清華大學微納電子系魏少軍等 2017 年的 VLSI 國際研討會上提出了基于可重構多模態(tài)混合的神經計算芯片 Thinker。Thinker 芯片基于該團隊長期積累的可重構計算芯片技術，采用可重構架構和電路技術，突破了神經網絡計算和訪存的瓶頸，實現(xiàn)了高能效多模態(tài)混合神經網絡計算。Thinker 芯片具有高能效的突出優(yōu)點，其能量效率相比目前在深度學習中廣泛使用的 GPU 提升了三個數(shù)量級。Thinker 芯片支持電路級編程和重構，是一個通用的神經網絡計算平臺，可廣泛應用于機器人、無人機、智能汽車、智慧家居、安防監(jiān)控和消費電子等領域。該芯片采用了 TSMC 65nm 工藝，片上存儲為 348KB，峰值性能為 5.09TOPS/W。

　　新架構新技術——憶阻器

　　2017 年清華大學微電子所錢鶴、吳華強課題組在《自然通訊》(Nature Communications)在線發(fā)表了題為 “運用電子突觸進行人臉分類”(“Face Classification using Electronic Synapses”)的研究成果，將氧化物憶阻器的集成規(guī)模提高了一個數(shù)量級，首次實現(xiàn)了基于 1024 個氧化物憶阻器陣列的類腦計算。該成果在最基本的單個憶阻器上實現(xiàn)了存儲和計算的融合，采用完全不同于傳統(tǒng) “馮 · 諾依曼架構” 的體系，可以使芯片功耗降低到原千分之一以下。憶阻器被認為是最具潛力的電子突觸器件，通過在器件兩端施加電壓，可以靈活地改變其阻值狀態(tài)，從而實現(xiàn)突觸的可塑性。此外，憶阻器還具有尺寸小、操作功耗低、可大規(guī)模集成等優(yōu)勢。因此，基于憶阻器所搭建的類腦計算硬件系統(tǒng)具有功耗低和速度快的優(yōu)勢，成為國際研究熱點。

　　在神經形態(tài)處理器方面，最為著名的就是 IBM 在 2014 年推出的 TrueNorth 芯片，該芯片包括 4096 個核心和 540 萬個晶體管，功耗 70mW，模擬了一百萬個神經元和 2.56 億個突觸。而在 2017 年，英特爾也推出一款能模擬大腦工作的自主學習芯片 Loihi，Loihi 由 128 個計算核心構成，每個核心集成了 1024 個人工神經元，整個芯片擁有超過個 13 萬個神經元與 1.3 億個突觸連接，與人腦超過 800 億個神經元相比，簡直是小巫見大巫，Loihi 的運算規(guī)模僅比蝦腦復雜一點點而已。英特爾認為該芯片適用于無人機與汽車自動駕駛，紅綠燈自適應路面交通狀況，用攝像頭尋找失蹤人口等任務。

　　而在神經形態(tài)芯片研究領域，清華大學類腦計算研究中心施路平等在 2015 年就推出了首款類腦芯片—“天機芯”，該芯片世界首次將人工神經網絡(Artificial Neural Networks， ANNs)和脈沖神經網絡(Spiking Neural Networks，SNNs)進行異構融合，同時兼顧技術成熟并被廣泛應用的深度學習模型與未來具有巨大前景的計算神經科學模型，可用于諸如圖像處理、語音識別、目標跟蹤等多種應用開發(fā)。在類腦 “自行” 車演示平臺上，集成 32 個天機一號芯片，實現(xiàn)了面向視覺目標探測、感知、目標追蹤、自適應姿態(tài)控制等任務的跨模態(tài)類腦信息處理實驗。據悉，基于 TSMC 28nm 工藝的第二代天機芯片也即將推出，性能將會得到極大提升。

　　從 ISSCC2018 看人工智能芯片發(fā)展趨勢

　　在剛剛結束的計算機體系結構頂級會議 ISSCC2018，“Digital Systems： Digital Architectures and Systems” 分論壇主席 Byeong-Gyu Nam 對人工智能芯片，特別是深度學習芯片的發(fā)展趨勢做了概括。深度學習依然今年大會最為熱門的話題。相比較于去年大多數(shù)論文都在討論卷積神經網絡的實現(xiàn)問題，今年則更加關注兩個問題：其一，如果更高效地實現(xiàn)卷積神經網絡，特別是針對手持終端等設備;其二，則是關于全連接的非卷積神經網絡，如 RNN 和 LSTM 等。

　　同時，為了獲得更高的能效比，越來越多的研究者把精力放在了低精度神經網絡的設計和實現(xiàn)，如 1bit 的神經網絡。這些新型技術，使得深度學習加速器的能效比從去年的幾十 TOPS/W 提升到了今年的上百 TOPS/W。有些研究者也對數(shù)字 + 模擬的混合信號處理實現(xiàn)方案進行了研究。對數(shù)據存取具有較高要求的全連接網絡，有些研究者則借助 3-D 封裝技術來獲得更好的性能。

　　總結：對國產人工智能芯片的一點愚見

　　正如前文所述，在人工智能芯片領域，國外芯片巨頭占據了絕大部分市場份額，不論是在人才聚集還是公司合并等方面，都具有絕對的領先優(yōu)勢。而國內人工智能初創(chuàng)公司則又呈現(xiàn)百家爭鳴、各自為政的紛亂局面;特別是每個初創(chuàng)企業(yè)的人工智能芯片都具有自己獨特的體系結構和軟件開發(fā)套件，既無法融入英偉達和谷歌建立的生態(tài)圈，又不具備與之抗衡的實力。

　　國產人工智能芯片的發(fā)展，一如早年間國產通用處理器和操作系統(tǒng)的發(fā)展，過份地追求完全獨立、自主可控的怪圈，勢必會如眾多國產芯片一樣逐漸退出歷史舞臺。借助于 X86 的完整生態(tài)，短短一年之內，兆芯推出的國產自主可控 x86 處理器，以及聯(lián)想基于兆芯 CPU 設計生產的國產計算機、服務器就獲得全國各地黨政辦公人員的高度認可，并在黨政軍辦公、信息化等國家重點系統(tǒng)和工程中已獲批量應用。

　　當然，投身于 X86 的生態(tài)圈對于通用桌面處理器和高端服務器芯片來說無可厚非，畢竟創(chuàng)造一個如 Wintel 一樣的生態(tài)鏈已絕非易事，我們也不可能遇見第二個喬布斯和蘋果公司。而在全新的人工智能芯片領域，對眾多國產芯片廠商來說，還有很大的發(fā)展空間，針對神經網絡加速器最重要的就是找到一個具有廣闊前景的應用領域，如華為海思麒麟處理器之于中科寒武紀的 NPU;否則還是需要融入一個合適的生態(tài)圈。另外，目前大多數(shù)國產人工智能處理器都針對于神經網絡計算進行加速，而能夠提供單芯片解決方案的很少;微控制器領域的發(fā)展，ARM 的 Cortex-A 系列和 Cortex-M 系列占據主角，但是新興的開源指令集架構 RISC-V 也不容小覷，完全值得眾多國產芯片廠商關注。