你看上去就像一个高级 UI 设计师了

人类社会正从信息化迈向智能化，人工智能是实现智能化的关键手段，芯片则是其中的核心基石与战略制高点。不管是耳熟能详的AlphaGo、自动驾驶，还是手机中的人脸解锁、智能拍照，亦或人们日常使用的无线耳机中的人机交互，都离不开AI芯片的支撑。在GTIC2020AI芯片创新峰会上，清华大学微纳电子系副主任、微电子所副所长尹首一教授从不同的纬度对芯片进行了系统的分类，论述目前整个中国AI芯片的发展创新概况并做出预判

AI芯片的分类和应用

AI芯片属于什么类别的产品?AI芯片用在哪里?对于这两个问题，尹首一教授从两个不同的纬度对AI芯片进行了分类。首先是根据应用场景角度进行划分，可以分为云端和边缘端两类。其中云端可以进一步细分成推理应用和训练应用，推理应用是每天都在使用和感受的智能化服务，比如自然语言处理，电商系统里的用户推荐。而边缘端的应用场景则非常繁多，比如拍照、智能音箱、智能驾驶等。

其次，如果按技术路线划分，尹首一教授认为目前的AI芯片至少可以分为两大类，深度神经网络处理器和神经形态处理器。同时在他看来，无论是哪种技术路线，最终的目标都是实现对深度神经网络的计算加速。

AI芯片与人工智能产业齐驱并进

尹首一教授认为，AI芯片在推动智能化发展方面有两个最核心的作用，分别是芯片的绝对算力和计算能效。绝对算力决定人工智能的上限，计算能效决定人工智能的延伸范围。AI芯片伴随人工智能产业的发展有巨大的发展潜力，未来也有非常强劲的增长潜力。

回顾AI芯片的阶段性发展，尹首一教授表示，尽管经过五六年的发展，AI芯片已经取得非常大的成绩，但它仍然处于起步阶段，在科研和产业上都仍然具有非常广阔的创新空间。另一方面，AI芯片从算法和应用角度给行业提出了许多的创新需求，促使人们去探索更多的颠覆性技术，彻底突破传统架构的性能和能效瓶颈，实现集成电路的跨越式发展。

中国AI芯片产业创新正与国际同步，有着最全面的技术路线和最丰富的应用领域。尹首一教授认为，伴随着人工智能产业的快速发展，我国在AI芯片领域将大有可为。
 

该项研究的首席研究员、斯旺森工程学院电子与计算机工程副教授Jingtong Hu在一篇关于该大学研究的文章中说：“利用从环境中获取的能量来运行人工智能算法的主要挑战之一是来自环境的能量是间歇性的。如果传感器断电，数据也会丢失，因此我们希望帮助人工智能算法做出准确的决定，即使是间歇供电。”

主要的数据采集传感器和它们的无线电设备仍然需要电池供电，但是如果它们只在特定事件中工作，那么电力消耗就会减少。

JingtongHu在文章中说：“主要设备经过编程可以完成所有繁琐的工作。规模较小的传感器是看门狗，可以监视环境并在必要时唤醒较大的传感器。”

虽然这个概念听起来很简单，但是执行起来并不容易。

美国国家科学基金会(NSF)于今年8月获得了25万美元的赠款，以支持匹兹堡大学的项目。美国国家科学基金会(NSF)在网站概述了该团队的工作：

“该项目旨在在这种无电池设备中实现人工智能(AI)。但是，存在两个主要挑战：一是大多数现有的深度神经网络(DNN)难以安装在资源受限的微控制器中。二是深度神经网络(DNN)通常需要多个为了获得这些推理结果，由于采集能力弱且无法预测，可能需要不确定的时间来解决这些挑战，该项目正在开发多出口DNN，可以在每次执行过程中输出增量准确的推理结果。”

研究人员概述了他们计划要解决的三个任务，这些任务为基于能源收集技术的物联网设备进行间歇性增量推理奠定了基础：

“首先，将开发新颖的功率跟踪感知压缩，在线修剪和自适应算法，以确保在间歇供电的设备上高效部署多出口深度神经网络(DNN)。其次，将成为新的多出口统计和增量神经网络(MESI-NN)。进一步减少延迟并提高准确性和能源效率;第三，将开发新的神经体系结构搜索算法，以自动搜索最佳的MESI-NN体系结构;该项目将通过实际系统和应用(例如图像分类、关键字)进行评估发现和活动识别。”

研究人员表示，其最终结果将是“复杂的无电池计算系统”。

（编辑：怀化站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!