人工智能作為一門學(xué)科，是由“人工智能之父”麥卡錫及一批數(shù)學(xué)家、信息學(xué)家、心理學(xué)家、神經(jīng)生理學(xué)家、計算機(jī)科學(xué)家，在1956年美國達(dá)特茅斯學(xué)院召開的會議上首次提出。

隨著互聯(lián)網(wǎng)的興起和發(fā)展，帶動了新一輪的科技創(chuàng)新，自動化生產(chǎn)、機(jī)器人技術(shù)、信息技術(shù)等得到長足發(fā)展，并逐漸影響著人們的衣食住行。 世界主要發(fā)達(dá)國家也已經(jīng)把發(fā)展人工智能上升到國家的戰(zhàn)略。

歐洲將人工智能確定為優(yōu)先發(fā)展項目，2014年發(fā)布了《2014-2020歐洲機(jī)器人技術(shù)戰(zhàn)略》和《地平線2020戰(zhàn)略——機(jī)器人多年發(fā)展戰(zhàn)略圖》，意在促進(jìn)機(jī)器人行業(yè)的供應(yīng)鏈建設(shè)，并拓展機(jī)器人技術(shù)在多領(lǐng)域的應(yīng)用。2016年6月，歐盟委員會提出人工智能立法動議，并制定了《對歐盟機(jī)器人民事法律規(guī)則委員會的建議草案》和《歐盟機(jī)器人民事法律規(guī)則》。2018年4月，歐盟委員會提交了《歐盟人工智能》，制定了歐盟AI行動計劃，并提出增強(qiáng)歐盟的技術(shù)與產(chǎn)業(yè)能力，推進(jìn)AI技術(shù)的應(yīng)用，確立合適的倫理和法律框架。2018年12月，歐盟委員會及其成員國發(fā)布主題為“人工智能歐洲造”的《人工智能協(xié)調(diào)計劃》。

加速度方程用于開發(fā)所謂的圖形流處理器，用于自動駕駛汽車和視頻監(jiān)控等邊緣計算場景。完全可編程芯片組承擔(dān)了CPU的許多功能，但在任務(wù)級并行和流執(zhí)行處理方面進(jìn)行了優(yōu)化，僅使用7瓦的電源。

體系結(jié)構(gòu)基于圖數(shù)據(jù)結(jié)構(gòu)，其中對象之間的關(guān)系表示為連接的節(jié)點(diǎn)和邊。每個機(jī)器學(xué)習(xí)框架都使用圖形概念，在整個芯片的設(shè)計中都保持著同樣的語義。可以執(zhí)行包括CMM但包含自定義節(jié)點(diǎn)的整個圖。我們可以在這些圖形中加速任何平行的東西。

其基于圖形的架構(gòu)解決了GPU和CPU的一些容量限制，并能更靈活地適應(yīng)不同類型的AI任務(wù)。它還允許開發(fā)人員將更多的處理轉(zhuǎn)移到邊緣，以便更好地推斷。如果企業(yè)能對80%的處理過程進(jìn)行預(yù)處理，就能節(jié)省大量時間和成本。

這些應(yīng)用可以讓智能更接近數(shù)據(jù)，實(shí)現(xiàn)快速決策。大多數(shù)的目標(biāo)是推斷，這是AI模型的現(xiàn)場部署，而不是更計算密集型的訓(xùn)練任務(wù)。

某企業(yè)正在開發(fā)一種使用內(nèi)存計算的芯片，以減少延遲和對外置存儲設(shè)備的需求。其人工智能平臺將提供靈活性和運(yùn)行多個神經(jīng)網(wǎng)絡(luò)的能力，同時保持較高的準(zhǔn)確性。

其數(shù)據(jù)處理單元系列為大規(guī)模并行處理器陣列，擁有可伸縮的80核處理器，能夠并行執(zhí)行數(shù)十個任務(wù)。關(guān)鍵創(chuàng)新是在每個處理元素內(nèi)部緊密集成一個張量協(xié)處理器，并支持元素之間的直接張量數(shù)據(jù)交換，以避免內(nèi)存帶寬瓶頸。這可以實(shí)現(xiàn)高效的AI應(yīng)用加速，因為預(yù)處理和后處理是在相同的處理元素上執(zhí)行的。

人工智能內(nèi)存中的計算芯片

十多年來，像黃漢森這樣的研究人員一直致力于建立阻變式存儲器技術(shù)，使其能夠可靠地處理高功率的計算任務(wù)。大約在2015年，計算機(jī)科學(xué)家開始認(rèn)識到這些節(jié)能設(shè)備在大型人工智能算法方面的巨大潛力，而這些算法正開始起飛。那一年，加州大學(xué)圣巴巴拉分校的科學(xué)家們表明，阻變式存儲器可以做的不僅僅是以一種新的方式存儲內(nèi)存，還可以自己執(zhí)行基本的計算任務(wù)，包括在神經(jīng)網(wǎng)絡(luò)的人工神經(jīng)元內(nèi)發(fā)生的絕大多數(shù)計算，這些計算是簡單的矩陣乘法任務(wù)。

黃的團(tuán)隊設(shè)計了一個新的芯片架構(gòu)，其中阻變式存儲器和硅神經(jīng)元被混合在一起。這一設(shè)計上的小變化減少了總面積并節(jié)省了能源。

瑞士聯(lián)邦理工學(xué)院蘇黎世分校的神經(jīng)形態(tài)學(xué)科學(xué)家Melika Payvand評價說："我認(rèn)為[這種安排]非常漂亮。""我絕對認(rèn)為這是一項開創(chuàng)性的工作。"

近年來，黃的團(tuán)隊與合作者合作，在NeuRRAM芯片上設(shè)計、制造、測試、校準(zhǔn)和運(yùn)行AI算法。他們確實(shí)考慮過使用其他新興的存儲器類型，這些存儲器也可以用于內(nèi)存計算芯片，但阻變式存儲器具有優(yōu)勢，因為它在模擬編程方面具有優(yōu)勢，而且它相對容易與傳統(tǒng)計算材料集成。

學(xué)界評論說：他們最近的成果代表了第一個可以運(yùn)行如此大型和復(fù)雜的人工智能算法的阻變式存儲器芯片，這一壯舉以前只在理論模擬中實(shí)現(xiàn)。""當(dāng)涉及到真正的硅時，這種能力沒有了。"這項工作是開創(chuàng)性的展示。""數(shù)字人工智能系統(tǒng)是靈活和精確的，但效率卻低了好幾個數(shù)量級。現(xiàn)在，他們的靈活、精確和節(jié)能的模擬阻變式存儲器芯片"首次彌補(bǔ)了這一差距"。