神經(jīng)網(wǎng)絡(luò)計算芯片已經(jīng)引起了全球各個學(xué)院/企業(yè)的廣泛關(guān)注，“軟件定義芯片”相關(guān)研究，適應(yīng)AI算法不斷變化的重要研究方向。但是芯片的性能跟通用性常常是一個“魚和熊掌不可兼得”的選項，如何讓AI芯片兼?zhèn)湫阅芎屯ㄓ眯裕?/p>

在機(jī)器學(xué)習(xí)算法不斷變化、人工智能應(yīng)用不斷增多的當(dāng)下，神經(jīng)網(wǎng)絡(luò)計算芯片（AI芯片）的設(shè)計者們所思考的一個關(guān)鍵問題開始浮出水面——如何在保證AI芯片性能/功耗表現(xiàn)優(yōu)秀的同時，盡可能的在更多人工智能算法上通用。

目前市面上陸續(xù)涌現(xiàn)的AI芯片中，有不少都采用了重新設(shè)計芯片底層架構(gòu)的方式，來平衡AI芯片的性能與AI算法通用性之間“魚與熊掌不可兼得”的矛盾，突出玩家有寒武紀(jì)、谷歌TPU項目等等。

產(chǎn)業(yè)界如此熱火產(chǎn)天的發(fā)展，離不開學(xué)術(shù)界此前的長久積累。在過去的十幾年里，清華微電子所的可重構(gòu)計算團(tuán)隊一直在研究一項核心技術(shù)——“軟件定義芯片”，前年，他們推出了一款代號為Thinker 1的AI芯片，這款芯片不僅能夠支持人臉識別、語音識別的AI算法，而且芯片的功耗非常小——只需要7號AA電池就夠讓它運行一整年。

在2018年的春節(jié)前夕，記者專門來到清華大學(xué)校園里，與GTIC 2018重磅嘉賓之一，清華大學(xué)微電子研究所所長、中國半導(dǎo)體行業(yè)協(xié)會IC設(shè)計分會理事長、我國半導(dǎo)體行業(yè)“男神”級人物魏少軍教授圍繞著AI芯片的話題展開了獨家對話。魏少軍教授有著數(shù)十年半導(dǎo)體行業(yè)經(jīng)驗，對我國半導(dǎo)體產(chǎn)業(yè)有著深刻的認(rèn)識，看法往往一針見血。

他認(rèn)為，目前芯片架構(gòu)創(chuàng)新已經(jīng)引起了全球各個學(xué)院/企業(yè)的廣泛關(guān)注，尤其是“軟件定義芯片”相關(guān)研究，更是提升AI芯片的應(yīng)用范疇、適應(yīng)AI算法不斷變化的重要研究方向。在今明兩年之內(nèi)AI芯片將持續(xù)火熱，但是到了2020年前后則會行業(yè)洗牌，出現(xiàn)第一批出局者。

芯片的性能跟通用性常常是一個“魚和熊掌不可兼得”的選項，傳統(tǒng)架構(gòu)下，一個芯片在某些特定領(lǐng)域的性能越強(qiáng)、功耗越低，它往往就越不靈活、越不通用。舉個例子，華為Mate 10里的麒麟970芯片用于手機(jī)的性能非常強(qiáng)大，但是它并不適用于安防攝像頭、可穿戴手環(huán)等場景；同理，一個CPU能夠靈活地處理眾多不同任務(wù)，但是它在某些特定任務(wù)上往往性能不夠強(qiáng)大，比如在深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練上的性能不如GPU。

而ASIC這類專用芯片的位置，則介乎于手機(jī)SoC這類標(biāo)準(zhǔn)芯片、與CPU這類通用芯片之間——這是一個非常尷尬的地位，標(biāo)準(zhǔn)芯片雖然單個開發(fā)成本高，但是單一品類出貨量非常大，很大程度上降低了芯片的單個價格；而通用芯片則相反，雖然總體出貨量不高，但是單一品類的價格很高，也能夠分?jǐn)傃邪l(fā)成本。

隨著芯片制造工藝的日益先進(jìn)（目前已經(jīng)逼近7nm），芯片制造成本也水漲船高，如今設(shè)計制造一顆10nm芯片的成本要幾千萬美元，綜合成本高達(dá)上億美元。

因此，如果不能保證某款單一應(yīng)用場景下能夠大量出貨，專用芯片需要保持一定的通用性與靈活度。

最近兩年間，產(chǎn)業(yè)界開始陸續(xù)涌現(xiàn)出神經(jīng)網(wǎng)絡(luò)計算專用芯片（AI芯片），寒武紀(jì)、深鑒科技、中星微電子等玩家的AI芯片產(chǎn)品采用的都是28nm的芯片工藝，前期從投入到流片的成本超過400萬美元，單一品類出貨量沒有百萬的級別將很難收回成本。

而除了成本之外，AI算法的演進(jìn)也需要納入考慮。由于目前人工智能算法還在不斷變化、不斷演進(jìn)的過程中，人工智能經(jīng)歷了六十多年的發(fā)展才迎來了深度學(xué)習(xí)的大規(guī)模爆發(fā)，然而現(xiàn)在深度學(xué)習(xí)算法還有眾多有待優(yōu)化的方面，比如稀疏化、低功耗、小數(shù)據(jù)訓(xùn)練等，算法尚未定型。

此外，目前語音/文字/圖像/視頻等不同應(yīng)用無法使用統(tǒng)一算法，然而許多實際生活中的AI應(yīng)用程序（識別圖像中的對象或理解人類語言）需要不同類型的具有不同層數(shù)的神經(jīng)網(wǎng)絡(luò)的組合。

因此，在確保AI應(yīng)用性能的前提下，AI芯片需要盡可能地保持芯片通用性。

目前AI芯片企業(yè)們采用的技術(shù)方案各不相同，如果將芯片通用性作為評測坐標(biāo)軸，最左邊、最激進(jìn)的企業(yè)會采用算法固化方案，這一做法成本低、芯片落地時間短、單一算法的性能與功耗比能夠做到極致，但是極大減少了芯片的通用型和靈活性；最右邊的團(tuán)隊（比如寒武紀(jì)、谷歌TPU等）則會設(shè)計一款全新的芯片架構(gòu)，這一做法成本高昂、芯片研發(fā)周期長，但是能夠在性能與芯片通用性上達(dá)到極好的平衡。

▲清華微電子所所長魏少軍教授

清華微電子所的可重構(gòu)計算團(tuán)隊就屬于坐標(biāo)軸右邊的一類，從2006年開始，清華微電子所所長魏少軍教授就帶領(lǐng)著團(tuán)隊在持續(xù)深入研究這項重要技術(shù)——“軟件定義芯片”，又稱“可重構(gòu)計算技術(shù)”。

“軟件定義芯片”顧名思義就是讓芯片根據(jù)軟件進(jìn)行適應(yīng)與調(diào)整，這是一項專用芯片架構(gòu)設(shè)計上的創(chuàng)新，與傳統(tǒng)的馮諾依曼架構(gòu)有著很大的區(qū)別。簡單來說就是將軟件通過不同的管道輸送到硬件中來執(zhí)行功能，使得芯片能夠?qū)崟r地根據(jù)軟件/產(chǎn)品的需求改變功能，實現(xiàn)更加靈活的芯片設(shè)計。

也就是說，沿用這種架構(gòu)設(shè)計出來的專用芯片，可以讓芯片的計算能力按照軟件的需求來調(diào)整適應(yīng)，而不是沿用傳統(tǒng)芯片設(shè)計的剛性架構(gòu)，讓應(yīng)用適應(yīng)架構(gòu)。對于現(xiàn)在尚未定型/統(tǒng)一的各類AI算法而言，可重構(gòu)計算成了AI芯片設(shè)計的一個重要研究方向。