人工智慧技術正重塑晶片設計
科技產業資訊室 (iKnow) - Kyle 發表於 2018年11月6日
圖一、谷歌的TPU架構
AI開始影響半導體設計，因為架構師開始利用其功能來提高性能和降低功耗，為未來晶片的開發，製造和更新方面的一些基礎轉變奠定了基礎。
AI和機器學習以及深度學習子集，可用於極大地改善晶片內特定的功能控制和功率/性能。出於這些目的，它可以在現存裝置之上分層，並且可以整合到新設計中，允許它應用於大範圍的功能或針對非常窄的功能。
AI為晶片提供了許多好處。首先：它通過更稀少的演算法或數據壓縮來改變特定功能的準確性，從而增加了粒度，從而提高了性能並降低了功耗。其次，它提供了將數據作為模式而不是單個位進行處理的能力，有效地提高了計算的抽象級別並增加了軟體的密度。第三，它允許處理和儲存器讀/寫就像矩陣一樣，大大加快其運作。
但AI還需要重新思考數據如何在跨越晶片或晶片之間的移動或不移動。無論是應用於邊緣還是應用於數據中心，還是涉及培訓或推理，處理和儲存的數據量都是巨大的。
從好的方面來說，AI提供了一種平衡高精度結果的方法，而不是使用更多精度更低的元素來實現足夠高的精度。在語音識別的情況下，精密度遠不如安全應用中的臉部識別或自動駕駛車中的物體識別那麼重要。
對於AI，重要的不是硬體和軟體，而是關於數據的質量、數量和移動。這需要一種不同的方式來看待設計，包括過去設計經常忽略團隊之間的協作。對於AI要建構新系統，需要特定專業領域的專家、機器學習專家以及優化和性能專家，尤其是它們之間的協作。
AI最適合神經形態方法和不同的記憶體架構。使工作最佳化需要遠遠超出處理器的架構。它需要在記憶體中來回傳輸大量數據，並且需要更改記憶體，以便可以從左到右和上下左右寫入和讀取數據。實際上，軟硬體整合允許軟體方面的設計獲得更高的密度，並且它加速了數據在記憶體中的移動。
但是，AI也存在一定程度的風險，具體取決於應用和精確度。
總體來說，在產業競爭的背景下，半導體想要在更低功率下提高性能，的確需要一些新的設計方式。隨著摩爾定律在16 / 14奈米之後的每個節點的功率和性能都能逐步提升20%，因此每一家公司都在尋找替代或補充這些優勢的新方法。AI就是關鍵之一。（769字）
參考資料：
AI Begins To Reshape Chip Design. Semiconductor Engineering，2018/11/1
本站相關資料：
1.中國大陸對全球人工智慧的未來影響力
2.2018年十大人工智慧趨勢及議題
3.鴻海進軍半導體產業….從設計到製造一條龍
4.阿里巴巴研發自主AI晶片Ali-NPU
5.SEMI 2018：台灣半導體產業2021年產值估達3兆元
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|