[导读] 在近日于深圳举办的2018 CCF-GAIR 全球人工智能与机器人峰会上,清华大学微电子所所长魏少军发表了演讲,阐述了AI时代芯片架构的问题。会后,魏少军接受了网易智能的专访,谈到了中国芯片行业的发展、架构创新以及造芯热潮。

在近日于深圳举办的2018 CCF-GAIR 全球人工智能与机器人峰会上,清华大学微电子所所长魏少军发表了演讲,阐述了AI时代芯片架构的问题。会后,魏少军接受了网易智能的专访,谈到了中国芯片行业的发展、架构创新以及造芯热潮。

“AI芯片是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,都必然通过芯片来实现。”

作为清华大学微电子所所长、芯片行业顶级大牛,魏少军断言,芯片是实现人工智能的当然载体。

如此,也造成了目前芯片行业格外躁动和火热,不管是巨头公司还是创业公司,不管是传统制造公司还是互联网公司,都在布局AI芯片行业。

AI时代,芯片的架构创新是不可回避的课题

随着市场对芯片计算能力的需求提高,芯片制造工艺也在不断提高,与之而来的是芯片制造成本也随着涨高。有业内人士称,如今设计制造一颗10nm芯片的成本要几千万美元,就算目前寒武纪、深鉴科技等专门做AI芯片的企业,即使采用28nm的芯片工艺,前期从投入到流片的成本都要超过400万美元。也就是说,单一品类的芯片出货量没有百万级很难收回成本。

魏少军同时向网易智能表示,要想让AI芯片能够在使用中变得更”聪明“,架构创新就是它面临的一个不可回避的课题。AI算法目前处于不断的变化中,芯片公司都希望找到能够适应所有算法的结构,“高能效通用的深度学习引擎是AI芯片的必备特征。”

wsj201807061

基于此,魏少军列出了AI芯片应该具备的几个基本要素

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,适应不同的算法并实现高效计算;

3、高效的架构变换能力,<10 Clock cycle,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,~10 TOPS/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、应用开发方便,不需要芯片设计方面的知识。

根据以上要素判断,目前的CPU+SW、CPU+GPU、CPU+FPGA、CPU+ASIC的作法都不是理想的架构

与此同时,魏少军在现场从软硬件可以编程性维度将现在的AI芯片方案做了划分

wsj201807062

第一个方案就是CPU、DSP等处理器,芯片硬件可编程性很弱,软件可编程性强,芯片运行需要软件。这类芯片虽然具备通用性、高灵活性,但是成本高、价格贵,能量效率和计算效率不高,而且被行业寡头垄断。

第二种方案是ASIC、SoC等专用集成电路,芯片软硬件可编程性都很弱,虽然价格便宜、能量效率和计算效率很高,但是专用芯片不具备灵活性,一旦制造完成硬件就不可更改。

第三种方案是FPGA、EPLD等可编程逻辑器件,这种芯片硬件可编程性强,软件可编程性很弱。虽然硬件可编程,但是静态编程,一旦配置完毕就不可更改,逻辑不可复制,而且成本高昂、芯片研发周期长,能量效率和计算效率低。

第四种方案是RCP、CGRA等软件定义芯片(SdC),软件、硬件均可编程,芯片功能随软件变化而变化,而且具备通用和高灵活性,未来扩大用量就可以降低成本。

提出软件定义芯片,Thinker芯片课题组将融资并成立公司

软件定义芯片是魏少军带领的清华微电子所提出的全新芯片架构定义,实现了让芯片根据软件进行适应与调整。基于这种架构,清华微电子所相关课题组研发出了全新的Thinker系列芯片,使用了可重构计算芯片架构。在这个架构中,Thinker可以根据控制单元的要求配置计算单元阵列并执行,也可以根据软件的要求将划分后的任务送到数据通道执行。而且,不同于冯诺依曼等效架构,可重构计算模式为函数化的硬件架构。

目前,Thinker系列芯片已经推出了面向通用神经网络计算的Thinker 1代,面向极低功耗神经网路计算的Thinker 2,以及面向极低功耗语音应用的Thinker S。之前有媒体还报道称,Thinker芯片的功耗非常低,只需要7号AA电池就能运行一年。

wsj201807063

魏少军还向网易智能透露,Thinker芯片的研发课题组目前正在融资,着手成立新公司进行市场化运作,但是对于融资额度,魏少军表示不方便透露。

给国内造芯企业建议:光靠钱是砸不出来的,一定要开放

对于目前中国企业布局芯片,魏少军表示支持,但是提出了一些建议。他说,“做芯片需要大量的人力和经验,光靠钱是砸不出来的,所以一定要开放,不要封闭。”魏少军同时表示,“如果是互联网巨头公司做芯片,我还要加一条建议,他们已经大到足以影响行业发展,所以在关键技术上要起到引领作用,能够有更大的雄心,肩负起社会责任。”

在谈到目前的AI芯片发展时,魏少军表示,现在的AI芯片市场被过度炒作。“目前,国内芯片的很多领域都存在问题,他们都在吹牛,有人还提出超越英特尔,我反对这样的说法。”

“英伟达当年做GPU就知道人工智能吗?我想未必,只是最后发现GPU用在人工智能上面很好用,才逐渐做起来。”魏少军认为,科研成果是很少能过计划出来的,都是遇到市场机会做出来的。“科技研究很多都是无心插柳柳成荫。”

wsj201807064

AI芯片能否独立存在?还不知道,但是做语音芯片不要自欺欺人

“我们现在还不清楚AI芯片有没有独立存在的可能性,如果有,我们就能够有机会创造出与英特尔一样伟大的公司。”魏少军坦言,“但是这个问题现在没有答案。”

谈到国内很多创业公司开始做语音芯片的时候,魏少军这样评论说,语音芯片到底要干嘛?要实现什么样的功能?这个首先要搞清楚。”比如说,你要进行语义理解的识别,这个需要用到人工智能技术;但是你只是想做一个简单的语音命令识别,不一定用到人工智能技术,现在其他技术完全够用。“

在魏少军看来,做语音芯片一定要看应用场景,目前很多场景下并不需要用到人工智能技术或者专门的语音芯片。“现在做人工智能,就一定会用到大量的计算,功耗一定更大,有时候得不偿失。不要杀鸡用牛刀,更不要自欺欺人。”魏少军说到。

魏少军最后表示,AI技术虽然正在不断进步,但目前还主要集中在单个事务的训练和推理上,要让AI真的可以像人类一样同时做出多个判断和决定,算法研究还需要有更伟大的突破。“人的决策是多元的,但现在机器决策是单一的,现在是IA(增强智能)的时代。”

免责声明:凡注明为其它来源的信息均转自其它平台,目的在于传递更多信息,并不代表本站观点及立场。若有侵权或异议请联系我们处理。

相关推荐