人工智能芯片不在于追求算力， 而在于架构创新

lnbesmc

魏少军lnbesmc

中国半导体行业协会 IC设计分会理事长lnbesmc

清华大学微纳电子系教授lnbesmc

在2018全球CEO峰会上，中国半导体行业协会IC设计分会理事长、清华大学微纳电子系魏少军教授带来“智能时代中国半导体市场需求”的主题演讲。他谈到了人工智能(AI)现状和未来、架构创新必要性，以及软件定义芯片等问题。lnbesmc

在魏少军教授看来，得益于深度神经网络的出现，AI这几年来发展十分迅速。如今，AI已经进入了我们熟悉的各个行业， 可以说现在无行业不AI、无应用不AI、无芯片不AI。lnbesmc

架构创新是人工智能芯片的必由之路

魏少军教授认为，本轮人工智能的崛起有三个基本要素：算法、数据和算力。而且这三个基本要素还在不断发展之中。lnbesmc

针对算法方面，魏少军教授指出，算法研究目前面临着两个比较现实的问题：一是算法还在不断演进中，新的算法层出不穷；二是一种算法对应一种应用，没有统一的算法。“即便是今天专门研究算法的人，也解决不了这两个问题。”他补充说。lnbesmc

至于算力，这是芯片设计工作者首要考虑的问题。不过，他也同时指出，虽然我们一直在追求算力，但其实拥有超过人脑的算力不是我们的终极目标，AI芯片并非纯粹地追求算力。“如果是纯算力的话，超级计算机已经超过人脑了，我们更多需要的是智能的计算引擎。”他强调。lnbesmc

这里所说的“ 智能计算引擎”应该包括可编程能力以适应各类应用；计算和存储密集型；以及从“云端”向“边缘”的迁移能力，这需要高能效计算，能量效率需要～TOPS/W。lnbesmc

在魏少军教授看来，“智能计算”芯片应该具备以下一些基本要素(见下表)。lnbesmc

lnbesmc

lnbesmc

魏少军教授表示，这样的芯片现在还不存在，“市面上现在存在的主要是硬件不太可编程，软件可编程性很强的CPU和DSP；硬件不太可编程，软件可编程性也不强的ASIC和SoC等；以及硬件可编程性强，但不怎么需要软件编程的FPGA和EPLD等。而硬件和软件可编程性都强的芯片目前还没有看到。因此，这也是我们的机会。”lnbesmc

其实，图灵奖的 获得者John L. Hennessy和David A. Patterson在讨论AI时，把架构问题放得非常高。他们特别强调，今天我们处在架构创新的黄金年代。设计AI芯片时，我们特别需要考虑架构的创新，而不是单纯的算力提升。lnbesmc

软件定义芯片

如何实现既可以硬件可编程， 又可以软件可编程呢？其实有一种方法可以实现的，那就是软件定义芯片。lnbesmc

软件定义芯片，指的是软件和硬件均可以编程，而且是混合颗粒度。“我们无法摆脱作为硬件工程师的心态， 但是它给我们打开另外一扇窗，这扇窗存在的话，很可能走出全新的道路。”魏少军教授在演讲中表示。 lnbesmc

那软件定义芯片是怎么工作呢？“我们知道，今天的应用都用软件实现。不考虑代码复杂性的情况，假如有一个软件和硬件完全一致的结构，这种实现方式是最直接的。再设想一下，如果应用软件是基于C或者C++的，每次变换C和C++程序，硬件就自动跟着变换，而且永远与软件程序的结构完美匹配，那这样的效率是最高的。”魏少军教授解释说，“当然，这只是美好的想法，事实并不是如此，软件可以很复杂，硬件可以有边界。最直接的方法是把软件模块化，分块完成；而硬件呢？需要动态改变，以适应不同的模块。这就是软件定义芯片最原始的想法。”lnbesmc

lnbesmc

魏少军教授还透露，他们的研究团队已经用软件定义芯片的方式实现了AI芯片的设计。他补充说：“在架构上如果我们不按照传统的方式走，而去寻找新的途径，很可能会起到事半功倍的效果。”lnbesmc

总结

魏少军教授总结说，虽然AI看起来很热门，但其实还有很多问题没有解决。“当下，我们最需要考虑的问题是，哪些应用需要AI？我们希望AI帮忙解决什么问题？以及什么样的AI 应用是我们每天都需要的？等等。”也就是说，魏少军教授觉得目前AI行业最重要的其实是应用，特别是具体场景的AI应用。lnbesmc