人工智能開(kāi)始影響半導(dǎo)體設(shè)計(jì)，因?yàn)榧軜?gòu)師開(kāi)始利用人工智能技術(shù)來(lái)提高芯片的性能、降低芯片功耗，為未來(lái)芯片的開(kāi)發(fā)、制造和更新奠定了基礎(chǔ)。

AI和機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)子集可用于極大地改善芯片內(nèi)特定功能的控制和性能，它們能夠在現(xiàn)有設(shè)備之上分層，集成到新設(shè)計(jì)中，允許其應(yīng)用于更大范圍的功能中。

AI提供了許多好處。其中：

它通過(guò)更稀疏的算法或數(shù)據(jù)壓縮來(lái)改變特定功能的準(zhǔn)確性，從而增加了粒度，提高性能并降低功耗；

它提供了將數(shù)據(jù)作為模式進(jìn)行處理的能力，有效地提高了計(jì)算的抽象級(jí)別并增加了軟件的密度；

它允許處理和存儲(chǔ)器的讀寫(xiě)作為矩陣完成，并大大加快了這些操作。

但AI還需要重新思考數(shù)據(jù)如何在芯片中運(yùn)行：應(yīng)用于邊緣還是數(shù)據(jù)中心，因?yàn)闊o(wú)論在哪一方面，處理和存儲(chǔ)的數(shù)據(jù)量都是巨大的。

新的起點(diǎn)

從好的方面來(lái)說(shuō)，AI提供了一種平衡高精度結(jié)果的方法，而不是使用更多精度更低的元素來(lái)實(shí)現(xiàn)足夠高的精度。在語(yǔ)音識(shí)別的情況下，精度遠(yuǎn)不如在安全應(yīng)用中的面部識(shí)別或自動(dòng)駕駛車(chē)輛中的目標(biāo)識(shí)別那么重要。人工智能帶來(lái)的是在特定應(yīng)用程序需要時(shí)撥入這些結(jié)果的能力。

芯片中應(yīng)運(yùn)用AI，實(shí)際是關(guān)于數(shù)據(jù)的質(zhì)量、數(shù)量和移動(dòng)。這需要一種不同的方式來(lái)看待設(shè)計(jì)，包括團(tuán)隊(duì)之間的協(xié)作。

“計(jì)算非常簡(jiǎn)單，壓縮／解壓縮數(shù)據(jù)也簡(jiǎn)單，但在內(nèi)存中存儲(chǔ)和加載數(shù)據(jù)并不簡(jiǎn)單，”Arm研究員 Jem Davies說(shuō)，“要構(gòu)建這些系統(tǒng)，你需要特定領(lǐng)域的專(zhuān)家，比如機(jī)器學(xué)習(xí)專(zhuān)家和一些優(yōu)化以及性能方面的專(zhuān)家?！?/p>

他指出，機(jī)器學(xué)習(xí)可以影響系統(tǒng)中的所有內(nèi)容，其中大部分都隱藏在視圖之外。

“有些是用戶(hù)看不見(jiàn)的，”Davies說(shuō)，“它被用來(lái)改善電池壽命。在相機(jī)內(nèi)也有運(yùn)用的機(jī)器學(xué)習(xí)方法?！?/p>

人工智能最適用于神經(jīng)形態(tài)方法和不同的記憶結(jié)構(gòu)，其中，數(shù)據(jù)可以作為矩陣來(lái)處理。使工作最佳化需要遠(yuǎn)遠(yuǎn)超出處理器的架構(gòu)。它需要在內(nèi)存中來(lái)回傳輸大量數(shù)據(jù)，并且需要更改內(nèi)存，以便可以從左到右和上下左右寫(xiě)入和讀取數(shù)據(jù)。

“許多架構(gòu)改進(jìn)是軟件和硬件的結(jié)合，”Cadence音頻和語(yǔ)音IP產(chǎn)品營(yíng)銷(xiāo)總監(jiān)Gerard Andrews說(shuō)，“這并不一定能提高各個(gè)處理器的整體性能，但它確實(shí)增加了功耗和內(nèi)存效率?！?/p>

實(shí)際上，這使得軟件方面的設(shè)計(jì)具有更高的密度，并且加速了數(shù)據(jù)在內(nèi)存中的移動(dòng)。“我們看到的問(wèn)題是內(nèi)存不會(huì)有效縮小，而且識(shí)別錯(cuò)誤率正在上升，”Andrews說(shuō)，“我們正在探索算法的稀疏性，以降低功耗并提高性能?！?/p>

這只是觸及正在發(fā)生變化的表面，而這些變化正在迅速發(fā)生。

“內(nèi)存子系統(tǒng)中發(fā)生的事情是不連續(xù)的，而且是和突然的，”Achronix的系統(tǒng)架構(gòu)師Kent Orthner說(shuō)，“由于需要大量數(shù)據(jù)管道，因此其開(kāi)發(fā)了許多關(guān)于如何移動(dòng)數(shù)據(jù)的架構(gòu)。對(duì)于相對(duì)較淺的內(nèi)存使用來(lái)說(shuō)，這是一個(gè)巨大的障礙?！?/p>

正在探索減少數(shù)據(jù)流量的新方法之一是尖峰神經(jīng)網(wǎng)絡(luò)。因此，它們不是一致地發(fā)射信號(hào)，而是像人腦中的信號(hào)一樣飆升。

AI風(fēng)險(xiǎn)和混亂

但是，AI也存在一定程度的風(fēng)險(xiǎn)，具體取決于應(yīng)用和精確度。

過(guò)去電子系統(tǒng)的設(shè)計(jì)基于邏輯的完全可預(yù)測(cè)性，其中大部分都是硬連線(xiàn)的。AI將計(jì)算精度替換為可接受行為的分布。目前尚不清楚現(xiàn)有工具或方法是否會(huì)提供與設(shè)備在該分布范圍內(nèi)相同的置信度，特別是在系統(tǒng)出現(xiàn)損壞或退化的情況下，以及檢測(cè)到任何異常行為的速度。

對(duì)于如何應(yīng)用人工智能也存在一些困惑。目前，很多芯片并不是專(zhuān)門(mén)為人工智能開(kāi)發(fā)的，它們都經(jīng)過(guò)了修改和覆蓋，以更有效地利用人工智能。

總的來(lái)說(shuō)，這符合人工智能的初衷，這項(xiàng)技術(shù)是在全行業(yè)競(jìng)爭(zhēng)的背景下出現(xiàn)的，用以提高相同或更低功率的性能。

對(duì)于針對(duì)AI培訓(xùn)或推理的芯片，或者針對(duì)利用AI功能的芯片內(nèi)的處理器和加速器的芯片，一般的共識(shí)是使用不同的芯片架構(gòu)可以實(shí)現(xiàn)幾個(gè)數(shù)量級(jí)。但它并不適用于所有情況，并且有許多變量，例如訓(xùn)練數(shù)據(jù)的大小和值，可以使AI對(duì)某些應(yīng)用程序無(wú)用。在其他情況下，性能提升100倍被認(rèn)為是保守的。

Synopsys的戰(zhàn)略營(yíng)銷(xiāo)經(jīng)理Ron Lowman說(shuō)：“應(yīng)用程序和算法都存在挑戰(zhàn)，處理器和存儲(chǔ)器芯片也面臨著挑戰(zhàn)。這使得探索對(duì)于AI架構(gòu)更為重要，而且這也是CCIX（加速器的高速緩存一致性互連）變得如此受歡迎的原因之一。越來(lái)越多的客戶(hù)正在尋求架構(gòu)的探索。每個(gè)人都在努力建立新的架構(gòu)來(lái)模仿大腦。”

此外，還有一種小型處理器，其與各種針對(duì)不同數(shù)據(jù)類(lèi)型定制的新型加速器相關(guān)聯(lián)。并且，還存在很多關(guān)于數(shù)據(jù)壓縮和量化的工作。

“正在進(jìn)行從32位浮點(diǎn)移動(dòng)到8位浮點(diǎn)的工作，”Lowman說(shuō)，“現(xiàn)在的問(wèn)題是你是否可以采用單比特進(jìn)行量化。”

量化涉及將大量輸入值映射到較小的輸出值集合，并且最大的擔(dān)憂(yōu)是可接受的精度損失。通過(guò)足夠的傳感器或數(shù)據(jù)輸入，理論上可以最小化該錯(cuò)誤率的影響，但這非常依賴(lài)于應(yīng)用程序。

沿著這些方向的另一種方法涉及源同步，特別是對(duì)于數(shù)據(jù)中心中的AI芯片，這促使片上網(wǎng)絡(luò)拓?fù)浒l(fā)生變化。網(wǎng)絡(luò)中的所有目標(biāo)都接收相同的數(shù)據(jù)，使用多播方法可以更有針對(duì)性地利用數(shù)據(jù)。

“通過(guò)多播，您可以對(duì)多個(gè)目的地進(jìn)行一次寫(xiě)入，”Arteris IP營(yíng)銷(xiāo)副總裁Kurt Shuler說(shuō)。

AI芯片的一個(gè)問(wèn)題是它們往往非常大?！白畲蟮膯?wèn)題是時(shí)鐘樹(shù)，”Shuler說(shuō)，“這需要同步通信，因?yàn)槿绻阋援惒椒绞教幚硗ㄐ?，?huì)占用很多區(qū)域。此外，更有可能在大芯片上出現(xiàn)路由擁塞。解決這個(gè)問(wèn)題的方法是創(chuàng)建虛擬通道鏈接，這樣可以減少連線(xiàn)數(shù)量并通過(guò)一組線(xiàn)路共享通信?！?/p>

計(jì)劃過(guò)時(shí)

另一個(gè)部分涉及能夠與定期更新的算法保持同步，并影響將哪種處理器添加到使用AI的芯片中。其中每一個(gè)都會(huì)影響芯片內(nèi)數(shù)據(jù)的移動(dòng)以及用于該數(shù)據(jù)的處理器類(lèi)型。

CPU和GPU主要通過(guò)軟件提供一些可編程性。 DSP和FPGA提供固件／硬件的可編程性。嵌入式FPGA將可編程性直接添加到SoC或多芯片封裝中。

選擇處理器類(lèi)型也取決于終端市場(chǎng)應(yīng)用。例如，對(duì)于汽車(chē)或工業(yè)環(huán)境中的安全關(guān)鍵應(yīng)用，該技術(shù)將保持最新?tīng)顟B(tài)，并且響應(yīng)足以與道路上的其他車(chē)輛或工廠(chǎng)中的其他設(shè)備兼容。

eSilicon創(chuàng)新高級(jí)主管CarlosMacián表示，“當(dāng)我們討論面向未來(lái)的問(wèn)題時(shí)，問(wèn)題不在于它是否有效。作為開(kāi)拓者的TPU表明，可以實(shí)現(xiàn)數(shù)量級(jí)的改進(jìn)。但是對(duì)于新的工作負(fù)載，如果沒(méi)有優(yōu)化ASIC，你可能只會(huì)提高3倍?！?/p>

提高數(shù)據(jù)質(zhì)量有助于解釋為什么算法變化如此之快以及為什么現(xiàn)場(chǎng)可升級(jí)性對(duì)于某些設(shè)備而言至關(guān)重要。但是這些更改也會(huì)對(duì)性能產(chǎn)生影響，如果不在硬件中添加一些可編程性，就無(wú)法對(duì)其進(jìn)行說(shuō)明。問(wèn)題是可編程性有多大，因?yàn)榭删幊踢壿嫳日{(diào)整到軟件的硬件慢得多。

結(jié)論

與許多其他半導(dǎo)體增長(zhǎng)市場(chǎng)不同，AI是一種橫向技術(shù)。它可以應(yīng)用于各種垂直市領(lǐng)域，并可用于為這些市場(chǎng)開(kāi)發(fā)芯片。它還可用于使現(xiàn)有芯片更高效。

這僅僅是人工智能革命的開(kāi)始，其影響已經(jīng)非常顯著。隨著設(shè)計(jì)團(tuán)隊(duì)越來(lái)越精通這項(xiàng)技術(shù)，將對(duì)他們?nèi)绾卧O(shè)計(jì)芯片、這些芯片如何與其他芯片交互產(chǎn)生重大影響，并將為工具、硬件、軟件的開(kāi)發(fā)人員創(chuàng)造新的機(jī)會(huì)，甚至可能提供全新的市場(chǎng)。