雷鋒網(wǎng)消息，12月10日~11日，由北京未來芯片技術(shù)高精尖創(chuàng)新中心和清華大學(xué)微電子學(xué)研究所聯(lián)合主辦的“第三屆未來芯片論壇：可重構(gòu)計(jì)算的黃金時(shí)代”在清華大學(xué)主樓舉辦，并正式發(fā)布了《人工智能芯片技術(shù)白皮書（2018）》（以下簡(jiǎn)稱《白皮書》）。

        部分白皮書編委會(huì)成員合影：從左至右依次為劉勇攀、尹首一、X.Sharon Hu、Kwang-Ting Tim Cheng、        魏少軍、唐杉、Yiran Chen、吳華強(qiáng)。

魏少軍首先介紹了白皮書的編寫背景，對(duì)編委會(huì)成員的辛勤付出表示感謝。他講到，人工智能正逐漸發(fā)展為新一代通用技術(shù)，加快與經(jīng)濟(jì)社會(huì)各領(lǐng)域滲透融合，已在醫(yī)療、金融、安防、教育、交通、物流等多個(gè)領(lǐng)域?qū)崿F(xiàn)新業(yè)態(tài)、新模式和新產(chǎn)品的突破式應(yīng)用，帶動(dòng)生產(chǎn)流程、產(chǎn)品、信息消費(fèi)和服務(wù)業(yè)的智能化、高附加值轉(zhuǎn)型發(fā)展。

作為人工智能應(yīng)用實(shí)現(xiàn)的物理基礎(chǔ)和關(guān)鍵支撐，芯片已成為人工智能領(lǐng)域的研究和創(chuàng)業(yè)熱點(diǎn)。新興技術(shù)不斷涌現(xiàn)，新銳公司熠熠生輝。然而，AI芯片雖然成為“熱詞”，并有不少相關(guān)研究報(bào)告，但是缺少一部從技術(shù)內(nèi)涵、技術(shù)脈絡(luò)、技術(shù)標(biāo)準(zhǔn)、技術(shù)發(fā)展趨勢(shì)等方面深入探討、專業(yè)闡述的綜合性、權(quán)威性、前瞻性專著，而《白皮書》的發(fā)布及時(shí)填補(bǔ)了這一空白。

《白皮書》由北京未來芯片技術(shù)高精尖創(chuàng)新中心聯(lián)合斯坦福大學(xué)、加州大學(xué)、圣母大學(xué)、清華大學(xué)等在內(nèi)的領(lǐng)域頂尖研究者和產(chǎn)業(yè)界資深專家，包括10余位IEEE Fellow，歷時(shí)一年編寫完成。《白皮書》凝練AI芯片技術(shù)的關(guān)鍵問題和發(fā)展方向，以前瞻性的視角和對(duì)技術(shù)鏈條的深刻理解，總結(jié)出富有啟示意義和巨大價(jià)值的觀點(diǎn)，是值得政府機(jī)構(gòu)、產(chǎn)學(xué)研界、投資機(jī)構(gòu)參考的重要文獻(xiàn)。

魏少軍教授主持發(fā)布儀式

魏少軍教授指出，《白皮書》首次整合了國際化的學(xué)術(shù)和產(chǎn)業(yè)資源，緊扣學(xué)術(shù)研究和產(chǎn)業(yè)發(fā)展前沿，對(duì)人工智能芯片技術(shù)進(jìn)行了深入探討、專業(yè)闡述，提出了“AI 芯片基準(zhǔn)測(cè)試和發(fā)展路線圖”、完成了對(duì)AI芯片各種技術(shù)路線梳理及對(duì)未來技術(shù)發(fā)展趨勢(shì)和風(fēng)險(xiǎn)預(yù)判，對(duì)于AI芯片技術(shù)未來將如何發(fā)展具有重要的啟示意義。

隨著底層芯片技術(shù)的進(jìn)步，人工智能算法也將獲得更好的支持和更快的發(fā)展。而在這一過程中，人工智能本身也很有可能被用于研發(fā)新的芯片技術(shù)，形成算法和芯片相互促進(jìn)的良性循環(huán)局面。通過《白皮書》，我們可以清晰地看到AI芯片是人工智能產(chǎn)業(yè)和半導(dǎo)體產(chǎn)業(yè)交叉融合的新節(jié)點(diǎn)，涉及多個(gè)學(xué)科、多個(gè)領(lǐng)域的理論和技術(shù)基礎(chǔ)，突顯對(duì)基礎(chǔ)扎實(shí)、創(chuàng)新能力強(qiáng)的人才的需求。

《白皮書》內(nèi)容簡(jiǎn)述：

《白皮書》第一章開宗明義，提出了AI芯片技術(shù)的重要地位以及對(duì)于我國未來芯片及人工智能領(lǐng)域發(fā)展的意義。

《白皮書》第二章綜述了AI芯片的技術(shù)背景，從多個(gè)維度提出了滿足不同場(chǎng)景條件下理想的AI 芯片和硬件平臺(tái)的關(guān)鍵特征。這些特征包括：具有大數(shù)據(jù)處理能力，使用富內(nèi)存處理單元或具備計(jì)算能力的新型存儲(chǔ)器，克服馮·諾依曼架構(gòu)“內(nèi)存墻”瓶頸；具有動(dòng)態(tài)調(diào)整計(jì)算精度能力，使用盡可能低的精度達(dá)到預(yù)期效果，節(jié)省大量?jī)?nèi)存并降低能量消耗；具有強(qiáng)大的軟件工具鏈，能夠構(gòu)建集成化的流程，將不同的機(jī)器學(xué)習(xí)任務(wù)和神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換為可以在 AI 芯片上高效執(zhí)行的指令代碼等。

《白皮書》第三章介紹近幾年的AI 芯片在云側(cè)、邊緣和終端設(shè)備等不同場(chǎng)景中的發(fā)展?fàn)顩r，總結(jié)了云側(cè)和邊緣設(shè)備需要解決的不同問題，以及云側(cè)和邊緣設(shè)備如何協(xié)作支撐AI 應(yīng)用。具體來說，云側(cè)AI處理主要強(qiáng)調(diào)精度、處理能力、內(nèi)存容量和帶寬，同時(shí)追求低延時(shí)和低功耗；邊緣設(shè)備AI 處理則主要關(guān)注功耗、響應(yīng)時(shí)間、體積、成本和隱私安全等問題。

目前最普遍的方式是在云端訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后在云端（由邊緣設(shè)備采集數(shù)據(jù)）或者邊緣設(shè)備進(jìn)行推斷。未來云端和邊緣設(shè)備以及連接他們的網(wǎng)絡(luò)可能會(huì)構(gòu)成一個(gè)巨大的 AI 處理網(wǎng)絡(luò)，它們之間的協(xié)作訓(xùn)練和推斷是有待探索的方向。

《白皮書》第四章分析在CMOS 工藝特征尺寸逐漸逼近極限的大背景下，結(jié)合AI 芯片面臨的架構(gòu)挑戰(zhàn)，AI 芯片的技術(shù)趨勢(shì)。一方面，研究具有生物系統(tǒng)優(yōu)點(diǎn)而規(guī)避速度慢等缺點(diǎn)的新材料和新器件，采用新的計(jì)算架構(gòu)和計(jì)算范式，另一方面，將芯片集成從二維平面向三維空間拓展，采用更為先進(jìn)的集成手段和集成工藝，將是AI芯片技術(shù)在很長(zhǎng)一段時(shí)期內(nèi)的兩條重要的路徑。

《白皮書》第五章討論了建立在當(dāng)前CMOS 技術(shù)集成上的云端和邊緣AI 芯片架構(gòu)創(chuàng)新。未來云端和邊緣AI 芯片將會(huì)分別圍繞海量數(shù)據(jù)處理能力、計(jì)算任務(wù)靈活部署以及低功耗、高效率等來進(jìn)行架構(gòu)創(chuàng)新。以軟件定義的芯片為例，利用軟硬件協(xié)同的設(shè)計(jì)思路，允許硬件架構(gòu)和功能隨軟件變化而變化，同時(shí)具備處理器的靈活性和專用集成電路的高性能和低功耗，是AI芯片在CMOS技術(shù)路徑上實(shí)現(xiàn)的范例。

《白皮書》第六章主要介紹對(duì)AI 芯片至關(guān)重要的存儲(chǔ)技術(shù)，包括傳統(tǒng)存儲(chǔ)技術(shù)的改進(jìn)和基于新興非易失存儲(chǔ)（NVM）的存儲(chǔ)器解決方案。DRAM 和 NAND 閃存由于高密度的單元結(jié)構(gòu)特點(diǎn)，通常被用作較大容量的片外存儲(chǔ)器，而3D 集成已經(jīng)被證明是增加商業(yè)存儲(chǔ)器的帶寬和容量的有效策略。

基于新興 NVM 的片上存儲(chǔ)器（如相變存儲(chǔ)器（PCM），阻變存儲(chǔ)器（ReRAM））可以提供比傳統(tǒng) NVM 更好的存取速度和低功耗，能在非常有限的功率下工作，對(duì)于物聯(lián)網(wǎng)邊緣設(shè)備上的 AI 芯片特別具有吸引力。

《白皮書》第七章重點(diǎn)討論AI芯片在工藝、器件、電路和存儲(chǔ)器方面的前沿研究工作，和以此為基礎(chǔ)的存內(nèi)計(jì)算、生物神經(jīng)網(wǎng)絡(luò)等新技術(shù)趨勢(shì)。白皮書指出，基于新興非易失性存儲(chǔ)器件的人工神經(jīng)網(wǎng)絡(luò)計(jì)算，由于可以利用非常低的功耗實(shí)現(xiàn)信號(hào)的并行處理，提供很高的數(shù)據(jù)吞吐率，有望成為模擬存內(nèi)計(jì)算（Analog In-memory Computing）的基礎(chǔ)技術(shù)。以清華大學(xué)研究人員的工作為例，展示了阻變存儲(chǔ)器陣列能夠成功實(shí)現(xiàn)灰度人臉分類，而能量消耗與Intel 至強(qiáng)處理器相比要低1000倍。

《白皮書》第八章介紹神經(jīng)形態(tài)計(jì)算技術(shù)和芯片的算法、模型以及關(guān)鍵技術(shù)特征，并分析該技術(shù)面臨的機(jī)遇和挑戰(zhàn)。神經(jīng)形態(tài)芯片具有低功耗、低延遲、高速處理、等特點(diǎn)，基于傳統(tǒng) CMOS 技術(shù)和基于新型納米器件的神經(jīng)形態(tài)計(jì)算芯片在圖像識(shí)別等人工智能任務(wù)方面都取得了不俗的成績(jī)，但也還面臨著算法單一、模型不完善、芯片性能有待提升等問題。隨著對(duì)人腦運(yùn)行機(jī)理挖掘得更加充分，相信神經(jīng)形態(tài)芯片將取得新的突破。

《白皮書》第九章探討了AI芯片的基準(zhǔn)測(cè)試和發(fā)展路線圖?？陀^評(píng)估和比較不同的AI芯片（即基準(zhǔn)測(cè)試，Benchmark），及可靠預(yù)測(cè) AI 芯片的發(fā)展路線對(duì)于技術(shù)創(chuàng)新和產(chǎn)業(yè)發(fā)展有重要的指導(dǎo)意義。與 CMOS 技術(shù)的基準(zhǔn)測(cè)試和發(fā)展藍(lán)圖制定中，技術(shù)選項(xiàng)和通用性有達(dá)成一致的明確定義不同，AI芯片多樣的應(yīng)用、算法、體系結(jié)構(gòu)、電路和器件對(duì)確定基準(zhǔn)和路線圖的共同基礎(chǔ)提出了巨大的挑戰(zhàn)。對(duì)于AI 芯片的測(cè)試基準(zhǔn)和路線圖建立，必須超越器件和電路層次，綜合考慮多種因素的整體作用，需要算法研究人員、架構(gòu)師、電路設(shè)計(jì)人員和器件專家共同努力。

《白皮書》最后一章對(duì)AI芯片的未來發(fā)展進(jìn)行了展望。由于人工智能技術(shù)整體發(fā)展還處于初級(jí)階段，AI芯片行業(yè)的發(fā)展也隨之面臨極大的不確定性。而這種不確定性恰恰為各種AI芯片技術(shù)創(chuàng)新提供了一個(gè)巨大的舞臺(tái)，我們可以期待在這個(gè)舞臺(tái)上看到前所未有的精彩表演。

附白皮書下載鏈接：

《人工智能芯片技術(shù)白皮書（2018）》中文版：清華云盤 ； Google Drive ； 百度網(wǎng)盤

《White Paper on AI Chip Technologies (2018)》English version：清華云盤 ； Google Drive ； 百度網(wǎng)盤

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