12月6-8日，為期三天的“2019世界創新者年會”在北京順利舉辦。本次大會由中國企業聯合會指導，由億歐·EqualOcean、工業和信息化科技成果轉化聯盟聯合主辦，大會以“科創4.0：共建全球化新未來”為主題，集結了來自美國、英國、印度、新加坡、印尼、尼日利亞、巴西、日本、以色列等十余個國家或地區的6000名創新者，總結2019年世界科技與 產業創新 的成果，預測2020年最新創新趨勢。

其中，“智能硬科技創新論壇”作為此次大會的一個行業垂直會場，邀請了 中星微人工智能 、豐年資本、線性資本、Supahands、MDT Innovations、星際榮耀、一覽群智、極智嘉、中科創星、三角獸科技、閃馬智能、安全派、燕緣雄芯、Energy Vault在內的十余名大咖嘉賓，就硬科技領域的前沿發展趨勢、投資機會等方面展開了精彩的分享與討論。

中星微 人工智能 董事長兼CEO 張韻東 發表了《物聯網時代AI芯片技術發展趨勢展望》主題演講，張韻東演講的核心觀點有：

1、物聯網的技術發展有三大趨勢：一是傳感智能化、二是網絡泛在化、三是處理多元化。

2、智能摩爾技術路線，是延伸摩爾定律和超越摩爾定律兩個緯度之外的第三個緯度。

3、未來XPU+DPS架構是“感存算一體”技術的重要方向。

以下是張韻東演講的核心內容（部分有刪減）

各位嘉賓大家下午好，我是張韻東，來自北京中星微。中星微是一家中國老牌的芯片設計企業，于2005年在納斯達克上市，成為中國第一家在海外上市的芯片設計企業。我今天給大家帶來的題目叫做《物聯網時代AI芯片技術發展趨勢展望》。

我分三個部分做這個報告。

首先是全球集成電路半導體產業的發展趨勢。1994年，國際半導體行業規模首次突破1000億美金，到2000年突破2000億美金，2010年將近3000億美金，2017年突破4000億美金，2018年達到4688億美金，今年預計到年底會暫時下降。總的趨勢來看，從2017年到現在，國際半導體的銷售額大幅度增長，增長速度很快，主要的動力來自于物聯網、人工智能、汽車電子等領域。

再看中國的半導體業，中國半導體的需求大幅度上升，但是半導體供應遠遠不能滿足需求。根據海關統計，去年中國半導體貿易逆差達到2200多億美金，這個數字差不多相當于中美貿易順差3200億的三分之二還要多一些。中國的芯片企業依舊沒有辦法滿足自己的需求，發展任重而道遠。

我今天的報告主要是針對物聯網時代人工智能芯片的發展。物聯網時代技術發展趨勢有三個方面的特征。第一，傳感智能化。從二維碼、RFID、GPS、紅外感應、激光掃描、MEMS傳感到音頻識別、圖像識別、視頻目標識別、視頻行為分析、多模式融合智能感知，傳感技術走向智能化。第二，網絡泛在化。從無線局域網到無線個域網，三個方面大幅度增長而發展，特別是由5G帶來的網絡傳輸，這個會給物聯網的發展帶來如虎添翼的幫助。第三，處理的多元化。實時性的處理需求以及“邊緣計算”的發展，使得物聯網的應用處理運算不再依賴于集中的“云計算”資源，而呈現出云、端并存的多元化的趨勢。

物聯網時代下AI芯片又面臨哪些難點與挑戰呢？ 我今天的報告偏重于邊緣計算，一大難點是如何用單芯片去兼容深度學習算法和傳統經典算法，如何兼顧大數據場景和小數據場景。我們現在面臨的人臉識別、車輛識別是大數據場景，大數據場景特點是樣本數多容易獲得，所以深度學習可以發揮它的作用。但是在很多場景由于數據樣本難以取得以及有新的樣本出現，深度學習其實是巧婦難為無米之炊，發揮不了作用。再一個難點是如何做到小尺寸低功耗以及如何在摩爾定律即將失效的后摩爾定律定律時代（或者叫摩爾定律的黃昏階段），能夠繼續保持信息技術的快速增長。

基于此，中星微在2019年總結提出了“智能摩爾技術路線”。 它的含義是什么？在半導體領域，有一個著名的摩爾定律，這是由英特爾創始人之一，戈登摩爾提出來的。這一定律基本上是經驗的總結，過去幾十年總結和預測非常準，使得技術商業都圍繞著摩爾定律在開展。

它的含義是：集成電路上可容納的晶體管數目，約每隔兩年便會增加一倍。放緩的原因是摩爾定律半導體最小器件尺寸已經接近原子的尺寸，原子等于0.3納米，最先進的半導體工藝制成已經到了5納米，再往下走要到3納米，量子效應出現了，經典物理的理論就會失效。

如何延續摩爾定律的生命周期？

之前業界有兩個流派，一是延伸摩爾定律。隨著三極管尺寸縮小，器件尺寸達到了量子尺度，基于CMOS開關的工藝技術路線逐漸走到了盡頭、技術路線的終止最終將影響到“技術-市場”的良性反饋機制，導致摩爾定律的終止；二是超越摩爾定律。它開辟了另一個維度上的創新，以混合器件為起點，發展在同一個基板或封裝中集成數字電路和模擬電路、射頻電路、高壓電路、傳感器的SoC（System On Chip）以及SIP（System In Package）技術，力圖在一定面積上堆疊更多的元器件系統性能。超越摩爾定律以異質堆疊方式增加了芯片的功能，提高系統整體性能并降低了能耗，但在功耗、散熱和厚度等方面仍受到限制。

基于此中星微也提出來自己的一些看法。 我們提出智能摩爾技術路線，實際上在延伸摩爾定律和超越摩爾定律兩個緯度之外提出了第三個緯度。

?

它的含義是，雖然在物理層面和信號層面都受到物理規律的制約，看似已接近極限，但在信息層面的技術創新還遠沒有達到極限。而下一次信息革命的關鍵在于：通過進一步借鑒人腦智慧機制來研究新型人工智能計算方法，達到進一步提升信息處理的“性能/功耗價格”比的目標。

接著來看一下目前的深度學習。這里將采用性能功耗比作為一個衡量的指標，我們可以得出一個結論，目前深度學習的芯片相對于過去的CPU來講已經提升了1000倍。采用創新計算架構的TPUv3與通用CPU對比，“性能/功耗”比提高約3個數量級。這要感謝深度學習在最近十幾年之內的大幅度發展，同時我認為也是仿生學的實力，利用人的神經網絡分層處理的機制，得到三個數量級的提升。

未來技術發展還有多少路要走呢？

智能摩爾技術路線為摩爾定律的“市場-技術”正反饋機制注入新的活力，可持續地推動摩爾定律的演進。我們提出了幾個技術節點，一個是神經網絡分層，另外一個是分區。人腦有246個分區，每一個分區處理不同的功能，那么我們也提出來一個新型架構叫XPU，意思就是多核異構智能處理器框架。它有分區，每一個區都處理不同的算法。

如果是用XPU的架構處理這種多模融合計算，在一個芯片里面，既能處理深度學習的算法，還可以處理基于小數據小樣本傳統智能經典算法，也可以處理沒有數據的邏輯概念、邏輯思維、邏輯推理。

國家重點實驗室又提出來了DPS。基于數字像素傳感器再結合DPS，能夠把目前毫秒級的信息采集處理速度提升到微秒級，同時還可以實現“感存算一體”，即感知、存儲、計算形成一體。感存算一體可以節省大量的功耗，節省大量的面積體積，可以使智能感知節點做得非常小。

現在深度學習雖然在很多領域取得大量的成功，但是它是用笨辦法，用神經網絡做了大量的計算，在消耗大量的功耗情況下得到計算結果。將來用新型的架構在低功耗下可以做到同樣的計算精度，所以未來XPU+DPS架構是“感存算一體”技術的重要方向。

我的報告就在這里，謝謝大家。

版權聲明

本文來源億歐，經億歐授權發布，版權歸原作者所有。轉載或內容合作請點擊 轉載說明 ，違規轉載法律必究。