功耗可低至0.7毫瓦！我国科学家研发出低功耗类脑神经形态芯片

瞻观前沿

近日，中国科学院自动化研究所消息，该所李国齐、徐波研究员团队与合作者共同研发出一套能够实现动态计算的算法-软件-硬件协同设计的、低功耗的类脑神经形态系统级芯片Speck，展示出类脑神经形态计算在融合高抽象层次大脑机制时的天然优势，相关研究成果在线发表于《自然-通讯》杂志。

论文通讯作者李国齐研究员介绍说，人脑能够运行非常复杂且庞大的神经网络，总功耗却仅为20瓦，远小于现有的人工智能系统。因此，在算力比拼加速，能耗日益攀升的今日，借鉴人脑的低功耗特性发展新型智能计算系统成为极具潜力的方向。

在本项研究中，合作团队提出神经形态动态计算的概念，通过设计一种类脑神经形态芯片Speck来实现基于注意力机制的动态计算，在硬件层面做到没有输入，没有功耗，在算法层面做到有输入时，根据输入重要性程度动态调整计算，从而在典型视觉场景任务功耗可低至0.7毫瓦，进一步挖掘出神经形态计算在性能和能效上的潜力。

该研究实践证实高、低抽象层次大脑机制的融合能进一步激发类脑计算潜力，将为未来将大脑进化过程中产生的各种高级神经机制融合至神经形态计算提供启发。

图片来源：中国科学院自动化研究所

技术价值观察

人工智能芯片产业链结构清晰，链条较短，主要分为上游的材料与设备，中游的产品制造，下游的应用市场;上游的材料与设备主要指半导体材料和半导体设备，半导体材料包括单晶硅、单晶锗、砷化镓、晶体管等材料，半导体设备包括光刻机、等离子刻蚀机等设备;中游的产品制造包括芯片设计和芯片制造，芯片设计的流程主要是通过EDA进行系统设计、RTL设计、物理设计等过程，芯片制造包括晶圆加工、晶圆测试、晶片切割、芯片封装等过程;下游的应用市场主要有云计算、自动驾驶、智能手机、无人机、智能音箱、智能安防等。

我国科学团队开发出新型类脑神经形态系统级芯片Speck，具有极低的静息功耗。因此，从人工智能芯片产业链上看，该技术处于产业链的中游产品制造环节。

宏观市场观察

——AI芯片是智能计算的主流模式

基于AI芯片的加速计算是当前智能计算的主流模式。AI芯片通过和AI算法的协同设计来满足AI计算对算力的超高需求。当前主流的AI加速计算主要是采用CPU系统搭载GPU、FPGA、ASIC等异构加速芯片。近年来，国产AI加速芯片厂商持续发力，在该领域取得了快速进展，相关产品陆续发布，覆盖了AI推理和AI训练需求，其中既有基于通用GPU架构的芯片，也有基于ASIC架构的芯片，另外也出现了类脑架构芯片，总体上呈现出多元化的发展趋势。

——人工智能芯片发展路径

人工智能作为一项计算密集型的新技术，在早期发展阶段依赖通用芯片的性能迅速发展，而后期将依赖专用芯片来主宰市场。定制的硬件能够实现更优的功耗效率，满足不同算法、结构、终端和消费者的需求，实现规模化的收益。然而，通用芯片与专用芯片永远不是互相替代的关系，二者必须协同工作才能发挥出最大的价值。

——全球AI芯片发展历程

AI芯片作为人工智能核心的底层硬件，在发展过程中经历了多次起伏和波折。在2007年以前，全球AI芯片产业并未成熟，由于当时的算法和数据量等因素，通用的CPU芯片可以满足市场需求。随着云计算技术的广泛推广，人工智能研究人员可以通过云计算借助大量CPU和GPU进行混合运算，进一步推动了AI芯片的应用和发展。随后，从2015年开始，针对人工智能的专用芯片开始被研发，这些芯片在计算效率、能耗比等性能方面得到了进一步提升。

——人工智能芯片渗透多个行业

人工智能芯片包含计算机科学领域和半导体芯片领域;计算机科学领域是指高效率的智能算法，即软件;半导体芯片领域是指将算法有效地在硅片上实现，最终变成能和配套配套软件结合的实体产品。当前，人工智能芯片根据其技术架构可以分为CPU、GPU、FPGA、ASIC、类脑芯片;按照其在网络中的位置可以分为云端AI芯片、边缘AI芯片、终端AI芯片;根据其在实践中的目标可以分为训练芯片和推理芯片。

人工智能芯片凭借强大的算法承载力和超高的处理速度，广泛应用于多种场景，比如智能人脸识别或智能语音识别，处理超高数据库的服务器大数据分析，随时处理变化的交通信息及各类传感器信息的自动驾驶领域，以及机器人的智能化等。

——全球人工智能芯片市场规模

随着全球人工智能终端设备数量的增长以及边缘计算的需求逐步提升，人工智能芯片作为人工智能的大脑，市场需求量快速增长，市场规模不断扩大。根据Tractica公布的数据显示，2019年全球人工智能芯片市场规模达110亿美元，预计2025年有望突破720亿美元。

经济学人APP资讯组

看完觉得写得好的，不防打赏一元，以支持蓝海情报网揭秘更多好的项目。

标签： 芯片 人工智能 计算 随笔