2018年中国半导体市场年会,魏少军:AI芯片设计企业将何去何从?[CSIA]
 
 
2018年中国半导体市场年会,魏少军:AI芯片设计企业将何去何从?
更新时间:2018-4-12 22:31:29  
【字体: 】        

2018年4月在南京江北新区召开的“2018中国半导体市场年会暨第七届中国集成电路产业创新大会”(ICMarketChina2018),以“芯时代、芯机遇、芯发展”为主题,广邀国家行业主管部门、地方政府、国内外行业组织、国内外知名半导体厂商、产业链上下游企业、专业科研院所、知名投资机构等,就行业热点和焦点问题进行深入分析与广泛讨论。
  
  会上,清华大学微电子所所长魏少军教授发表了题为《人工智能对半导体行业的重大意义》的演讲,以下是演讲主要内容:
  
  魏少军教授指出,人工智能崛起的三个基本要素为算法、数据和算力。
  
  芯片是人工智能技术发展过程中绕不开的话题。
  
  “智能”是“智慧”和“能力”两者合称,将感觉、记忆、回忆、思维、语言、行为的整个过程称为智能过程。它是智力和能力的表现。它们分别又可以用“智商”和“能商”来描述其在个体中发挥智能的程度。“情商”可以调整智商和能商的正确发挥,或控制二者恰到好处地发挥他们的作用。
  
  人工智能发展的一大难题就是怎么样才能让机器掌握人类常识,这是让机器和人类自然互动的关键。想要做到这一点,它需要拥有一个内在模型,已具备预测的能力。
  
  在GPU的整体市场中,Intel公司占有绝对的份额,这是因为Intel在其销量极大的桌面计算机CPU中集成了GPU,而Nvidia和AMD在嵌入式GPU市场的份额不是太大。
  
  机器学习芯片平台还有FPGA和TPU。
  
  TrueNorth——IBM的百万神经元类脑芯片,只有邮票大小、几克重,却集成了54亿个硅晶圆管,内置4096个内核,100万个“神经元”、2.56亿个“突触”,能力相当于一台超级计算机,功耗却只有65毫瓦。
  
  IBM的最终目标是希望建立一台包含100亿个神经元和100万亿个突触的类脑计算机。这样的计算机要比人类大脑的功能强大10倍,功耗约1000瓦,而且体积不到两升,与我们大脑的大小相当。
  
  机器学习芯片平台还有NA和IMP。
  
  人工智能芯片面临两个现实问题:一是算法仍在不断演进,新算法层出不穷;二是一种算法对应一种应用,没有统一的算法。
  
  高能效通用深度学习引擎是人工智能芯片的必备特性:
  
  1.AI需要通用神经网络计算
  
  2.计算量和参数量激增
  
  3.从“云端”向“终端”的迁移,亟需高能效计算,能量效率~TOPS/W
  
  人工智能芯片应该具备的以下基本要素:
  
  1.可编程性:适应算法的演进和应用的多样性;
  
  2.架构的动态可变性:适应不同的算法,实现高效计算;
  
  3.高效的架构变换能力:<10Clockcycle,低开销、低延迟;
  
  4.高计算效率:避免使用指令这类低效率的架构;
  
  5.高能量效率:~10TOPS/W;
  
  6.低成本:能够进入家电和消费类电子;
  
  7.体积小:能够装载在移动设备上;
  
  8.应用开发简便:不需要芯片设计方面的知识;
  
  目前的CPU+SW、CPU+GPU、CPU+FPGA、CPU+ASIC的作法均不是理想的架构。
  
  魏少军教授表示目前FPGA主要存在着十大缺陷:
  
  1.细粒度:由于要实现比特级的运算,运算颗粒度必须为细粒度;
  
  2.配置信息量大:通常为几兆到十几兆字节;
  
  3.配置时间长:通常需要十几毫秒到几十毫秒;
  
  4.静态编程:一旦配置完毕,不可更改。如果要改变FPGA的功能,只能下电或在线重新载入配置信息;
  
  5.逻辑不可复用:所有电路必须全部装入FPGA,复用性为零;
  
  6.面积效率低:每个LUT只能实现一位运算,面积效率只有5%。一个千万门级的FPGA只能实现几十万门的逻辑电路;
  
  7.能量效率低:由于逻辑利用率低,引发无效功耗巨大;
  
  8.需要特种工艺:FPGA往往需要最先进的制造工艺,且需对工艺进行特别调整;
  
  9.电路设计技术:应用者必须具备电路设计知识和经验;
  
  10.成本高昂:目前的FPGA价格在几十到几万美元一片。
  
  最后,魏少军教授总结:
  
  1.AI芯片是当前科技、产业和社会关注的热点,也是AI技术发展过程中不可逾越的关键阶段。不管有什么好的AI算法,要想最终得到应用,就必然要通过芯片来实现。
  
  2.由于还不存在适应所有应用的“通用”算法,确定应用领域就成为发展AI芯片的重要前提。遗憾的是,AI的“杀手级”应用目前尚未出现,已经存在的一些应用对于老百姓的日常生活来说也还不是刚需。因此,AI芯片的外部发展环境还有待优化。
  
  3.架构创新是AI芯片面临的一个不可回避的课题。一个重要问题:是否会出现像通用CPU那样独立存在的通用AI处理器?如果存在的话,它的架构是怎样的?如果不存在,那么目前以满足特定应用为主要目标的AI芯片就一定只能以IP核的方式存在,最终被各种各样的SoC所集成。如果真是这样,那么今天从事AI芯片研发的设计公司将何去何从?
  
  4.可重构计算芯片技术允许硬件架构和功能随软件变化而变化,实现软件定义芯片,在实现AI功能时具有独到的优势,具备广阔的前景。
  
  5.AI无疑十分重要,但其作用也没有一些人说的那么邪乎。相反,AI芯片的发展很可能会在未来2-3年遭遇一个挫折期。今天的部分、甚至大部分创业者将成为这场技术变革中的“先烈”。毫无疑问,这将是AI发展中最令人钦佩、也最令人动容的伟大事件。
 
来源:ICisC南京集成电路产业服务中心        
 
  • 上一篇: “2018中国半导体市场年会暨IC中国峰会”12日在南京召开
  • 下一篇: 江北新区打造“芯片之城”
  •   打印此文  收藏此页  关闭窗口  返回顶部      
     
    热点文章>>


       
    相关文章>>