日前， Elsevier（愛思唯爾）云論壇暨絡(luò)繹學(xué)術(shù) Online 第九期線上學(xué)術(shù)會(huì)議成功舉辦，我們與 Elsevier 一同為大家呈現(xiàn)了信息技術(shù)芯片的發(fā)展與創(chuàng)新。

本次論壇由上海交通大學(xué)集成量子信息技術(shù)研究中心主任金賢敏教授主持，特邀上海交通大學(xué)人工智能研究院首席科學(xué)家徐雷教授、浙江大學(xué)光電科學(xué)與工程學(xué)院副院長(zhǎng)戴道鋅教授、北京大學(xué)人工智能研究院類腦智能芯片研究中心主任楊玉超教授、上海交通大學(xué)物理與天文學(xué)院副研究員唐豪、以及愛思唯爾核心內(nèi)容客戶顧問許靖博士，圍繞信息技術(shù)芯片的基本技術(shù)原理、產(chǎn)品應(yīng)用及未來發(fā)展展開主題分享。

本文將結(jié)合論壇的重點(diǎn)內(nèi)容和當(dāng)前信息處理芯片的現(xiàn)狀，對(duì)三種未來備受關(guān)注的信息技術(shù)芯片進(jìn)行概念解讀及產(chǎn)業(yè)分析。

信息技術(shù)芯片的演進(jìn)，背后透射出算力的螺旋式上升

在算力需求大幅提升的背景下，信息技術(shù)芯片所承載的計(jì)算處理能力不足，來源于架構(gòu)側(cè)、智能化水平、功耗、軟件能力等多方面的挑戰(zhàn)。

最早以 CPU 為代表的計(jì)算芯片采用的依然是傳統(tǒng)的馮·諾依曼架構(gòu)，存算分離是最大的特點(diǎn)，也是馮諾依曼架構(gòu)的瓶頸所在。在計(jì)算之前需要從存儲(chǔ)器當(dāng)中讀取數(shù)據(jù)，之后再進(jìn)行計(jì)算。這個(gè)過程中，功耗和延時(shí)花費(fèi)在搬運(yùn)數(shù)據(jù)的環(huán)節(jié)上。從單次操作來講，大多數(shù)情況下，搬運(yùn)數(shù)據(jù)需要的功耗占據(jù)了整個(gè)功耗的約 70% 。解決這個(gè)問題最直接的思路，即是實(shí)現(xiàn)存算一體。

同時(shí)，存儲(chǔ)器性能的提升遠(yuǎn)遠(yuǎn)落后于計(jì)算器性能的提升。由于馮·諾依曼瓶頸和存儲(chǔ)墻的存在，導(dǎo)致存算分離架構(gòu)下，算力的提升面臨天花板。為了解決這種困境，更多類型的非馮·諾依曼架構(gòu)芯片出現(xiàn)，例如類腦芯片、光子芯片等。

除了架構(gòu)側(cè)的限制，智能化水平的提升也趨勢(shì)計(jì)算芯片向更智能的階段邁進(jìn)。2011 年，風(fēng)險(xiǎn)投資公司 Andreessen Horowitz 的普通合伙人 Marc Andreessen 在《華爾街日?qǐng)?bào)》上發(fā)表了一篇非常有影響力的文章，名為“ Why Software Is Eating the World-軟件為何在吞噬世界”。十年后的今天，我們正站在“ Deep Learning is Eating the World-深度學(xué)習(xí)正在吞噬整個(gè)世界”的節(jié)點(diǎn)。

基于人工智能的自然語(yǔ)言處理、圖像識(shí)別和自動(dòng)駕駛的技術(shù)進(jìn)步，是以消耗計(jì)算資源和能源為代價(jià)的。工程師和計(jì)算機(jī)科學(xué)家正在付出巨大的努力，以找出更有效地訓(xùn)練和運(yùn)行深度神經(jīng)網(wǎng)絡(luò)的方法。這也是未來計(jì)算芯片升級(jí)和演化的主要目的，為了讓其更好地執(zhí)行 AI 計(jì)算。

第三代神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)計(jì)向類腦脈沖神經(jīng)網(wǎng)絡(luò)技術(shù)演進(jìn)，對(duì)更高智能水平的人工智能技術(shù)的需求，也驅(qū)使計(jì)算平臺(tái)的架構(gòu)升級(jí)和智能化升級(jí)。

不難發(fā)現(xiàn)，人腦是自然界中存在的典型高智能、低功耗的單體計(jì)算平臺(tái)。類腦芯片則是典型的存算一體、高度智能化的計(jì)算架構(gòu)。全球范圍內(nèi)對(duì)類腦智能和類腦芯片的研究，已經(jīng)是非常重要的前沿課題。

圖 1丨本文關(guān)注的三類信息技術(shù)芯片

面對(duì)算力需求的提升和人工智能水平的發(fā)展，對(duì)于信息技術(shù)芯片的代際演化來說，近期以面向數(shù)字神經(jīng)網(wǎng)絡(luò)的加速器（GPU / FPGA / ASIC 芯片）為主流解決方案；中遠(yuǎn)期，類腦芯片是解決方案之一。除了集成電路芯片的算法、器件、工藝等突破是解決算力問題的方法之外，集成光子芯片的研發(fā)也是解決算力瓶頸的有效路徑。

未來計(jì)算芯片的三個(gè)方向，均為更好地執(zhí)行 AI 計(jì)算

方向一：神經(jīng)網(wǎng)絡(luò)計(jì)算加速器—— GPU / FPGA / ASIC

在 CPU / GPU 設(shè)計(jì)領(lǐng)域，中國(guó)起步較晚，在技術(shù)水平和產(chǎn)業(yè)規(guī)?；矫孢h(yuǎn)落后于國(guó)際先進(jìn)水平。但受益于云計(jì)算、邊緣計(jì)算、數(shù)據(jù)中心等計(jì)算需求增加，物聯(lián)網(wǎng)等多場(chǎng)景對(duì)高性能高算力芯片提出更高要求，國(guó)產(chǎn)替代等因素，中國(guó)在 CPU / GPU / FPGA / ASIC 技術(shù)提升和國(guó)產(chǎn)化速度方面加速前進(jìn)。

CPU & GPU

全球 CPU 市場(chǎng)整體被 Intel 和 AMD 占領(lǐng)。無(wú)論從營(yíng)收規(guī)模，臺(tái)式機(jī)、筆記本、服務(wù)器細(xì)分市場(chǎng)占有率來講，Intel 遠(yuǎn)超 AMD（如圖 2 所示）。

經(jīng)過數(shù)十年探索，國(guó)產(chǎn) CPU 產(chǎn)業(yè)已初具規(guī)模，中國(guó)六大國(guó)產(chǎn) CPU 芯片廠商為——以 ×86 架構(gòu)為主的復(fù)雜指令集（CISC）下，有海光（×86）、上海兆芯（×86）；涉及 ARM 架構(gòu)、MIPS 架構(gòu)、Alpha 架構(gòu)的精簡(jiǎn)指令集（RISC）下，有華為鯤鵬（ARM）、天津飛騰（ARM）、龍芯（MIPS）、申威（Alpha）。

圖 2丨Intel、NVIDIA 及 AMD 的部分財(cái)務(wù)數(shù)據(jù)

現(xiàn)階段適合神經(jīng)網(wǎng)絡(luò)計(jì)算的加速器最常見的解決方案是 GPU，GPU 本質(zhì)上來說依然是先進(jìn)的馮 · 諾依曼架構(gòu)。

同 CPU 一樣，全球 GPU 市場(chǎng)集中度非常高，Intel、NVIDIA 和 AMD 三雄爭(zhēng)霸。

根據(jù) Jon Peddie Research 數(shù)據(jù)，在集成 GPU 領(lǐng)域，截至 2019 年第四季度，Intel 以 63% 的市場(chǎng)份額位居榜首，AMD 和 NVIDIA 分別以 19% 和 18% 的市場(chǎng)份額名列第二和第三；在獨(dú)立 GPU 領(lǐng)域中，NVIDIA 以 68.92% 的市場(chǎng)份額占據(jù)絕對(duì)優(yōu)勢(shì)，AMD 以 31.08% 的市場(chǎng)份額排名第二。

三駕馬車奠定 NVIDIA 在 GPU 市場(chǎng)的霸主地位。長(zhǎng)期以來，游戲顯卡業(yè)務(wù)功不可沒，游戲部門為其創(chuàng)造了確定的業(yè)績(jī)?cè)鲩L(zhǎng)與健康的現(xiàn)金流，2015 年 NVIDIA 營(yíng)收首次超越 AMD。之后 NVIDIA GPU 在數(shù)據(jù)中心業(yè)務(wù)中又獲得一輪爆發(fā)式增長(zhǎng)。

此外，在阿里云、AWS、Microsoft Azure 及 Google Cloud 廠商中，NVIDIA 的市場(chǎng)份額大幅領(lǐng)先于 AMD 等一眾廠商，NVIDIA 在全球主要云廠商中占據(jù)絕對(duì)領(lǐng)先地位。像 Amazon 和Microsoft 這樣的大型云廠商，在計(jì)算芯片上投入了大量資金來支持機(jī)器學(xué)習(xí)算法，Google 也在研發(fā)自己的專用機(jī)器學(xué)習(xí)芯片。

圖 3丨NVIDIA 及 AMD 的部分財(cái)務(wù)數(shù)據(jù)

除此之外，NVIDIA 市值和業(yè)務(wù)最有想象空間的還是自動(dòng)駕駛計(jì)算平臺(tái)（汽車中控計(jì)算芯片）。同時(shí)整個(gè)計(jì)算芯片市場(chǎng)的主要增長(zhǎng)動(dòng)力預(yù)計(jì)也將從數(shù)據(jù)中心，轉(zhuǎn)移到自動(dòng)駕駛汽車。

CPU / GPU 計(jì)算芯片的代表公司（僅為部分，并未窮盡）

Intel（英特爾）：成立于 1968 年的英特爾，崛起于 PC 時(shí)代，創(chuàng)辦人之一的 Gordon Moore 提出了半導(dǎo)體產(chǎn)業(yè)經(jīng)典的摩爾定律。面對(duì)異構(gòu)計(jì)算架構(gòu)時(shí)代，英特爾以 “ SVMS 架構(gòu)”應(yīng)對(duì)，發(fā)布多款 FPGA 產(chǎn)品。今年 3 月，英特爾宣布重啟晶圓代工服務(wù)，重回 7nm 晶圓制程技術(shù)戰(zhàn)場(chǎng)。

NVIDIA（英偉達(dá)）：NVIDIA 正在加速?gòu)男酒?CPU 和 GPU 的連接方式，再到整個(gè)軟件堆棧，以及最終跨整個(gè)數(shù)據(jù)中心的性能提升。2020 年發(fā)布了首款安培架構(gòu) GPU——NVIDIA A100，單片 A100 包含超過 540 億個(gè)晶體管，使其成為世界上最大的 7nm 處理器。同時(shí)發(fā)布 NVIDIA DGX A100 系統(tǒng)，單節(jié)點(diǎn) AI 算力達(dá)到創(chuàng)紀(jì)錄的 5 PFLOPS，5 個(gè) DGX A100 系統(tǒng)組成的一個(gè)機(jī)架，算力可媲美一個(gè) AI 數(shù)據(jù)中心。

AMD：AMD 于 2020 年正式推出銳龍 5000 系列臺(tái)式機(jī)處理器，采用全新“ Zen 3 ”核心架構(gòu)，這是自 AMD 2017 年推出 “ Zen ” 處理器以來提升最大的一次。得益于 IPC 和頻率的雙重提升，AMD 銳龍 9 5900X 也是首款默認(rèn)設(shè)置下 CineBench R20 單核心分?jǐn)?shù)超過 600 的臺(tái)式機(jī)處理器。

中科曙光（Sugon）：中國(guó)中科曙光依托中科院科研實(shí)力與產(chǎn)業(yè)資源，掌握大量高端計(jì)算機(jī)、存儲(chǔ)和云計(jì)算等領(lǐng)域核心技術(shù)，九次摘得中國(guó)超算 Top100 份額第一，在 2019 年第 54 屆全球超算 Top500 中以 71 套系統(tǒng)并列第二名，在國(guó)內(nèi)高性能計(jì)算市場(chǎng)絕對(duì)領(lǐng)先份額。

兆芯（Zhaoxin）：中國(guó)上海兆芯同時(shí)擁有 CPU、GPU、芯片組三種 IP 及芯片自主研發(fā)能力，開先 KX-6000 和開勝 KH-30000 系列處理器基于 16nm 工藝，是國(guó)內(nèi)首款主頻達(dá)到 3.0GHz 的國(guó)產(chǎn)通用處理器。

景嘉微（JINGJIA MICRO）：中國(guó)長(zhǎng)沙景嘉微是國(guó)產(chǎn) GPU 代表力量，2020 年預(yù)計(jì)實(shí)現(xiàn)營(yíng)業(yè)總收入 6.54 億元。在圖形顯控領(lǐng)域，以 JM5400 研發(fā)成功為起點(diǎn)，研發(fā)國(guó)產(chǎn)高性能低功耗圖形處理芯片。第二代 GPU 芯片 JM7200 流片成功，采用 28nm 工藝，已完成與龍芯、飛騰、麒麟軟件、國(guó)心泰山、道、天脈等國(guó)內(nèi)主要的 CPU 和操作系統(tǒng)廠商的適配工作。

FPGA / ASIC

回顧 2020 年并購(gòu)交易額超過 10 億美元的 19 筆交易，大多數(shù)并購(gòu)活動(dòng)集中在半導(dǎo)體領(lǐng)域。Salesforce 和 NVIDIA 是唯一進(jìn)行多次重大收購(gòu)的公司（如圖 4 所示）。

第二大并購(gòu)事件則是 AMD ——Intel 在 CPU 領(lǐng)域的最大對(duì)手、NVIDIA 在 GPU 領(lǐng)域的競(jìng)爭(zhēng)者——以 350 億美元收購(gòu) Xilinx（賽靈思）。這不禁讓人想起 2015 年英特爾以 167 億美元收購(gòu) Altera 一案。Altera 和 Xilinx 曾是 FPGA 雙雄，而現(xiàn)在 FPGA 獨(dú)霸之主 Xilinx 也要被 AMD 收購(gòu)。

圖 4丨2020 年最大的科技并購(gòu)事件

除了 CPU 之外，GPU、APU、TPU、FPGA（現(xiàn)場(chǎng)可編程門陣列）、ASIC（專用集成電路）等多種類型的加速器芯片正扮演著愈加重要的角色。在許多情況下，這些加速器與 CPU 等芯片一起工作，用于加速某些對(duì)應(yīng)用至關(guān)重要的任務(wù)，例如計(jì)算機(jī)視覺應(yīng)用中的圖像識(shí)別。多種芯片協(xié)同工作的架構(gòu)通常稱為異構(gòu)計(jì)算。

FPGA（現(xiàn)場(chǎng)可編程門陣列）是一種靈活的半導(dǎo)體芯片架構(gòu)，能夠在產(chǎn)品設(shè)計(jì)完成，甚至在投入現(xiàn)場(chǎng)使用之后進(jìn)行更改或更新（由此得名）。FPGA 的設(shè)計(jì)初衷是成為 ASIC（專用集成電路）更靈活的替代品。

有些 FPGA 專門用于高性能、數(shù)據(jù)密集的工作場(chǎng)景，如云端數(shù)據(jù)中心，這時(shí)它們需要的運(yùn)行功率高達(dá)幾百瓦；有些則用于小型、低功耗的設(shè)計(jì)，其功耗可能低至 1 毫瓦（千分之一瓦）；還有些介于兩者之間。由于它們本身非常靈活，可應(yīng)用于各類廣泛的環(huán)境。

以云端數(shù)據(jù)中心為例，微軟一直都在使用高功耗的 FPGA 來加速 Bing 搜索引擎的速度。在此應(yīng)用中，F(xiàn)PGA 與 CPU 協(xié)同工作來加速微軟針對(duì)必應(yīng)開發(fā)的特定搜索算法。這類高功耗的 FPGA 多由 Xilinx 和 Intel 提供。

而在一些無(wú)人機(jī)、安防攝像頭和可穿戴產(chǎn)品等消費(fèi)電子應(yīng)用中，以及預(yù)測(cè)性維護(hù)、馬達(dá)控制和機(jī)器視覺等工業(yè)應(yīng)用中，小尺寸、功耗更低的 FPGA 正適配于網(wǎng)絡(luò)邊緣計(jì)算設(shè)備上去運(yùn)行基于人工智能的軟件算法。

在未來十年內(nèi)，汽車自動(dòng)駕駛是 FPGA 最重要的一個(gè)探索和應(yīng)用場(chǎng)景。不僅因?yàn)?FPGA 靈活的內(nèi)部架構(gòu)，它還能很好地適用于特定的連接功能，尤其是連接各類不同的信號(hào)輸入。除了在車載信息娛樂系統(tǒng)中顯身手外，F(xiàn)PGA 開始扮演一些新角色，作為多路數(shù)據(jù)的聚合器。

但由于 ASIC 一旦設(shè)計(jì)并生產(chǎn)出來，它的功能基本不能修改，除非重新設(shè)計(jì)和構(gòu)建全新的芯片。且 ASIC 設(shè)計(jì)起來比較困難、價(jià)格高昂，在實(shí)際通用場(chǎng)景下比較少見。隨著時(shí)間推移和場(chǎng)景側(cè)的落地，未來專用于自動(dòng)駕駛側(cè)的 ASIC 芯片有可能成為主流方向。

圖 5丨 Intel 在汽車自動(dòng)駕駛場(chǎng)景用 FPGA 市場(chǎng)占主流位置

全球主攻 FPGA 市場(chǎng)的企業(yè)中，除了有 Xilinx 和 Altera 雙雄之外，Lattice 也是專做 FPGA 的上市公司。中國(guó)主攻 FPGA 的創(chuàng)業(yè)公司有安路科技和高云半導(dǎo)體。

巨頭 Intel 也是 FPGA 的強(qiáng)有力競(jìng)爭(zhēng)者，英特爾不僅是 CPU 王者，又收購(gòu)了 Altera，在 FPGA 領(lǐng)域布下一子。綜合來說，Intel 的計(jì)算芯片在汽車自動(dòng)駕駛市場(chǎng)中的采用率，處于主流位置。不僅自動(dòng)駕駛 FPGA 芯片已經(jīng)量產(chǎn)，還收購(gòu) Mobileye 這家全球領(lǐng)先的視覺 ADAS 廠商，僅有自主的專有軟件算法，以及 EyeQ 芯片。

圖 6丨全球CPU及神經(jīng)網(wǎng)絡(luò)加速器頭部公司財(cái)務(wù)表現(xiàn)

全球 FPGA / ASIC 代表公司

Lattice：低功耗 FPPA 市場(chǎng)的有力競(jìng)爭(zhēng)者。長(zhǎng)期盤踞消費(fèi)電子市場(chǎng)的 Lattice 逐漸將觸手伸入工業(yè)和汽車領(lǐng)域，更加側(cè)重于邊緣端、嵌入式、低功耗、小尺寸的產(chǎn)品設(shè)計(jì)開發(fā)上。

安路科技（ANLOGIC）：成立于 2011 年，大基金、華大半導(dǎo)體加持的 FPGA 創(chuàng)業(yè)公司，側(cè)重工業(yè)市場(chǎng)。于 2015 年推出其第一代 FPGA AL3-10，當(dāng)前已經(jīng)形成了從幾百個(gè)邏輯單元 CPLD 到 400K 邏輯單元 FPGA 全系列布局。

高云半導(dǎo)體（GOWIN Semiconductor）：2015 年一季度量產(chǎn)出國(guó)內(nèi)第一塊產(chǎn)業(yè)化的 55nm 工藝 400 萬(wàn)門的中密度 FPGA 芯片，并開放開發(fā)軟件下載。至今五年時(shí)間陸續(xù)推出兩大家族，100 多種封裝的 FPGA 芯片，例如集成 PSRAM 的 FPGA，藍(lán)牙 FPGA、GOAI 等創(chuàng)新嘗試。

方向二：類腦芯片

人工智能中神經(jīng)網(wǎng)絡(luò)模型的一個(gè)重要特點(diǎn)就是計(jì)算量大，而且計(jì)算過程中涉及到的數(shù)據(jù)量也很大，因此對(duì)高算力和低能耗的要求極高。目前采用馮·諾伊曼架構(gòu)的主流處理器系統(tǒng)能耗過高、認(rèn)知任務(wù)處理能力不足，無(wú)法完全滿足這種要求。在這樣的時(shí)代背景下，打破馮 · 諾伊曼架構(gòu)的束縛就成為了必然的趨勢(shì)。

人腦是非常理想的計(jì)算架構(gòu)參考對(duì)象。人腦約有 1000 億個(gè)神經(jīng)元和 100 萬(wàn)億個(gè)突觸，能夠在極低的能耗下，完成復(fù)雜的關(guān)聯(lián)記憶、自主識(shí)別、自主學(xué)習(xí)等認(rèn)知處理。這是基于腦神經(jīng)網(wǎng)絡(luò)的多層次復(fù)雜空間結(jié)構(gòu)和腦神經(jīng)的高度可塑性。

類腦芯片則是典型的非馮 · 諾伊曼架構(gòu)。類腦計(jì)算架構(gòu)的核心正是借鑒人腦信息處理方式，將存儲(chǔ)和計(jì)算一體化，能夠?qū)崟r(shí)處理非結(jié)構(gòu)化信息，具備自主學(xué)習(xí)能力，同時(shí)滿足超低功耗的需求。

目前市場(chǎng)上尚未出現(xiàn)量產(chǎn)的可商用的類腦芯片，但已有很多國(guó)家和機(jī)構(gòu)在類腦計(jì)算研究和產(chǎn)業(yè)化領(lǐng)域探索了多年。海外類腦計(jì)算芯片產(chǎn)業(yè)化道路走在最前面的代表有兩家公司：IBM 和 Intel，他們發(fā)布了兩款全數(shù)字類腦計(jì)算芯片。

IBM TrueNorth

2014 年，IBM 推出了神經(jīng)網(wǎng)絡(luò)推斷芯片 TrueNorth ，它借鑒神經(jīng)元工作原理及其信息傳遞機(jī)制，實(shí)現(xiàn)了存儲(chǔ)與計(jì)算的融合。該芯片包含 4096 個(gè)神經(jīng)突觸核心，每個(gè)核心包含了 256 個(gè)神經(jīng)元和 6.4 萬(wàn)個(gè)突觸，合計(jì)約 100 萬(wàn)個(gè)神經(jīng)元和 2.56 億個(gè)突觸。

TrueNorth 芯片的功耗低至僅 70 毫瓦，比傳統(tǒng)處理器低了 4 個(gè)數(shù)量級(jí)。更形象的來說，這相當(dāng)于一款郵票大小的神經(jīng)突觸原理超級(jí)計(jì)算機(jī)，并且僅用一塊智能手機(jī)的電池就可以維持工作近一周時(shí)間。TrueNorth 芯片的功率密度也做到了 20 毫瓦/平方厘米，接近腦皮層的水平，同樣相比于 CPU 低了 3-4 個(gè)數(shù)量級(jí)。

TrueNorth 芯片同時(shí)具有很好的擴(kuò)展性，能通過外部連接組成更加復(fù)雜的硅基神經(jīng)網(wǎng)絡(luò)系統(tǒng)。2018 年，NS16e-4 系統(tǒng)問世，它集成了 64 個(gè) TrueNorth 芯片，神經(jīng)元數(shù)量達(dá)到了 6400 萬(wàn)個(gè)。根據(jù) IBM 官網(wǎng)介紹，依托 TrueNorth 可以擴(kuò)展出擁有 10 億神經(jīng)元、2560 億神經(jīng)突觸的超級(jí)計(jì)算系統(tǒng)，然而功耗僅相當(dāng)于一臺(tái)桌面計(jì)算機(jī)。

圖 7 | 基于 64 個(gè) TrueNorth 芯片的 NS16e-4 系統(tǒng)，集成了 6400 萬(wàn)個(gè)神經(jīng)元（來源：https://modha.org）

IBM 也正在探索 TrueNorth 芯片在多個(gè)領(lǐng)域的應(yīng)用潛力，包括：運(yùn)動(dòng)歸類、音頻處理、立體視覺、強(qiáng)化學(xué)習(xí)、機(jī)器人、分類等。

圖 8｜TrueNorth 芯片應(yīng)用探索

Intel Loihi

2017 年，Intel 推出了支持片上學(xué)習(xí)的 Loihi 脈沖神經(jīng)網(wǎng)絡(luò)芯片，每個(gè)芯片包含 128 個(gè)神經(jīng)形態(tài)核心和 3 個(gè)× 86 處理器核心，總計(jì) 13.1 萬(wàn)個(gè)神經(jīng)元。與 TrueNorth 芯片類似的是，Loihi 芯片同樣表現(xiàn)出了非常好的可擴(kuò)展性。

2019 年，Intel 推出了 64 顆 Loihi 芯片集成的 Pohoiki Beach 系統(tǒng)。2020 年，Intel 又推出了 Pohoiki Springs 系統(tǒng)，包含了 768 顆 Loihi 芯片，共擁有 1 億個(gè)神經(jīng)元，已經(jīng)相當(dāng)于一個(gè)小型哺乳動(dòng)物的大腦容量。

根據(jù) Intel 官方披露，英特爾的 Pohoiki Springs 等神經(jīng)擬態(tài)系統(tǒng)仍處于研究階段，其設(shè)計(jì)目的并非取代傳統(tǒng)的計(jì)算系統(tǒng)，而是為研究人員提供一個(gè)工具來開發(fā)和表征新的神經(jīng)啟發(fā)算法，用于實(shí)時(shí)處理、問題解決、適應(yīng)和學(xué)習(xí)。

目前，Loihi 芯片的應(yīng)用在以下幾個(gè)領(lǐng)域表現(xiàn)出了更快的運(yùn)算速度和更低的能耗：語(yǔ)音命令識(shí)別、手勢(shì)識(shí)別、圖像檢索、優(yōu)化和檢索、機(jī)器人。

中國(guó)的類腦計(jì)算研發(fā)也產(chǎn)生了顯著的成果，這其中包括清華大學(xué)的“天機(jī)芯”、浙江大學(xué)的“達(dá)爾文芯片”以及創(chuàng)業(yè)公司 SynSense時(shí)識(shí)科技。

清華大學(xué)“天機(jī)芯”

2019 年 8 月，清華大學(xué)施路平教授團(tuán)隊(duì)在《自然》期刊以封面文章發(fā)表首款異構(gòu)融合類腦計(jì)算芯片——“天機(jī)芯（Tianjic）”。“天機(jī)芯”采用多核架構(gòu)，由 156 個(gè)單功能核（FCore）組成，包含大約 4 萬(wàn)個(gè)神經(jīng)元和 1000 萬(wàn)個(gè)神經(jīng)突觸。

而所謂異構(gòu)融合，指天機(jī)芯的架構(gòu)打破了基于計(jì)算機(jī)科學(xué)的人工智能和基于神經(jīng)科學(xué)的人工智能的壁壘，成為一個(gè)通用的平臺(tái)，在算法層面上即支持目前主流的人工神經(jīng)網(wǎng)絡(luò)模型（Artificial Neural Network，ANN）也支持脈沖神經(jīng)網(wǎng)絡(luò)模型（Spiking Neural Network，SNN）。

基于天機(jī)芯的無(wú)人自行車展示了可以實(shí)現(xiàn)語(yǔ)音識(shí)別、自平衡控制、探索跟蹤、自動(dòng)避障等功能。之所以選用無(wú)人自行車作為展示工具，是因?yàn)樗且粋€(gè)類似大腦的多模態(tài)系統(tǒng)，能夠覆蓋感知決策和執(zhí)行的完整的鏈路，為異構(gòu)融合的多種模型提供支撐；同時(shí)不同于在實(shí)驗(yàn)室或者電腦中做仿真，無(wú)人自行車也體現(xiàn)了與真實(shí)環(huán)境的交互。這一項(xiàng)研究成果也被評(píng)選為“ 2019 年中國(guó)十大科技進(jìn)展 ”。

圖 9｜清華大學(xué)“天機(jī)芯”研究成果登上《自然》期刊封面

從清華大學(xué)類腦計(jì)算中心科技成果轉(zhuǎn)化而來的靈汐科技，目前也已經(jīng)獲得了來自中電海康、廣發(fā)信德、優(yōu)選資本、華控基石等機(jī)構(gòu)的多輪融資。施路平教授擔(dān)任靈汐科技的聯(lián)合創(chuàng)始人。

浙江大學(xué)“達(dá)爾文芯片”

2015 年，浙江大學(xué)牽頭研發(fā)了達(dá)爾文一代芯片，這是國(guó)內(nèi)的首款類腦芯片，擁有 2048 個(gè)神經(jīng)元，4 百萬(wàn)個(gè)神經(jīng)突觸。2019 年 8 月，達(dá)爾文二代芯片問世，這是一款主要面向智慧物聯(lián)網(wǎng)應(yīng)用的芯片，單芯片由 576 個(gè)內(nèi)核組成，擁有 15 萬(wàn)神經(jīng)元、1000 萬(wàn)個(gè)神經(jīng)突觸，在神經(jīng)元數(shù)目上已經(jīng)與果蠅相當(dāng)，典型應(yīng)用功耗約 100 毫瓦。

2020 年，浙江大學(xué)宣布了包含 792 顆達(dá)爾文二代芯片的類腦計(jì)算機(jī) Darwin Mouse 研制成功，這一款類腦計(jì)算機(jī)支持 1.2 億脈沖神經(jīng)元、720 億神經(jīng)突觸，與小鼠的大腦神經(jīng)元數(shù)量規(guī)模相當(dāng)，典型運(yùn)行功耗只需要 350-500 瓦。

SynSense 時(shí)識(shí)科技

SynSense 時(shí)識(shí)科技是一家類腦芯片、智能傳感器設(shè)計(jì)與開發(fā)公司，于 2017 年 2 月在瑞士創(chuàng)立（原名 ai-CTX），現(xiàn)已在國(guó)內(nèi)落地。公司技術(shù)起源于由蘇黎世大學(xué)和蘇黎世聯(lián)邦理工學(xué)院聯(lián)合發(fā)起的蘇黎世神經(jīng)信息研究所，核心技術(shù) DYNAP （Dynamic Neuromorphic Asynchronous Processor）幫助可配置、通用、實(shí)時(shí)響應(yīng)的神經(jīng)網(wǎng)絡(luò)在脈沖神經(jīng)元中的實(shí)現(xiàn)。

DYNAP-CNN是全球首款動(dòng)態(tài)視覺專用處理器芯片，于2019年成功流片。該芯片由異步電路設(shè)計(jì)，擁有100萬(wàn)脈沖神經(jīng)元，200萬(wàn)突觸，可以直聯(lián)動(dòng)態(tài)相機(jī)（DVS）完成多種實(shí)時(shí)視覺識(shí)別及交互類任務(wù)，典型任務(wù)場(chǎng)景下功耗可低至1mW。

創(chuàng)始人喬寧博士畢業(yè)于中國(guó)科學(xué)院半導(dǎo)體研究所，曾在蘇黎世大學(xué)從事博士后研究工作，現(xiàn)任蘇黎世大學(xué)助理教授。目前，時(shí)識(shí)科技已經(jīng)獲得了百度風(fēng)投、默克、和利資本等投資機(jī)構(gòu)的多輪融資。

圖 10｜已成功流片類腦計(jì)算芯片參數(shù)

除了以上基于硅技術(shù)的類腦計(jì)算芯片，還有一部分類腦計(jì)算芯片的研究方向是基于新型納米器件和技術(shù)，以憶阻器陣列為代表。這種芯片直接利用定制的器件結(jié)構(gòu)，來模擬生物神經(jīng)元的電特性，集成度更高，是非常有潛力的類腦計(jì)算芯片方案。但是，讓憶阻器陣列完整實(shí)現(xiàn)芯片的功能，尚需要解決工藝、系統(tǒng)、算法等一系列的未知難題。

在這一方面，中國(guó)學(xué)者的研究成果也走在了世界的前沿。2020 年，清華大學(xué)錢鶴、吳華強(qiáng)教授團(tuán)隊(duì)等合作研發(fā)的基于多個(gè)憶阻器陣列的存算一體系統(tǒng)發(fā)表在《自然》期刊上，他們?cè)谠撓到y(tǒng)上高效運(yùn)行了卷積神經(jīng)網(wǎng)絡(luò)算法，成功驗(yàn)證了圖像識(shí)別功能，能耗高出 GPU 兩個(gè)數(shù)量級(jí)，實(shí)現(xiàn)了以更低的功耗和硬件成本完成復(fù)雜的計(jì)算。這項(xiàng)研究成果證明了利用憶阻器實(shí)現(xiàn)存算一體的可行性。

類腦芯片的發(fā)展，經(jīng)歷了從純數(shù)字到數(shù)模混合、從單芯片的集成到系統(tǒng)級(jí)的集成、從片外學(xué)習(xí)到片上學(xué)習(xí)的轉(zhuǎn)變趨勢(shì)。

類腦計(jì)算的發(fā)展未走出前期的實(shí)驗(yàn)室研究階段，離工業(yè)界的實(shí)際應(yīng)用仍有一定的距離。根據(jù) Yole 報(bào)告，類腦計(jì)算最快可能將于 2024 年前后成熟，我們相信到那時(shí)類腦計(jì)算芯片表現(xiàn)出的相比于馮·諾伊曼架構(gòu)的 AI 芯片的優(yōu)勢(shì)將會(huì)帶來巨量的產(chǎn)業(yè)發(fā)展機(jī)會(huì)。

圖 11丨類腦計(jì)算市場(chǎng)規(guī)模預(yù)測(cè)

方向三：（硅）光子計(jì)算芯片

與電子計(jì)算時(shí)代的集成電路芯片的物理結(jié)構(gòu)演化路徑一樣，在光子計(jì)算語(yǔ)境下，光子芯片就是將大量分立光路元件集成在光子芯片上，以實(shí)現(xiàn)更高的穩(wěn)健性和可擴(kuò)展性。

光子芯片的核心是在硅基上實(shí)現(xiàn)光子集成芯片，是在傳統(tǒng) CMOS 芯片上蝕刻微米級(jí)別的光學(xué)元器件。而光子計(jì)算，其實(shí)是一個(gè)古老的技術(shù)領(lǐng)域。作為一種完全不同于電子計(jì)算的技術(shù)，光子計(jì)算以光子為信息處理載體，依賴光硬件而非電子硬件，以光運(yùn)算代替電運(yùn)算，擅長(zhǎng)快速并行處理高度復(fù)雜的計(jì)算任務(wù)。

硅光技術(shù)的理念是“以光代電”，但受限于傳統(tǒng)分離式光子器件，具有光場(chǎng)調(diào)控手段單一、光子設(shè)計(jì)體積龐大的缺點(diǎn)。光子計(jì)算一直沒有明確的應(yīng)用場(chǎng)景，多數(shù)都停留在實(shí)驗(yàn)室階段。Lightelligence（曦智科技）聯(lián)合創(chuàng)始人兼 CEO 沈亦晨曾表示，光計(jì)算和光子芯片是最適合下一代計(jì)算芯片基建技術(shù)的選擇。

根據(jù) Yole 數(shù)據(jù)，按照產(chǎn)品應(yīng)用場(chǎng)景分類，2025 年硅光子市場(chǎng)規(guī)模將由 2019 年的 4.8 億美元增長(zhǎng)至 39 億美元。光通信仍然是硅光子最重要的應(yīng)用，數(shù)據(jù)中心通信是硅光子的最大市場(chǎng)。

圖 12丨硅光市場(chǎng)規(guī)模

通信、互連場(chǎng)景下，硅光收發(fā)器市場(chǎng)的競(jìng)爭(zhēng)長(zhǎng)期存在，其中的巨頭先行者是 IBM 和 Intel，主要是為了改善數(shù)據(jù)中心數(shù)據(jù)交換時(shí)的速率問題。此外，Luxtera（被思科收購(gòu)）、Acacia、Fujitsu、Inphi、Rockley Photonics 及 NeoPhotonics 等公司都是硅光芯片領(lǐng)域的有力競(jìng)爭(zhēng)者。

圖 13丨硅光收發(fā)器競(jìng)爭(zhēng)格局

硅光芯片除了在數(shù)據(jù)中心、通信、傳感和醫(yī)療領(lǐng)域的應(yīng)用，還有一個(gè)非常值得期待的應(yīng)用是光計(jì)算。AI 所掀起的計(jì)算需求不斷膨脹，帶動(dòng)了市場(chǎng)針對(duì)特定計(jì)算推出更適合的新架構(gòu)，比如上述的類腦芯片。而在能夠延續(xù)現(xiàn)有成熟半導(dǎo)體工藝技術(shù)上，光子芯片的優(yōu)勢(shì)又更為明顯。

需要明確的一點(diǎn)是——光子計(jì)算≠光量子計(jì)算。光子計(jì)算基于波動(dòng)光學(xué)進(jìn)行精準(zhǔn)調(diào)制；后者則是用光子編碼實(shí)現(xiàn)兩種狀態(tài)疊加的量子比特，無(wú)法用經(jīng)典波動(dòng)光學(xué)描述的量子光學(xué)。

全球范圍內(nèi)，光計(jì)算芯片處于非常早期的階段。從當(dāng)前時(shí)間節(jié)點(diǎn)來看，以美國(guó)和中國(guó)為代表的光子計(jì)算公司仍在進(jìn)行技術(shù)和產(chǎn)品上的探索，且商業(yè)化并不成熟。雖然離實(shí)際應(yīng)用還需要一定時(shí)間驗(yàn)證，但總體來說中國(guó)是非常有機(jī)會(huì)走在世界前列的。

在利用光進(jìn)行神經(jīng)網(wǎng)絡(luò)計(jì)算的領(lǐng)域中，有一些正在探索的公司，如 Lightmatter，F(xiàn)athom Computing，Lightelligence（曦智科技），LightOn，Luminous 和 Optalysis。將光計(jì)算應(yīng)用于脈沖神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)利用大腦神經(jīng)元處理信息的方式，也許可以解釋為什么人腦僅用十幾個(gè)神經(jīng)元就能出色地完成工作。

圖 14丨 Lightmatter發(fā)布用于傳統(tǒng)電腦主板的光子計(jì)算芯片 Envise

全球光子計(jì)算芯片的代表公司（僅為部分，并未窮盡）

Lightmatter：誕生于 MIT，成立于 2017年，已從 Google Ventures（Alphabet 的風(fēng)險(xiǎn)部門），Spark Capital 和 Matrix Partners 等投資者那里籌集了總計(jì) 3300 萬(wàn)美元的資金。Lightmatter 計(jì)劃在 2021 年底開始發(fā)售其首款基于光的 AI 芯片，稱為 Envise，以適合常規(guī)數(shù)據(jù)中心。Lightmatter 的 CEO Nick Harris 表示，要么發(fā)明新的計(jì)算芯片以繼續(xù)使用，要么 AI 速度就會(huì)變慢。

Lightelligence（曦智科技）：誕生于 MIT，成立于 2017年，2019 年 4 月正式發(fā)布了全球首款光子芯片原型板卡，2021 年全球首款商用光子芯片即將問世。用光子芯片運(yùn)行了 Google TensorFlow 自帶的卷積神經(jīng)網(wǎng)絡(luò)模型來處理 MNIST 數(shù)據(jù)集，整個(gè)模型超過 95% 的運(yùn)算是在光子芯片上完成。光子芯片處理的準(zhǔn)確率已經(jīng)接近電子芯片（97% 以上），另外光子芯片完成矩陣乘法所用的時(shí)間是最先進(jìn)的電子芯片的 1% 以內(nèi)。

整體來看，計(jì)算芯片的代際演進(jìn)，服務(wù)于 AI 算法和智能水平的提升。當(dāng)前，全球支柱性、智能化產(chǎn)業(yè)的信息處理環(huán)節(jié)進(jìn)入算力競(jìng)爭(zhēng)時(shí)代。更多類型的非馮 · 諾依曼架構(gòu)芯片將會(huì)涌現(xiàn)并逐漸產(chǎn)業(yè)化。絡(luò)繹知圖也將持續(xù)關(guān)注計(jì)算芯片產(chǎn)業(yè)及前沿技術(shù)變革，為芯片產(chǎn)業(yè)與技術(shù)研究、投融資顧問、政策對(duì)接等專業(yè)服務(wù)貢獻(xiàn)力量。
編輯：lyn