)際應(yīng)用中也會(huì)發(fā)現(xiàn)，AI芯片的峰值算力和有效算力之間可能會(huì)有很大差距，這是否意味著有效算力比峰值算力更有說(shuō)服力？尹首一認(rèn)為，簡(jiǎn)單的用某個(gè)指標(biāo)去評(píng)價(jià)一款A(yù)I芯片，可能有點(diǎn)以偏概全。很多應(yīng)用場(chǎng)景關(guān)注的側(cè)面可能完全不一樣。

像自動(dòng)駕駛應(yīng)用，當(dāng)下要解決從無(wú)到有的問(wèn)題，因此會(huì)更加追求算力，功耗會(huì)放到第二位。而像家電的場(chǎng)景，成本則是一個(gè)很重要的因素。

“因此，功耗和性能如何去平衡，讓AI芯片有足夠的彈性去適應(yīng)不同場(chǎng)景的需求，是AI芯片產(chǎn)品定義中比較重要的方面?！币滓槐硎尽?/strong>

“可重構(gòu)架構(gòu)很大的優(yōu)勢(shì)就在于可以在靈活性和能量效率之間尋找一個(gè)比較好的平衡。還需要說(shuō)的是，靈活性是為了適應(yīng)AI算法的演進(jìn)，但芯片追求更好PPA指標(biāo)的目標(biāo)是不會(huì)變的。”

AI芯片未來(lái)演進(jìn)的關(guān)鍵是什么？

探索功耗和性能的平衡，適應(yīng)AI算法的演進(jìn)兼具良好的易用性是當(dāng)下以及未來(lái)AI芯片發(fā)展的關(guān)鍵?！?strong>隨著深度學(xué)習(xí)算法和人工智能應(yīng)用的發(fā)展，AI芯片的問(wèn)題肯定會(huì)不斷涌現(xiàn)出來(lái)，我們現(xiàn)在能做的是提供足夠靈活的方案，具備對(duì)未來(lái)算法一定程度上的可擴(kuò)展性?！?/strong>尹首一表示，“當(dāng)然新的算法和需求可能會(huì)超出我們架構(gòu)最初的一些設(shè)想，這需要架構(gòu)不斷演進(jìn)。另一方面，當(dāng)一些場(chǎng)景的需求足夠大，就可以針對(duì)這些場(chǎng)景設(shè)計(jì)出更定制化的AI芯片。”

在這個(gè)過(guò)程中，很有利的一點(diǎn)是一些應(yīng)用場(chǎng)景的需求已經(jīng)基本穩(wěn)定，當(dāng)跨過(guò)這些場(chǎng)景所需的性能門(mén)檻后，AI芯片就未必需要去追求最新的算法。

這帶來(lái)的好處是，當(dāng)算法相對(duì)穩(wěn)定后，可以把里面的要素分析的更透徹，通過(guò)不斷迭代的軟硬件協(xié)同優(yōu)化，使AI芯片在具體場(chǎng)景中的優(yōu)勢(shì)更大程度上體現(xiàn)出來(lái)。

AI芯片的技術(shù)會(huì)跟隨著時(shí)代的發(fā)展不斷演進(jìn)，只有技術(shù)和應(yīng)用很好地結(jié)合才能更好地抓住AI的時(shí)代機(jī)遇。當(dāng)前介紹人工智能和集成電路設(shè)計(jì)的書(shū)籍很多，但是針對(duì)人工智能芯片，長(zhǎng)期以來(lái)缺乏一本系統(tǒng)性的專(zhuān)著。

尹首一教授借集成電路設(shè)計(jì)叢書(shū)編委會(huì)邀請(qǐng)的契機(jī)，撰寫(xiě)并出版了《人工智能芯片設(shè)計(jì)》，總結(jié)了人工智能芯片的發(fā)展歷程以及當(dāng)前面臨的挑戰(zhàn)和問(wèn)題，分析了各項(xiàng)設(shè)計(jì)需求，介紹了人工智能芯片設(shè)計(jì)的新思路、新方法和新技術(shù)，展望了未來(lái)發(fā)展趨勢(shì)。

尹首一接受采訪(fǎng)時(shí)表示，“撰寫(xiě)《人工智能芯片設(shè)計(jì)》最大的感受就是AI芯片的發(fā)展很快，比如三四年前探討混合精度計(jì)算還不多，現(xiàn)在芯片設(shè)計(jì)中已經(jīng)普遍使用。因此我們的書(shū)也希望能夠很快再版，保持內(nèi)容的不斷更新，希望和AI芯片一起不斷成長(zhǎng)?！?/p>

關(guān)于當(dāng)下新基建的時(shí)代機(jī)遇。尹首一認(rèn)為，“從宏觀(guān)上看，新基建肯定利好AI芯片，但還要具體情況具體分析。如果你的芯片進(jìn)展和新基建很吻合，那應(yīng)該把握好這個(gè)轉(zhuǎn)瞬即逝的機(jī)遇。如果交集不多，那就練好內(nèi)功，芯片的競(jìng)爭(zhēng)最終比拼的還是技術(shù)和產(chǎn)品的綜合實(shí)力。

將于2020年8月7日-9日舉行的2020年全球人工智能與機(jī)器人大會(huì)（CCF-GAIR 2020）以AI新基建產(chǎn)業(yè)新機(jī)遇為主題，設(shè)置了針對(duì)新基建學(xué)術(shù)和產(chǎn)業(yè)的AI芯片專(zhuān)場(chǎng)、智能駕駛專(zhuān)場(chǎng)、AIoT專(zhuān)場(chǎng)、智慧城市專(zhuān)場(chǎng)、工業(yè)互聯(lián)網(wǎng)專(zhuān)場(chǎng)、企業(yè)服務(wù)專(zhuān)場(chǎng)、醫(yī)療科技專(zhuān)場(chǎng)、機(jī)器人前沿專(zhuān)場(chǎng)、聯(lián)邦學(xué)習(xí)與大數(shù)據(jù)隱私等15大專(zhuān)場(chǎng)。

2020年8月8日上午9:00-12:20，AI芯片專(zhuān)場(chǎng)的學(xué)術(shù)大咖和重要企業(yè)技術(shù)VP將共同探討如何用創(chuàng)新的指令集、架構(gòu)及商業(yè)模式抓住新基建給AI芯片帶來(lái)的絕佳機(jī)遇。

目前，學(xué)術(shù)大咖已經(jīng)確定。他是清華大學(xué)微納電子系，教授，系主任，清華大學(xué)微納加工平臺(tái)主任，北京市未來(lái)芯片技術(shù)高精尖創(chuàng)新中心副主任吳華強(qiáng)。2009年，他加入清華大學(xué)微電子學(xué)研究所，研究領(lǐng)域?yàn)樾滦桶雽?dǎo)體存儲(chǔ)器及基于新型器件的類(lèi)腦計(jì)算。

清華大學(xué)微納電子系，教授，系主任，清華大學(xué)微納加工平臺(tái)主任，北京市未來(lái)芯片技術(shù)高精尖創(chuàng)新中心副主任吳華強(qiáng)

英特爾首席工程師， 人工智能技術(shù)中國(guó)首席架構(gòu)師夏磊、地平線(xiàn)聯(lián)合創(chuàng)始人黃暢也已經(jīng)確認(rèn)出席CCF-GAIR 2020 AI芯片專(zhuān)場(chǎng)。

英特爾首席工程師， 人工智能技術(shù)中國(guó)首席架構(gòu)師夏磊

更多的重磅嘉賓也即將揭曉。

最后有一個(gè)福利，我們將發(fā)放 30 張福利贈(zèng)票（原價(jià) 3999 元/張）。添加小雷哥微信（ID：leiphonesz2018），獲取限量免費(fèi)票。

詳情參見(jiàn)活動(dòng)官網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

相關(guān)文章：

首發(fā) | 全新類(lèi)別AI芯片量產(chǎn)，清微的可重構(gòu)芯片將成市場(chǎng)主流？

專(zhuān)訪(fǎng)清微智能尹首一：理想的計(jì)算應(yīng)該是架構(gòu)隨著軟件變

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。