為什么人工智能需要新的芯片架構

根據聯合市場研究公司的數據，到 263 年，全球人工智能 （AI） 芯片市場預計將達到 6 億美元。AI芯片市場非常龐大，可以以各種不同的方式進行細分，包括芯片類型，加工類型，技術，應用，垂直行業等。然而，使用AI芯片的兩個主要領域是邊緣（例如為手機和智能手表供電的芯片）和數據中心（用于深度學習推理和訓練）。

然而，無論應用如何，所有 AI 芯片都可以定義為集成電路 （IC），這些集成電路專為運行機器學習工作負載而設計，可能包括 FPGA、GPU 或定制的 ASIC AI 加速器。它們的工作方式非常類似于我們人類大腦在我們復雜而快速發展的世界中運作和處理決策和任務的方式。傳統芯片和AI芯片的真正區別在于它可以處理多少和什么類型的數據，以及它可以同時進行多少計算。與此同時，新的軟件AI算法突破正在推動新的AI芯片架構，以實現高效的深度學習計算。

請繼續閱讀，詳細了解 AI 的獨特需求、AI 芯片架構的諸多優勢，以及 AI 芯片架構的應用和未來。

AI芯片的獨特要求

人工智能工作負載如此繁重和苛刻，以至于該行業無法在 2010 年代之前高效且經濟高效地設計人工智能芯片，因為它需要計算能力——比傳統工作負載高出幾個數量級。AI 需要乘法累加函數（如點積函數）的大規模并行性。傳統的GPU能夠以類似的方式對圖形進行并行處理，因此它們被重新用于AI應用程序。

我們在過去十年中看到的優化是劇烈的。人工智能需要具有正確處理器、存儲器陣列、強大的安全性和傳感器之間可靠的實時數據連接的芯片架構。最終，最好的AI芯片架構是將最多的計算元素和內存壓縮到單個芯片中的架構。今天，我們也正在進入人工智能的多芯片系統，因為我們正在達到一個芯片所能做的極限。

芯片設計人員在設計激活值的最大尺寸時需要考慮稱為權重和激活的參數。展望未來，能夠同時考慮AI的軟件和硬件設計對于優化AI芯片架構以提高效率非常重要。

AI 芯片架構的優勢

毫無疑問，我們正處于人工智能的復興時期?，F在我們正在克服設計可以處理AI工作負載的芯片的障礙，有許多創新公司是該領域的專家，并設計出更好的AI芯片來做十年前似乎遙不可及的事情。

當您向下移動工藝節點時，AI 芯片設計可以降低 15% 到 20% 的時鐘速度和 15% 到 30% 的密度，從而使設計人員能夠在芯片上安裝更多計算元素。它們還增加了內存組件，使AI技術可以在幾分鐘而不是幾小時內進行訓練，從而節省大量資金。當公司從在線數據中心租用空間來設計人工智能芯片時尤其如此，但即使是那些使用內部資源的人也可以通過更有效地進行試錯而受益。

我們現在正處于人工智能本身被用于設計新的人工智能芯片架構并計算新的優化路徑的地步，以基于來自許多不同行業和應用的大數據優化功耗、性能和面積 （PPA）。

AI芯片架構應用與未來

從字面上看，人工智能就在我們身邊。人工智能處理器幾乎被安裝到所有類型的芯片中，從最小的物聯網芯片到最大的服務器、數據中心和圖形加速器。需要更高性能的行業當然會更多地使用AI芯片架構，但隨著AI芯片的生產成本越來越低，我們將開始在物聯網等地方看到AI芯片架構來優化功耗和其他類型的優化，我們甚至可能還不知道是可能的。

對于AI芯片架構來說，這是一個激動人心的時刻。Synopsys 預測，由于性能需求，我們將繼續看到下一代工藝節點被積極采用。此外，圍繞不同類型的內存以及不同類型的處理器技術以及與每種技術相關的軟件組件已經進行了大量探索。

在內存方面，芯片設計人員開始將內存放在硬件的實際計算元件旁邊甚至內部，以使處理時間更快。此外，軟件正在驅動硬件，這意味著軟件AI模型（如新的神經網絡）需要新的AI芯片架構。經過驗證的實時接口提供高速和低延遲所需的數據連接，同時安全性保護整個系統及其數據。

最后，我們將看到光子學和多芯片系統在新的AI芯片架構中發揮更大的作用，以克服一些AI芯片瓶頸。光子學提供了一種更節能的計算方式，多芯片系統（涉及芯片的異構集成，通常將內存直接堆疊在計算板頂部）也可以提高性能，因為不同處理元件之間以及處理和存儲單元之間的可能連接速度增加。

有一件事是肯定的：人工智能芯片架構的創新將繼續比比皆是，Synopsys 將占據前排，幫助我們的客戶在一系列行業中設計下一代人工智能芯片。