日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

近幾年，機器視覺、自然語言處理、無人駕駛等大規(guī)模新型應用需求催生了人工智能研究的熱潮，國際科技巨頭紛紛推出面向人工智能的專用智能芯片：谷歌為其深度學習神經網絡打造基于ASIC的專用TPU芯片，微軟推出了基于FPGA的視覺芯片A-eye，英特爾宣布與Facebook共同打造AI芯片，特斯拉和AMD正聯(lián)合研發(fā)用于自動駕駛的AI芯片……

然而，目前大部分智能芯片僅作為支持人工神經網絡計算的特定領域處理器。那么，實現(xiàn)專用智能芯片的核心瓶頸集中在哪些方面？智能芯片是否具有自主連續(xù)學習的能力，以實現(xiàn)智慧的自我升級與成長？

功能：算力是對智能芯片的誤解

阿爾法狗（AlphaGo）接連打敗國際圍棋高手李世石、柯潔后，AI的算力震驚世界。無錫中微億芯有限公司總經理單悅爾卻表示，近年來，外界對芯片提供的“算力”（計算能力）關注較多，同時現(xiàn)在很多應用中芯片都發(fā)揮著強大的運算能力，但以此認為芯片等價于運算/計算，甚至智能芯片就意味著更強大的算力，這是對智能芯片的誤解。

事實上，甚少有人關注AlphaGo打敗對手消耗的“能量”。復旦大學專用集成電路與系統(tǒng)國家重點實驗室常務副主任曾曉洋表示，從能量消耗角度看，可能李世石吃了一碗粥，但是AlphaGo卻是不計一切代價在“戰(zhàn)斗”。真正的智能芯片不該如此，應通過更高層次的構架，減輕運算負擔，使芯片告別“體力活”。

此外，成倍增長的數(shù)據(jù)對芯片造成極大壓力，怎么樣既能算得不累，又省點能耗呢？軟件升級勢在必行。

與此同時，當前，應用對設備智能化、微型化提出更高要求，單純變更系統(tǒng)軟件對于解決問題來說杯水車薪。南京大學微電子副院長李麗表示，需要用更智慧的方法來處理，要依賴頂層的設計方法學、中間層的電路以及技術技巧等來解決這些關鍵問題。

一些方案嘗試通過變革常見硬件——芯片，使芯片與軟件配合更加“天衣無縫”，以提升設備性能，比如，面向智能感知的專用芯片的研究就是其中一種頗受關注的解決方案。目前，該類芯片的應用集中于智能感知領域，比如智能家居、智能監(jiān)控、智能穿戴、智能機器人等。專家認為，專用智能芯片具有低功耗、高性能，安全性和靈活性好的特點，解決了硬件不可再生的費用投入非常大、使用周期和壽命很短的問題。

軍事科學院國防科技創(chuàng)新研究院人工智能研究中心主任戴華東表示，實際上很多芯片并不一定要求各方面的能力都非常強，只要專注于一點，這一點就是芯片的“殺手锏”。

發(fā)展：動靜態(tài)芯片并行

智能芯片前景如何？業(yè)界普遍認為，沒有確切的說法。目前尚處于論文文獻或設想階段，比如存內計算。世界處于變化中，很難有一種聲音說服全世界，但芯片的關鍵要做到智慧，實現(xiàn)自學習、自適應。

戴華東表示，盡管前途撲朔迷離，但目前已經到了訂立目標的關鍵時期。可以將可解釋的人工智能，適應環(huán)境的、具有持續(xù)學習能力的人工智能作為下一步的發(fā)展目標。

具體來說，針對軍事智能領域，除了對客觀信息的感知、增強數(shù)據(jù)儲備精確度之外，更關鍵的是在作戰(zhàn)決策、輔助分析方面提供支撐。

如何實現(xiàn)？李麗表示，單純變化軟件、硬件打配合，在指令的推進下一條一條運算的時代已成過去，未來業(yè)態(tài)是靜態(tài)和動態(tài)并舉的方式。

以FPGA為代表的靜態(tài)芯片，其承載的信息量較大，在5G通信、大數(shù)據(jù)、物聯(lián)網領域有巨大的潛力。雖然，技術與應用相對成熟，但對比國外，國內的發(fā)展尚有差距，國內生產廠家寥寥，未來尚有廣闊增長空間。

此外，動態(tài)可重構芯片亦是業(yè)界討論的熱點。該類芯片支持動態(tài)改變設備功能，對重構技術提出更高要求，但困難在于編程技術的實現(xiàn)，以及怎樣改變原來的指令和數(shù)據(jù)流的二維方法。李麗表示，該方法嘗試從傳統(tǒng)的器件、工藝創(chuàng)新轉向芯片架構創(chuàng)新，集成可編程硬件的系統(tǒng)，通過一系列定時變化的物理控制點，完成空間并行求解過程。可以說，這一過程實現(xiàn)了對硬件的可重構計算，將成為未來專用智能芯片的實現(xiàn)架構。

亮點：用AI設計AI芯片

先行一步的AlphaGo為研究界帶來了一個啟示，只學習了圍棋的規(guī)則的AlphaGo，能走出圍棋選手一般不會走的招數(shù)，如今一些職業(yè)選手也在學習AlphaGo下圍棋的方法。

單悅爾表示，AlphaGo的先進之處在于未受到其他運算的干擾，這也是其自我創(chuàng)新的原動力。這提示用AI來設計AI芯片的可能性，即教會AI如何設計芯片。

單悅爾說，告訴AI要什么，但是不要告訴它對錯好壞，讓它自己去學習，給予足夠的算力、資源和決策權，優(yōu)化算法和策略，給它時間，這可能會給專業(yè)領域的芯片應用帶來驚喜。

一般來說，在算力充足的情況下，AI可以同時迭代幾千次甚至上萬次，這是普通芯片無法做到的；如果啟用人力承擔AI的迭代工作，也意味著高昂的成本。

目前，一些芯片已經提出加入AI功能，單悅爾表示，人類不一定能在短期內設計出這樣的芯片，這是一段漫長的路，需要不斷進行架構驗證、規(guī)則驗證、修補等，但這是一個趨勢，甚至會對芯片設計的理念、流程產生顛覆性的影響。

此外，戴華東表示，每個領域都有自己的裝置和領域的算法、模型以及芯片需求，針對各個領域設計專用芯片成本高昂，目前來看，相關領域、相關功能的集成是兩全之法。比如視覺功能，將視覺的表征、計算模型和算法形成的體系打包，那么，這個“包裹”就可以嵌合到監(jiān)視、拍攝等涉及視覺功能的芯片中，這時芯片可以通過重構和配置適用于多個應用中。

摘自《中國科學報》