北大蔡一茂教授：解读AI芯片技术趋势，架构创新、新型存储与先进封装 _信息快讯

新型存储器挑起AI芯片大梁，感存算一体成新趋势。
写在前面：12月21日-22日， GTIC 2021全球AI芯片峰会将在北京举行。届时，来自芯片巨头、独角兽公司及创业新秀的产业大咖和技术专家将同台分享AI芯片的技术创新和落地经验。大会前夕，智东西&芯东西对参会嘉宾进行系列深度对话，提前一睹他们对产业的真知灼见。本期对话嘉宾为北京大学信息科学技术学院副院长兼微纳电子学系系主任蔡一茂教授。
自1956年国家在北京大学由黄昆先生领衔建立半导体专门化，到北京大学于2020年设立集成电路科学与工程一级学科，再到今年7月北京大学集成电路学院揭牌成立，北京大学集成电路学科已走过65度春秋，正整合优势产学资源，迈向新的阶段。
作为推动北大集成电路学科建设的关键成员，北京大学信息科学技术学院副院长、微纳电子学系系主任蔡一茂教授长期从事先进存储器、神经形态器件及类脑芯片关键技术研究，对于人工智能时代新器件、新架构、新工艺有着深刻见地。
AI芯片发展到了怎样的阶段？存算一体因何蓬勃发展、还需攻克哪些难关？哪些技术方向为AI加速计算提供了优化能效和性能的更多可能？类脑计算与AI芯片如何相辅相成？……
【北大蔡一茂教授：解读AI芯片技术趋势，架构创新、新型存储与先进封装】围绕这些问题，近日，智东西与蔡一茂教授展开了一场深度对话。
01.AI芯片五大衡量维度，通用性是终极目标从初绽锋芒到逐渐被大众认知， AI芯片经过数年发展，已经走到了角逐规模化商用的新节点。
蔡一茂教授认为，从学术角度来看，目前AI芯片领域呈百花齐放的态势，包括深度学习神经网络芯片、类脑芯片等很多技术路径大家都在探索。
他指出衡量AI芯片方案性能有5个维度：自适应、性能、能效比、可编程性、可扩展性。
其中，将可扩展性理解成“支撑的参数规模更大”还不太够，将来一个重要趋势是走向通用性，这对于人工智能、AI芯片都非常重要。
很多AI公司面临AI芯片或AI方案落地困难或者成本控制的挑战是无法将一个方案简单的复制应用于不同的场景，而这个是软件公司相对容易做到的。比如微软Office是一个标准的通用的产品，只要拿到授权许可就能使用，因此所有团队集中起来做好Office ，无需设立专门的团队来为某家企业解决Office问题。
但目前大多数AI公司做不到这一点，因为AI应用场景存在差异化，通常需要根据其数据格式、具体应用场景入驻一个团队来联调。在蔡一茂教授看来， “这是限制AI算法和芯片实际大规模应用的一个重要挑战” ，无论是AI算法还是AI芯片的通用性，产学界都尚未出现很好的解决方案。
“我相信AI的应用会落地越来越多，虽然现在有些困难，但整体大家还是寄予厚望。 ”蔡一茂教授说， “所以这个领域的研究在相当长的时间内依然会是热点。 ”
02.国产替代催化大算力新机遇，避开技术只谈生态是“伪命题”相比AI芯片发展初期，如今云端、边缘市场更为繁荣，更多创企开始主攻大算力芯片。
据蔡一茂教授观察，这是整体算力需求使然。随着AI算力需求大幅飙涨，全国多地开始建设大规模AI超算中心。对于手头不算宽裕的创企或小型研究团队来说，这为他们进行AI训练、AI推理等运算，降低了获取算力资源的门槛。
目前GPU仍是AI训练市场最主流的加速芯片。尽管一些互联网大公司已经开始根据自家业务自研芯片来实现更高的性价比和对场景更好的适应性，但他们也会继续采用GPU ，毕竟GPU更加通用。

特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。