AI芯片國內外的發(fā)展現狀

如果說(shuō)2016年3月份AlphaGo與李世石的那場(chǎng)人機大戰只在科技界和圍棋界產(chǎn)生較大影響的話(huà)，那么2017年5月其與排名第一的世界圍棋冠軍柯潔的對戰則將人工智能技術(shù)推向了公眾視野。阿爾法狗（AlphaGo）是第一個(gè)擊敗人類(lèi)職業(yè)圍棋選手、第一個(gè)戰勝?lài)迨澜绻谲姷娜斯ぶ悄艹绦?，由谷歌（Google）旗下DeepMind公司戴密斯·哈薩比斯領(lǐng)銜的團隊開(kāi)發(fā)，其主要工作原理是“深度學(xué)習”。

其實(shí)早在2012年，深度學(xué)習技術(shù)就已經(jīng)在學(xué)術(shù)界引起了廣泛地討論。在這一年的ImageNet大規模視覺(jué)識別挑戰賽ILSVRC中，采用5個(gè)卷積層和3個(gè)全連接層的神經(jīng)網(wǎng)絡(luò )結構AlexNet，取得了top-5（15.3%）的歷史最佳錯誤率，而第二名的成績(jì)僅為26.2%。從此以后，就出現了層數更多、結構更為復雜的神經(jīng)網(wǎng)絡(luò )結構，如ResNet、GoogleNet、VGGNet和MaskRCNN等，還有去年比較火的生成式對抗網(wǎng)絡(luò )GAN。

不論是贏(yíng)得視覺(jué)識別挑戰賽的AlexNet，還是擊敗圍棋冠軍柯潔的AlphaGo，它們的實(shí)現都離不開(kāi)現代信息技術(shù)的核心——處理器，不論這個(gè)處理器是傳統的CPU，還是GPU，還是新興的專(zhuān)用加速部件NNPU（NNPU是Neural Network Processing Unit的簡(jiǎn)稱(chēng)）。

在計算機體系結構國際頂級會(huì )議ISCA2016上有個(gè)關(guān)于體系結構2030的小型研討會(huì )，名人堂成員UCSB的謝源教授就對1991年以來(lái)在ISCA收錄的論文進(jìn)行了總結，專(zhuān)用加速部件相關(guān)的論文收錄是在2008年開(kāi)始，而在2016年達到了頂峰，超過(guò)了處理器、存儲器以及互聯(lián)結構等三大傳統領(lǐng)域。而在這一年，來(lái)自中國科學(xué)院計算技術(shù)研究所的陳云霽、陳天石研究員課題組提交的《一種神經(jīng)網(wǎng)絡(luò )指令集》論文，更是ISCA2016最高得分論文。

在具體介紹AI芯片國內外之前，看到這里有部分讀者或許會(huì )產(chǎn)生這樣的疑惑：這不都是在說(shuō)神經(jīng)網(wǎng)絡(luò )和深度學(xué)習嗎？那么我覺(jué)得有必要對人工智能和神經(jīng)網(wǎng)絡(luò )的概念進(jìn)行闡述，特別是2017年工信部發(fā)布的《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計劃（2018-2020年）》中，對發(fā)展目標的描述很容易讓人覺(jué)得人工智能就是神經(jīng)網(wǎng)絡(luò )，AI芯片就是神經(jīng)網(wǎng)絡(luò )芯片。

人工智能整體核心基礎能力顯著(zhù)增強，智能傳感器技術(shù)產(chǎn)品實(shí)現突破，設計、代工、封測技術(shù)達到國際水平，神經(jīng)網(wǎng)絡(luò )芯片實(shí)現量產(chǎn)并在重點(diǎn)領(lǐng)域實(shí)現規?；瘧?，開(kāi)源開(kāi)發(fā)平臺初步具備支撐產(chǎn)業(yè)快速發(fā)展的能力。

其實(shí)則不然。人工智能是一個(gè)很老很老的概念，而神經(jīng)網(wǎng)絡(luò )只不過(guò)是人工智能范疇的一個(gè)子集。早在1956年，被譽(yù)為“人工智能之父”的圖靈獎得主約翰·麥卡錫就這樣定義人工智能：創(chuàng )造智能機器的科學(xué)與工程。而在1959年，Arthur Samuel給出了人工智能的一個(gè)子領(lǐng)域機器學(xué)習的定義，即“計算機有能力去學(xué)習，而不是通過(guò)預先準確實(shí)現的代碼”，這也是目前公認的對機器學(xué)習最早最準確的定義。而我們日常所熟知的神經(jīng)網(wǎng)絡(luò )、深度學(xué)習等都屬于機器學(xué)習的范疇，都是受大腦機理啟發(fā)而發(fā)展得來(lái)的。另外一個(gè)比較重要的研究領(lǐng)域就是脈沖神經(jīng)網(wǎng)絡(luò )，國內具有代表的單位和企業(yè)是清華大學(xué)類(lèi)腦計算研究中心和上海西井科技等。

好了，現在終于可以介紹AI芯片國內外的發(fā)展現狀了，當然這些都是我個(gè)人的一點(diǎn)觀(guān)察和愚見(jiàn)，管窺之見(jiàn)權當拋磚引玉。

國外技術(shù)寡頭，優(yōu)勢明顯

由于具有得天獨厚的技術(shù)和應用優(yōu)勢，英偉達和谷歌幾乎占據了人工智能處理領(lǐng)域80%的市場(chǎng)份額，而且在谷歌宣布其Cloud TPU開(kāi)放服務(wù)和英偉達推出自動(dòng)駕駛處理器Xavier之后，這一份額占比在2018年有望進(jìn)一步擴大。其他廠(chǎng)商，如英特爾、特斯拉、ARM、IBM以及Cadence等，也在人工智能處理器領(lǐng)域占有一席之地。

當然，上述這些公司的專(zhuān)注領(lǐng)域卻不盡相同。比如英偉達主要專(zhuān)注于GPU和無(wú)人駕駛領(lǐng)域，而谷歌則主要針對云端市場(chǎng)，英特爾則主要面向計算機視覺(jué)，Cadence則以提供加速神經(jīng)網(wǎng)絡(luò )計算相關(guān)IP為主。如果說(shuō)前述這些公司還主要偏向處理器設計等硬件領(lǐng)域，那么ARM公司則主要偏向軟件，致力于針對機器學(xué)習和人工智能提供高效算法庫。

注：上述表格中所給為截止到2017年各研制單位公開(kāi)可查的最新數據。

1、獨占鰲頭——英偉達

在人工智能領(lǐng)域，英偉達可以說(shuō)是目前涉及面最廣、市場(chǎng)份額最大的公司，旗下產(chǎn)品線(xiàn)遍布自動(dòng)駕駛汽車(chē)、高性能計算、機器人、醫療保健、云計算、游戲視頻等眾多領(lǐng)域。其針對自動(dòng)駕駛汽車(chē)領(lǐng)域的全新人工智能超級計算機Xavier，用NVIDIA首席執行官黃仁勛的話(huà)來(lái)說(shuō)就是“這是我所知道的 SoC 領(lǐng)域非常了不起的嘗試，我們長(cháng)期以來(lái)一直致力于開(kāi)發(fā)芯片?！?/p>

Xavier是一款完整的片上系統(SoC)，集成了被稱(chēng)為 Volta 的全新 GPU 架構、定制 8 核 CPU 架構以及新的計算機視覺(jué)加速器。該處理器提供 20 TOPS（萬(wàn)億次運算/秒）的高性能，而功耗僅為 20 瓦。單個(gè) Xavier 人工智能處理器包含 70 億個(gè)晶體管，采用最前沿的 16nm FinFET 加工技術(shù)進(jìn)行制造，能夠取代目前配置了兩個(gè)移動(dòng) SoC 和兩個(gè)獨立 GPU 的 DRIVE PX 2，而功耗僅僅是它的一小部分。

而在2018年拉斯維加斯CES展會(huì )上，NVIDIA又推出了三款基于Xavier的人工智能處理器，包括一款專(zhuān)注于將增強現實(shí)（AR）技術(shù)應用于汽車(chē)的產(chǎn)品、一款進(jìn)一步簡(jiǎn)化車(chē)內人工智能助手構建和部署的DRIVE IX和一款對其現有自主出租車(chē)大腦——Pegasus的修改，進(jìn)一步擴大自己的優(yōu)勢。

2、產(chǎn)學(xué)研的集大成者——谷歌

如果你只是知道谷歌的AlphaGo、無(wú)人駕駛和TPU等這些人工智能相關(guān)的產(chǎn)品，那么你還應該知道這些產(chǎn)品背后的技術(shù)大牛們：谷歌傳奇芯片工程師Jeff Dean、谷歌云計算團隊首席科學(xué)家、斯坦福大學(xué)AI實(shí)驗室主管李飛飛、Alphabet董事長(cháng)John Hennessy和谷歌杰出工程師David Patterson。

時(shí)至今日，摩爾定律遇到了技術(shù)和經(jīng)濟上的雙重瓶頸，處理器性能的增長(cháng)速度越來(lái)越慢，然而社會(huì )對于計算能力的需求增速卻并未減緩，甚至在移動(dòng)應用、大數據、人工智能等新的應用興起后，對于計算能力、計算功耗和計算成本等提出了新的要求。與完全依賴(lài)于通用CPU及其編程模型的傳統軟件編寫(xiě)模式不同，異構計算的整個(gè)系統包含了多種基于特定領(lǐng)域架構（Domain-Specific Architecture, DSA）設計的處理單元，每一個(gè)DSA處理單元都有負責的獨特領(lǐng)域并針對該領(lǐng)域做優(yōu)化，當計算機系統遇到相關(guān)計算時(shí)便由相應的DSA處理器去負責。而谷歌就是異構計算的踐行者，TPU就是異構計算在人工智能應用的一個(gè)很好例子。

2017年發(fā)布的第二代TPU芯片，不僅加深了人工智能在學(xué)習和推理方面的能力，而且谷歌是認真地要將它推向市場(chǎng)。根據谷歌的內部測試，第二代芯片針對機器學(xué)習的訓練速度能比現在市場(chǎng)上的圖形芯片（GPU）節省一半時(shí)間；第二代TPU包括了四個(gè)芯片，每秒可處理180萬(wàn)億次浮點(diǎn)運算；如果將64個(gè)TPU組合到一起，升級為所謂的TPU Pods，則可提供大約11500萬(wàn)億次浮點(diǎn)運算能力。

3、計算機視覺(jué)領(lǐng)域的攪局者——英特爾

英特爾作為世界上最大的計算機芯片制造商，近年來(lái)一直在尋求計算機以外的市場(chǎng)，其中人工智能芯片爭奪成為英特爾的核心戰略之一。為了加強在人工智能芯片領(lǐng)域的實(shí)力，不僅以167億美元收購FPGA生產(chǎn)商Altera公司，還以153億美元收購自動(dòng)駕駛技術(shù)公司Mobileye，以及機器視覺(jué)公司Movidius和為自動(dòng)駕駛汽車(chē)芯片提供安全工具的公司Yogitech，背后凸顯這家在PC時(shí)代處于核心位置的巨頭面向未來(lái)的積極轉型。

Myriad X就是英特爾子公司Movidius在2017年推出的視覺(jué)處理器(VPU，vision processing unit)，這是一款低功耗的系統芯片(SoC)，用于在基于視覺(jué)的設備上加速深度學(xué)習和人工智能——如無(wú)人機、智能相機和VR / AR頭盔。Myriad X是全球第一個(gè)配備專(zhuān)用神經(jīng)網(wǎng)絡(luò )計算引擎的片上系統芯片（SoC），用于加速設備端的深度學(xué)習推理計算。該神經(jīng)網(wǎng)絡(luò )計算引擎是芯片上集成的硬件模塊，專(zhuān)為高速、低功耗且不犧牲精確度地運行基于深度學(xué)習的神經(jīng)網(wǎng)絡(luò )而設計，讓設備能夠實(shí)時(shí)地看到、理解和響應周?chē)h(huán)境。引入該神經(jīng)計算引擎之后，Myriad X架構能夠為基于深度學(xué)習的神經(jīng)網(wǎng)絡(luò )推理提供1TOPS的計算性能。

4、執“能效比”之牛耳——學(xué)術(shù)界

除了工業(yè)界和廠(chǎng)商在人工智能領(lǐng)域不斷推出新產(chǎn)品之外，學(xué)術(shù)界也在持續推進(jìn)人工智能芯片新技術(shù)的發(fā)展。

比利時(shí)魯汶大學(xué)的Bert Moons等在2017年頂級會(huì )議IEEE ISSCC上面提出了能效比高達10.0TOPs/W的針對卷積神經(jīng)網(wǎng)絡(luò )加速的芯片ENVISION，該芯片采用28nm FD-SOI技術(shù)。該芯片包括一個(gè)16位的RISC處理器核，1D-SIMD處理單元進(jìn)行ReLU和Pooling操作，2D-SIMD MAC陣列處理卷積層和全連接層的操作，還有128KB的片上存儲器。

韓國科學(xué)技術(shù)院KAIST的Dongjoo Shin等人在ISSCC2017上提出了一個(gè)針對CNN和RNN結構可配置的加速器單元DNPU，除了包含一個(gè)RISC核之外，還包括了一個(gè)針對卷積層操作的計算陣列CP和一個(gè)針對全連接層RNN-LSTM操作的計算陣列FRP，相比于魯汶大學(xué)的Envision，DNPU支持CNN和RNN結構，能效比高達8.1TOPS/W。該芯片采用了65nm CMOS工藝。

相比較于魯汶大學(xué)和韓國科學(xué)技術(shù)院都針對神經(jīng)網(wǎng)絡(luò )推理部分的計算操作來(lái)說(shuō)，普渡大學(xué)的Venkataramani S等人在計算機體系結構頂級會(huì )議ISCA2017上提出了針對大規模神經(jīng)網(wǎng)絡(luò )訓練的人工智能處理器SCALLDEEP。

該論文針對深度神經(jīng)網(wǎng)絡(luò )的訓練部分進(jìn)行針對性?xún)?yōu)化，提出了一個(gè)可擴展服務(wù)器架構，且深入分析了深度神經(jīng)網(wǎng)絡(luò )中卷積層，采樣層，全連接層等在計算密集度和訪(fǎng)存密集度方面的不同，設計了兩種處理器core架構，計算密集型的任務(wù)放在了comHeavy核中，包含大量的2D乘法器和累加器部件，而對于訪(fǎng)存密集型任務(wù)則放在了memHeavy核中，包含大量SPM存儲器和tracker同步單元，既可以作為存儲單元使用，又可以進(jìn)行計算操作，包括ReLU，tanh等。而一個(gè)SCALEDEEP Chip則可以有不同配置下的兩類(lèi)處理器核組成，然后再組成計算簇。

論文中所用的處理平臺包括7032個(gè)處理器tile。論文作者針對深度神經(jīng)網(wǎng)絡(luò )設計了編譯器，完成網(wǎng)絡(luò )映射和代碼生成，同時(shí)設計了設計空間探索的模擬器平臺，可以進(jìn)行性能和功耗的評估，性能則得益于時(shí)鐘精確級的模擬器，功耗評估則從DC中提取模塊的網(wǎng)表級的參數模型。該芯片僅采用了Intel 14nm工藝進(jìn)行了綜合和性能評估，峰值能效比高達485.7GOPS/W。

國內百家爭鳴，各自為政

可以說(shuō)，國內各個(gè)單位在人工智能處理器領(lǐng)域的發(fā)展和應用與國外相比依然存在很大的差距。由于我國特殊的環(huán)境和市場(chǎng)，國內人工智能處理器的發(fā)展呈現出百花齊放、百家爭鳴的態(tài)勢，這些單位的應用領(lǐng)域遍布股票交易、金融、商品推薦、安防、早教機器人以及無(wú)人駕駛等眾多領(lǐng)域，催生了大量的人工智能芯片創(chuàng )業(yè)公司，如地平線(xiàn)、深鑒科技、中科寒武紀等。盡管如此，國內起步較早的中科寒武紀卻并未如國外大廠(chǎng)一樣形成市場(chǎng)規模，與其他廠(chǎng)商一樣，存在著(zhù)各自為政的散裂發(fā)展現狀。

除了新興創(chuàng )業(yè)公司，國內研究機構如北京大學(xué)、清華大學(xué)、中國科學(xué)院等在人工智能處理器領(lǐng)域都有深入研究；而其他公司如百度和比特大陸等，2017年也有一些成果發(fā)布。

注：上述表格中所給為截止到2017年各研制單位公開(kāi)可查的最新數據。

1、全球AI芯片界首個(gè)獨角獸——寒武紀

2017年8月，國內AI芯片初創(chuàng )公司寒武紀宣布已經(jīng)完成1億美元A輪融資，戰略投資方可謂陣容豪華，阿里巴巴、聯(lián)想、科大訊飛等企業(yè)均參與投資。而其公司也成為全球AI芯片界首個(gè)獨角獸，受到國內外市場(chǎng)廣泛關(guān)注。

寒武紀科技主要負責研發(fā)生產(chǎn)AI芯片，公司最主要的產(chǎn)品為2016年發(fā)布的寒武紀1A處理器(Cambricon-1A)，是一款可以深度學(xué)習的神經(jīng)網(wǎng)絡(luò )專(zhuān)用處理器，面向智能手機、無(wú)人機、安防監控、可穿戴設備以及智能駕駛等各類(lèi)終端設備，在運行主流智能算法時(shí)性能功耗比全面超越傳統處理器。目前已經(jīng)研發(fā)出1A、1H等多種型號。與此同時(shí)，寒武紀也推出了面向開(kāi)發(fā)者的寒武紀人工智能軟件平臺 Cambricon NeuWare，包含開(kāi)發(fā)、調試和調優(yōu)三大部分。

2、軟硬件協(xié)同發(fā)展的典范——深鑒科技

深鑒科技的聯(lián)合創(chuàng )始人韓松在不同場(chǎng)合曾多次提及軟硬件協(xié)同設計對人工智能處理器的重要性，而其在FPGA領(lǐng)域頂級會(huì )議FPGA2017最佳論文ESE硬件架構就是最好的證明。該項工作聚焦于使用LSTM 進(jìn)行語(yǔ)音識別的場(chǎng)景，結合深度壓縮（Deep Compression）、專(zhuān)用編譯器以及 ESE 專(zhuān)用處理器架構，在中端的 FPGA 上即可取得比 Pascal Titan X GPU 高 3 倍的性能，并將功耗降低 3.5 倍。

在2017年10月的時(shí)候，深鑒科技推出了六款AI產(chǎn)品，分別是人臉檢測識別模組、人臉?lè )治鼋鉀Q方案、視頻結構化解決方案、ARISTOTLE架構平臺，深度學(xué)習SDK DNNDK、雙目深度視覺(jué)套件。而在人工智能芯片方面，公布了最新的芯片計劃，由深鑒科技自主研發(fā)的芯片“聽(tīng)濤”、“觀(guān)?！睂⒂?018年第三季度面市，該芯片采用臺積電28nm工藝，亞里士多德架構，峰值性能 3.7 TOPS/W。

3、對標谷歌TPU——比特大陸算豐

作為比特幣獨角獸的比特大陸，在2015年開(kāi)始涉足人工智能領(lǐng)域，其在2017年發(fā)布的面向AI應用的張量處理器算豐Sophon BM1680，是繼谷歌TPU之后，全球又一款專(zhuān)門(mén)用于張量計算加速的專(zhuān)用芯片（ASIC），適用于CNN / RNN / DNN的訓練和推理。

BM1680單芯片能夠提供2TFlops單精度加速計算能力，芯片由64 NPU構成，特殊設計的NPU調度引擎（Scheduling Engine）可以提供強大的數據吞吐能力，將數據輸入到神經(jīng)元核心（Neuron Processor Cores）。BM1680采用改進(jìn)型脈動(dòng)陣列結構。2018年比特大陸將發(fā)布第2代算豐AI芯片BM1682，計算力將有大幅提升。

4、百家爭鳴——百度、地平線(xiàn)及其他

在2017年的HotChips大會(huì )上，百度發(fā)布了XPU，這是一款256核、基于FPGA的云計算加速芯片，用于百度的人工智能、數據分析、云計算以及無(wú)人駕駛業(yè)務(wù)。在會(huì )上，百度研究員歐陽(yáng)劍表示，百度設計的芯片架構突出多樣性，著(zhù)重于計算密集型、基于規則的任務(wù)，同時(shí)確保效率、性能和靈活性的最大化。

歐陽(yáng)劍表示：“FPGA是高效的，可以專(zhuān)注于特定計算任務(wù)，但缺乏可編程能力。傳統CPU擅長(cháng)通用計算任務(wù)，尤其是基于規則的計算任務(wù)，同時(shí)非常靈活。GPU瞄準了并行計算，因此有很強大的性能。XPU則關(guān)注計算密集型、基于規則的多樣化計算任務(wù)，希望提高效率和性能，并帶來(lái)類(lèi)似CPU的靈活性。

在2018年百度披露更多關(guān)于XPU的相關(guān)信息。

2017年12月底，人工智能初創(chuàng )企業(yè)地平線(xiàn)發(fā)布了中國首款全球領(lǐng)先的嵌入式人工智能芯片——面向智能駕駛的征程（Journey）1.0處理器和面向智能攝像頭的旭日（Sunrise）1.0處理器，還有針對智能駕駛、智能城市和智能商業(yè)三大應用場(chǎng)景的人工智能解決方案?！靶袢?1.0”和“征程 1.0”是完全由地平線(xiàn)自主研發(fā)的人工智能芯片，具有全球領(lǐng)先的性能。

為了解決應用場(chǎng)景中的問(wèn)題，地平線(xiàn)將算法與芯片做了強耦合，用算法來(lái)定義芯片，提升芯片的效率，在高性能的情況下可以保證它的低功耗、低成本。具體芯片參數尚無(wú)公開(kāi)數據。

除了百度和地平線(xiàn)，國內研究機構如中國科學(xué)院、北京大學(xué)和清華大學(xué)也有人工智能處理器相關(guān)的成果發(fā)布。

北京大學(xué)聯(lián)合商湯科技等提出一種基于 FPGA 的快速 Winograd 算法，可以大幅降低算法復雜度，改善 FPGA 上的 CNN 性能。論文中的實(shí)驗使用當前最優(yōu)的多種 CNN 架構（如 AlexNet 和 VGG16），從而實(shí)現了 FPGA 加速之下的最優(yōu)性能和能耗。在 Xilinx ZCU102 平臺上達到了卷積層平均處理速度 1006.4 GOP/s，整體 AlexNet 處理速度 854.6 GOP/s，卷積層平均處理速度 3044.7 GOP/s，整體 VGG16 的處理速度 2940.7 GOP/s。

中國科學(xué)院計算機體系結構國家重點(diǎn)實(shí)驗室在頂級會(huì )議HPCA2017上提出了一種基于數據流的神經(jīng)網(wǎng)絡(luò )處理器架構，以便適應特征圖、神經(jīng)元和突觸等不同層級的并行計算，為了實(shí)現這一目標，該團隊對單個(gè)處理單元PE進(jìn)行重新設計，使得操作數可以直接通過(guò)橫向或縱向的總線(xiàn)從片上存儲器獲取，而非傳統PE只能從上至下或從左至右由相鄰單元獲取。該芯片采用了TMSC 65nm工藝，峰值性能為490.7 GOPs/W。

清華大學(xué)微納電子系魏少軍等2017年的VLSI國際研討會(huì )上提出了基于可重構多模態(tài)混合的神經(jīng)計算芯片Thinker。Thinker芯片基于該團隊長(cháng)期積累的可重構計算芯片技術(shù)，采用可重構架構和電路技術(shù)，突破了神經(jīng)網(wǎng)絡(luò )計算和訪(fǎng)存的瓶頸，實(shí)現了高能效多模態(tài)混合神經(jīng)網(wǎng)絡(luò )計算。Thinker芯片具有高能效的突出優(yōu)點(diǎn)，其能量效率相比目前在深度學(xué)習中廣泛使用的GPU提升了三個(gè)數量級。Thinker芯片支持電路級編程和重構，是一個(gè)通用的神經(jīng)網(wǎng)絡(luò )計算平臺，可廣泛應用于機器人、無(wú)人機、智能汽車(chē)、智慧家居、安防監控和消費電子等領(lǐng)域。該芯片采用了TSMC 65nm工藝，片上存儲為348KB，峰值性能為5.09TOPS/W。

5、新架構新技術(shù)——憶阻器

2017年清華大學(xué)微電子所錢(qián)鶴、吳華強課題組在《自然通訊》（Nature Communications）在線(xiàn)發(fā)表了題為“運用電子突觸進(jìn)行人臉?lè )诸?lèi)”（“Face Classification using Electronic Synapses”）的研究成果，將氧化物憶阻器的集成規模提高了一個(gè)數量級，首次實(shí)現了基于1024個(gè)氧化物憶阻器陣列的類(lèi)腦計算。該成果在最基本的單個(gè)憶阻器上實(shí)現了存儲和計算的融合，采用完全不同于傳統“馮·諾依曼架構”的體系，可以使芯片功耗降低到原千分之一以下。憶阻器被認為是最具潛力的電子突觸器件，通過(guò)在器件兩端施加電壓，可以靈活地改變其阻值狀態(tài)，從而實(shí)現突觸的可塑性。此外，憶阻器還具有尺寸小、操作功耗低、可大規模集成等優(yōu)勢。因此，基于憶阻器所搭建的類(lèi)腦計算硬件系統具有功耗低和速度快的優(yōu)勢，成為國際研究熱點(diǎn)。

在神經(jīng)形態(tài)處理器方面，最為著(zhù)名的就是IBM在2014年推出的TrueNorth芯片，該芯片包括4096個(gè)核心和540萬(wàn)個(gè)晶體管，功耗70mW，模擬了一百萬(wàn)個(gè)神經(jīng)元和2.56億個(gè)突觸。而在2017年，英特爾也推出一款能模擬大腦工作的自主學(xué)習芯片Loihi，Loihi由128個(gè)計算核心構成，每個(gè)核心集成了1024個(gè)人工神經(jīng)元，整個(gè)芯片擁有超過(guò)個(gè)13萬(wàn)個(gè)神經(jīng)元與1.3億個(gè)突觸連接，與人腦超過(guò)800億個(gè)神經(jīng)元相比，簡(jiǎn)直是小巫見(jiàn)大巫，Loihi的運算規模僅比蝦腦復雜一點(diǎn)點(diǎn)而已。英特爾認為該芯片適用于無(wú)人機與汽車(chē)自動(dòng)駕駛，紅綠燈自適應路面交通狀況，用攝像頭尋找失蹤人口等任務(wù)。

而在神經(jīng)形態(tài)芯片研究領(lǐng)域，清華大學(xué)類(lèi)腦計算研究中心施路平等在2015年就推出了首款類(lèi)腦芯片—“天機芯”，該芯片世界首次將人工神經(jīng)網(wǎng)絡(luò )（Artificial Neural Networks, ANNs）和脈沖神經(jīng)網(wǎng)絡(luò )（Spiking Neural Networks，SNNs）進(jìn)行異構融合，同時(shí)兼顧技術(shù)成熟并被廣泛應用的深度學(xué)習模型與未來(lái)具有巨大前景的計算神經(jīng)科學(xué)模型，可用于諸如圖像處理、語(yǔ)音識別、目標跟蹤等多種應用開(kāi)發(fā)。在類(lèi)腦“自行”車(chē)演示平臺上，集成32個(gè)天機一號芯片，實(shí)現了面向視覺(jué)目標探測、感知、目標追蹤、自適應姿態(tài)控制等任務(wù)的跨模態(tài)類(lèi)腦信息處理實(shí)驗。據悉，基于TSMC 28nm工藝的第二代天機芯片也即將推出，性能將會(huì )得到極大提升。

從ISSCC2018看人工智能芯片發(fā)展趨勢

在剛剛結束的計算機體系結構頂級會(huì )議ISSCC2018，“Digital Systems: Digital Architectures and Systems”分論壇主席Byeong-Gyu Nam對人工智能芯片，特別是深度學(xué)習芯片的發(fā)展趨勢做了概括。深度學(xué)習依然今年大會(huì )最為熱門(mén)的話(huà)題。相比較于去年大多數論文都在討論卷積神經(jīng)網(wǎng)絡(luò )的實(shí)現問(wèn)題，今年則更加關(guān)注兩個(gè)問(wèn)題：其一，如果更高效地實(shí)現卷積神經(jīng)網(wǎng)絡(luò )，特別是針對手持終端等設備；其二，則是關(guān)于全連接的非卷積神經(jīng)網(wǎng)絡(luò )，如RNN和LSTM等。

同時(shí)，為了獲得更高的能效比，越來(lái)越多的研究者把精力放在了低精度神經(jīng)網(wǎng)絡(luò )的設計和實(shí)現，如1bit的神經(jīng)網(wǎng)絡(luò )。這些新型技術(shù)，使得深度學(xué)習加速器的能效比從去年的幾十TOPS/W提升到了今年的上百TOPS/W。有些研究者也對數字+模擬的混合信號處理實(shí)現方案進(jìn)行了研究。對數據存取具有較高要求的全連接網(wǎng)絡(luò )，有些研究者則借助3-D封裝技術(shù)來(lái)獲得更好的性能。

正如前文所述，在人工智能芯片領(lǐng)域，國外芯片巨頭占據了絕大部分市場(chǎng)份額，不論是在人才聚集還是公司合并等方面，都具有絕對的領(lǐng)先優(yōu)勢。而國內人工智能初創(chuàng )公司則又呈現百家爭鳴、各自為政的紛亂局面；特別是每個(gè)初創(chuàng )企業(yè)的人工智能芯片都具有自己獨特的體系結構和軟件開(kāi)發(fā)套件，既無(wú)法融入英偉達和谷歌建立的生態(tài)圈，又不具備與之抗衡的實(shí)力。

國產(chǎn)人工智能芯片的發(fā)展，一如早年間國產(chǎn)通用處理器和操作系統的發(fā)展，過(guò)份地追求完全獨立、自主可控的怪圈，勢必會(huì )如眾多國產(chǎn)芯片一樣逐漸退出歷史舞臺。借助于X86的完整生態(tài)，短短一年之內，兆芯推出的國產(chǎn)自主可控x86處理器，以及聯(lián)想基于兆芯CPU設計生產(chǎn)的國產(chǎn)計算機、服務(wù)器就獲得全國各地黨政辦公人員的高度認可，并在黨政軍辦公、信息化等國家重點(diǎn)系統和工程中已獲批量應用。

當然，投身于X86的生態(tài)圈對于通用桌面處理器和高端服務(wù)器芯片來(lái)說(shuō)無(wú)可厚非，畢竟創(chuàng )造一個(gè)如Wintel一樣的生態(tài)鏈已絕非易事，我們也不可能遇見(jiàn)第二個(gè)喬布斯和蘋(píng)果公司。而在全新的人工智能芯片領(lǐng)域，對眾多國產(chǎn)芯片廠(chǎng)商來(lái)說(shuō)，還有很大的發(fā)展空間，針對神經(jīng)網(wǎng)絡(luò )加速器最重要的就是找到一個(gè)具有廣闊前景的應用領(lǐng)域，如華為海思麒麟處理器之于中科寒武紀的NPU；否則還是需要融入一個(gè)合適的生態(tài)圈。另外，目前大多數國產(chǎn)人工智能處理器都針對于神經(jīng)網(wǎng)絡(luò )計算進(jìn)行加速，而能夠提供單芯片解決方案的很少；微控制器領(lǐng)域的發(fā)展，ARM的Cortex-A系列和Cortex-M系列占據主角，但是新興的開(kāi)源指令集架構RISC-V也不容小覷，完全值得眾多國產(chǎn)芯片廠(chǎng)商關(guān)注。