中星微人工智能董事长张韵东:物联网时代,AI芯片技术发展趋势展望

12月6-8日,为期三天的“2019世界创新者年会”在北京顺利举办。本次大会由中国企业联合会指导,由亿欧·EqualOcean、工业和信息化科技成果转化联盟联合主办,大会以“科创4.0:共建全球化新未来”为主题,集结了来自美国、英国、印度、新加坡、印尼、尼日利亚、巴西、日本、以色列等十余个国家或地区的6000名创新者,总结2019年世界科技与产业创新的成果,预测2020年最新创新趋势。

其中,“智能硬科技创新论坛”作为此次大会的一个行业垂直会场,邀请了中星微人工智能、丰年资本、线性资本、Supahands、MDT Innovations、星际荣耀、一览群智、极智嘉、中科创星、三角兽科技、闪马智能、安全派、燕缘雄芯、Energy Vault在内的十余名大咖嘉宾,就硬科技领域的前沿发展趋势、投资机会等方面展开了精彩的分享与讨论。

中星微人工智能董事长兼CEO张韵东发表了《物联网时代AI芯片技术发展趋势展望》主题演讲,张韵东演讲的核心观点有:

1、物联网的技术发展有三大趋势:一是传感智能化、二是网络泛在化、三是处理多元化。
2、智能摩尔技术路线,是延伸摩尔定律和超越摩尔定律两个纬度之外的第三个纬度。
3、未来XPU+DPS架构是“感存算一体”技术的重要方向。

以下是张韵东演讲的核心内容(部分有删减)

各位嘉宾大家下午好,我是张韵东,来自北京中星微。中星微是一家中国老牌的芯片设计企业,于2005年在纳斯达克上市,成为中国第一家在海外上市的芯片设计企业。我今天给大家带来的题目叫做《物联网时代AI芯片技术发展趋势展望》。

我分三个部分做这个报告。

首先是全球集成电路半导体产业的发展趋势。1994年,国际半导体行业规模首次突破1000亿美金,到2000年突破2000亿美金,2010年将近3000亿美金,2017年突破4000亿美金,2018年达到4688亿美金,今年预计到年底会暂时下降。总的趋势来看,从2017年到现在,国际半导体的销售额大幅度增长,增长速度很快,主要的动力来自于物联网、人工智能、汽车电子等领域。

再看中国的半导体业,中国半导体的需求大幅度上升,但是半导体供应远远不能满足需求。根据海关统计,去年中国半导体贸易逆差达到2200多亿美金,这个数字差不多相当于中美贸易顺差3200亿的三分之二还要多一些。中国的芯片企业依旧没有办法满足自己的需求,发展任重而道远。

我今天的报告主要是针对物联网时代人工智能芯片的发展。物联网时代技术发展趋势有三个方面的特征。第一,传感智能化。从二维码、RFID、GPS、红外感应、激光扫描、MEMS传感到音频识别、图像识别、视频目标识别、视频行为分析、多模式融合智能感知,传感技术走向智能化。第二,网络泛在化。从无线局域网到无线个域网,三个方面大幅度增长而发展,特别是由5G带来的网络传输,这个会给物联网的发展带来如虎添翼的帮助。第三,处理的多元化。实时性的处理需求以及“边缘计算”的发展,使得物联网的应用处理运算不再依赖于集中的“云计算”资源,而呈现出云、端并存的多元化的趋势。

物联网时代下AI芯片又面临哪些难点与挑战呢?我今天的报告偏重于边缘计算,一大难点是如何用单芯片去兼容深度学习算法和传统经典算法,如何兼顾大数据场景和小数据场景。我们现在面临的人脸识别、车辆识别是大数据场景,大数据场景特点是样本数多容易获得,所以深度学习可以发挥它的作用。但是在很多场景由于数据样本难以取得以及有新的样本出现,深度学习其实是巧妇难为无米之炊,发挥不了作用。再一个难点是如何做到小尺寸低功耗以及如何在摩尔定律即将失效的后摩尔定律定律时代(或者叫摩尔定律的黄昏阶段),能够继续保持信息技术的快速增长。

基于此,中星微在2019年总结提出了“智能摩尔技术路线”。它的含义是什么?在半导体领域,有一个著名的摩尔定律,这是由英特尔创始人之一,戈登摩尔提出来的。这一定律基本上是经验的总结,过去几十年总结和预测非常准,使得技术商业都围绕着摩尔定律在开展。

它的含义是:集成电路上可容纳的晶体管数目,约每隔两年便会增加一倍。放缓的原因是摩尔定律半导体最小器件尺寸已经接近原子的尺寸,原子等于0.3纳米,最先进的半导体工艺制成已经到了5纳米,再往下走要到3纳米,量子效应出现了,经典物理的理论就会失效。

如何延续摩尔定律的生命周期?

之前业界有两个流派,一是延伸摩尔定律。随着三极管尺寸缩小,器件尺寸达到了量子尺度,基于CMOS开关的工艺技术路线逐渐走到了尽头、技术路线的终止最终将影响到“技术-市场”的良性反馈机制,导致摩尔定律的终止;二是超越摩尔定律。它开辟了另一个维度上的创新,以混合器件为起点,发展在同一个基板或封装中集成数字电路和模拟电路、射频电路、高压电路、传感器的SoC(System On Chip)以及SIP(System In Package)技术,力图在一定面积上堆叠更多的元器件系统性能。超越摩尔定律以异质堆叠方式增加了芯片的功能,提高系统整体性能并降低了能耗,但在功耗、散热和厚度等方面仍受到限制。

基于此中星微也提出来自己的一些看法。 我们提出智能摩尔技术路线,实际上在延伸摩尔定律和超越摩尔定律两个纬度之外提出了第三个纬度。

它的含义是,虽然在物理层面和信号层面都受到物理规律的制约,看似已接近极限,但在信息层面的技术创新还远没有达到极限。而下一次信息革命的关键在于:通过进一步借鉴人脑智慧机制来研究新型人工智能计算方法,达到进一步提升信息处理的“性能/功耗价格”比的目标。

接着来看一下目前的深度学习。这里将采用性能功耗比作为一个衡量的指标,我们可以得出一个结论,目前深度学习的芯片相对于过去的CPU来讲已经提升了1000倍。采用创新计算架构的TPUv3与通用CPU对比,“性能/功耗”比提高约3个数量级。这要感谢深度学习在最近十几年之内的大幅度发展,同时我认为也是仿生学的实力,利用人的神经网络分层处理的机制,得到三个数量级的提升。

未来技术发展还有多少路要走呢?

智能摩尔技术路线为摩尔定律的“市场-技术”正反馈机制注入新的活力,可持续地推动摩尔定律的演进。我们提出了几个技术节点,一个是神经网络分层,另外一个是分区。人脑有246个分区,每一个分区处理不同的功能,那么我们也提出来一个新型架构叫XPU,意思就是多核异构智能处理器框架。它有分区,每一个区都处理不同的算法。

如果是用XPU的架构处理这种多模融合计算,在一个芯片里面,既能处理深度学习的算法,还可以处理基于小数据小样本传统智能经典算法,也可以处理没有数据的逻辑概念、逻辑思维、逻辑推理。

国家重点实验室又提出来了DPS。基于数字像素传感器再结合DPS,能够把目前毫秒级的信息采集处理速度提升到微秒级,同时还可以实现“感存算一体”,即感知、存储、计算形成一体。感存算一体可以节省大量的功耗,节省大量的面积体积,可以使智能感知节点做得非常小。

现在深度学习虽然在很多领域取得大量的成功,但是它是用笨办法,用神经网络做了大量的计算,在消耗大量的功耗情况下得到计算结果。将来用新型的架构在低功耗下可以做到同样的计算精度,所以未来XPU+DPS架构是“感存算一体”技术的重要方向。

我的报告就在这里,谢谢大家。

版权声明

本文来源亿欧,经亿欧授权发布,版权归原作者所有。转载或内容合作请点击 转载说明 ,违规转载法律必究。

我来评几句
登录后评论

已发表评论数()

相关站点

+订阅
热门文章