日前， Elsevier（愛(ài)思唯爾）云論壇暨絡(luò)繹學(xué)術(shù) Online 第九期線上學(xué)術(shù)會(huì)議成功舉辦，我們與 Elsevier 一同為大家呈現(xiàn)了信息技術(shù)芯片的發(fā)展與創(chuàng)新。
本次論壇由上海交通大學(xué)集成量子信息技術(shù)研究中心主任金賢敏教授主持，特邀上海交通大學(xué)人工智能研究院首席科學(xué)家徐雷教授、浙江大學(xué)光電科學(xué)與工程學(xué)院副院長(zhǎng)戴道鋅教授、北京大學(xué)人工智能研究院類腦智能芯片研究中心主任楊玉超教授、上海交通大學(xué)物理與天文學(xué)院副研究員唐豪、以及愛(ài)思唯爾核心內(nèi)容客戶顧問(wèn)許靖博士，圍繞信息技術(shù)芯片的基本技術(shù)原理、產(chǎn)品應(yīng)用及未來(lái)發(fā)展展開(kāi)主題分享。
本文將結(jié)合論壇的重點(diǎn)內(nèi)容和當(dāng)前信息處理芯片的現(xiàn)狀，對(duì)三種未來(lái)備受關(guān)注的信息技術(shù)芯片進(jìn)行概念解讀及產(chǎn)業(yè)分析。
信息技術(shù)芯片的演進(jìn)，背后透射出算力的螺旋式上升
在算力需求大幅提升的背景下，信息技術(shù)芯片所承載的計(jì)算處理能力不足，來(lái)源于架構(gòu)側(cè)、智能化水平、功耗、軟件能力等多方面的挑戰(zhàn)。
最早以 CPU 為代表的計(jì)算芯片采用的依然是傳統(tǒng)的馮·諾依曼架構(gòu)，存算分離是最大的特點(diǎn)，也是馮諾依曼架構(gòu)的瓶頸所在。在計(jì)算之前需要從存儲(chǔ)器當(dāng)中讀取數(shù)據(jù)，之后再進(jìn)行計(jì)算。這個(gè)過(guò)程中，功耗和延時(shí)花費(fèi)在搬運(yùn)數(shù)據(jù)的環(huán)節(jié)上。從單次操作來(lái)講，大多數(shù)情況下，搬運(yùn)數(shù)據(jù)需要的功耗占據(jù)了整個(gè)功耗的約 70% 。解決這個(gè)問(wèn)題最直接的思路，即是實(shí)現(xiàn)存算一體。
同時(shí)，存儲(chǔ)器性能的提升遠(yuǎn)遠(yuǎn)落后于計(jì)算器性能的提升。由于馮·諾依曼瓶頸和存儲(chǔ)墻的存在，導(dǎo)致存算分離架構(gòu)下，算力的提升面臨天花板。為了解決這種困境，更多類型的非馮·諾依曼架構(gòu)芯片出現(xiàn)，例如類腦芯片、光子芯片等。
除了架構(gòu)側(cè)的限制，智能化水平的提升也趨勢(shì)計(jì)算芯片向更智能的階段邁進(jìn)。2011 年，風(fēng)險(xiǎn)投資公司 Andreessen Horowitz 的普通合伙人 Marc Andreessen 在《華爾街日?qǐng)?bào)》上發(fā)表了一篇非常有影響力的文章，名為“ Why Software Is Eating the World-軟件為何在吞噬世界”。十年后的今天，我們正站在“ Deep Learning is Eating the World-深度學(xué)習(xí)正在吞噬整個(gè)世界”的節(jié)點(diǎn)。
基于人工智能的自然語(yǔ)言處理、圖像識(shí)別和自動(dòng)駕駛的技術(shù)進(jìn)步，是以消耗計(jì)算資源和能源為代價(jià)的。工程師和計(jì)算機(jī)科學(xué)家正在付出巨大的努力，以找出更有效地訓(xùn)練和運(yùn)行深度神經(jīng)網(wǎng)絡(luò)的方法。這也是未來(lái)計(jì)算芯片升級(jí)和演化的主要目的，為了讓其更好地執(zhí)行 AI 計(jì)算。
第三代神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)計(jì)向類腦脈沖神經(jīng)網(wǎng)絡(luò)技術(shù)演進(jìn)，對(duì)更高智能水平的人工智能技術(shù)的需求，也驅(qū)使計(jì)算平臺(tái)的架構(gòu)升級(jí)和智能化升級(jí)。
不難發(fā)現(xiàn)，人腦是自然界中存在的典型高智能、低功耗的單體計(jì)算平臺(tái)。類腦芯片則是典型的存算一體、高度智能化的計(jì)算架構(gòu)。全球范圍內(nèi)對(duì)類腦智能和類腦芯片的研究，已經(jīng)是非常重要的前沿課題。
