隨著傳統(tǒng)市場走向下坡路和摩爾定律的逐漸失效，半導(dǎo)體行業(yè)正在不斷革新，力求了解人工智能、自動駕駛汽車、物聯(lián)網(wǎng)等新市場的需求。

而其中最奇特的也許當(dāng)屬人工智能，因?yàn)樗挠嬎惴妒脚c傳統(tǒng)的“處理器-內(nèi)存”方法有著明顯差異。在近期于舊金山舉辦的國際電子器件大會上，法國研究員Damien Querlioz在談及“神經(jīng)形態(tài)計算的新型器件技術(shù)”時說道，“長期以來，模式識別和認(rèn)知任務(wù)都是計算機(jī)的弱點(diǎn)，比如識別和解讀圖像、理解口語、自動翻譯等?！?/p>

大約從2012年起，訓(xùn)練和推理階段的人工智能技術(shù)開始加速發(fā)展，但當(dāng)使用傳統(tǒng)計算架構(gòu)時，功耗仍是一個巨大挑戰(zhàn)。

Querlioz是法國國家實(shí)驗(yàn)室CNRS的一名研究員，他舉了一個活生生的例子：2016年Google的AlphaGo與圍棋世界冠軍李世石之間的著名圍棋大戰(zhàn)。李世石的大腦在比賽中消耗了大約20瓦，而AlphaGo估計需要超過250，000瓦才能使其CPU和GPU保持運(yùn)轉(zhuǎn)。

雖然從那以后Google和其他公司均在功耗方面做出了改進(jìn)，但越來越多的工作開始側(cè)重于為神經(jīng)形態(tài)計算技術(shù)設(shè)計耗電更少的新器件。

Ted Letavic是格芯的高級戰(zhàn)略營銷人員，他表示，回想人工智能的各個階段，從改進(jìn)傳統(tǒng)計算技術(shù)，到設(shè)計耗電更少的全新器件和架構(gòu)，在整個過程中，先進(jìn)高效的封裝將發(fā)揮關(guān)鍵作用。

Letavic稱，“人工智能時代正在逐步到來，我們可以利用現(xiàn)有的技術(shù)，再加上衍生技術(shù)，通過DTCO（設(shè)計技術(shù)協(xié)同優(yōu)化）進(jìn)行全面優(yōu)化，一直深入到位單元設(shè)計層面。”

格芯的技術(shù)人員正在努力降低14/12 nm FinFET平臺的功耗并提升其性能，所采用的辦法包括雙功函數(shù)SRAM、更快且功耗更低的累加運(yùn)算（MAC）元件、對SRAM的更高帶寬訪問等?；贔D-SOI的FDX處理器的功耗也將降低，尤其是在部署背柵偏置技術(shù)時。Letavic表示，設(shè)計師掌握了這些技術(shù)后，客戶便可以“重新設(shè)計功耗包絡(luò)更低的人工智能固有元件，甚至達(dá)到7 nm?！?/p>

除了這些DTCO改進(jìn)以外，全球各地也在開展其他研發(fā)工作，希望實(shí)現(xiàn)基于相變存儲器（PCM）、阻性RAM （ReRAM）、自選扭矩轉(zhuǎn)換磁性RAM （STT-MRAM）和FeFET的嵌入式內(nèi)存與內(nèi)存中計算解決方案。

Querlioz在IEDM專題會議上提到，在IBM Almaden研究中心，由Jeff Welser領(lǐng)導(dǎo)開發(fā)的基于PCM的芯片已取得顯著進(jìn)展，而基于STT-MRAM和ReRAM的人工智能處理器也前景光明。Querlioz表示，“現(xiàn)在，我們極有可能成功為認(rèn)知類型的任務(wù)和模式識別重新發(fā)明電子器件。”

Letavic稱，降低功耗的道路還很長，對于推理處理而言尤其如此，而這正促使眾多初創(chuàng)公司開發(fā)新的人工智能解決方案，格芯也與其中部分公司及長期合作伙伴AMD和IBM保持著密切合作關(guān)系。

Letavic認(rèn)為，憑借對馮諾依曼計算模式的DTCO改進(jìn)，我們只能發(fā)展到這一步。除了分類邏輯和內(nèi)存，下一步是發(fā)展內(nèi)存中計算和基于模擬的計算。此外，為計算行業(yè)服務(wù)了35年的指令集架構(gòu)（ISA）將需要被新的軟件堆棧和算法取代。他說道：“對于特定領(lǐng)域的計算，必須重新發(fā)明軟件。IBM對軟件堆棧有著深刻的見解?！?/p>

“各方都必須一同轉(zhuǎn)向人工智能。格芯將與主要客戶緊密合作，我們不能將算法與技術(shù)分開，”Letavic在談及該系統(tǒng)技術(shù)協(xié)同優(yōu)化（STCO）方面的緊密合作時說道，“隨著我們邁入計算發(fā)展的第四個時代，STCO將是DTCO的自然延伸。我們將朝著特定領(lǐng)域的計算發(fā)展，共同迎接這一轉(zhuǎn)變?！?/p>