人工智能（AI）可說是2016年運(yùn)算領(lǐng)域最熱門的話題，廠商競(jìng)相開發(fā)專用芯片的戰(zhàn)爭(zhēng)已經(jīng)開打…

接續(xù)前文：《人工智能芯片戰(zhàn)開打 邊緣計(jì)算還面臨哪些障礙？》

CEA的雄心是開發(fā)神經(jīng)形態(tài)（neuromorphic）電路；該研究機(jī)構(gòu)認(rèn)為，這類芯片在深度學(xué)習(xí)應(yīng)用中，是從接近傳感器的數(shù)據(jù)（data）提取信息（informaTIon）的有效補(bǔ)充。

在實(shí)現(xiàn)以上目標(biāo)之前，CEA考慮了數(shù)個(gè)權(quán)宜之計(jì)；例如D2N2這樣的開發(fā)工具，對(duì)于芯片設(shè)計(jì)業(yè)者開發(fā)高水平每瓦TOPS （tera operaTIons per second per Watt）性能的客制化DNN解決方案非常重要。

對(duì)于那些想在邊緣運(yùn)算利用DNN的人來說，也有實(shí)際的硬件可以進(jìn)行試驗(yàn)──也就是CEA提供的超低功耗可程序加速器P-Neuro；目前的P-Neuro神經(jīng)網(wǎng)絡(luò)處理單元是以FPGA為基礎(chǔ)，不過Duranton表示，CEA正要把該FPGA轉(zhuǎn)為ASIC。

Duranton在CEA的實(shí)驗(yàn)室利用了以FPGA為基礎(chǔ)的P-Neuro展示了搭建了用于臉部是別的卷積神經(jīng)網(wǎng)絡(luò)（CNN），并將P-Neuro與嵌入式CPU （在Raspberry Pi上的四核心ARM處理器，以及采用Samsung Exynos處理器的Android平臺(tái)）進(jìn)行比較，都執(zhí)行相同的嵌入式CNN應(yīng)用，任務(wù)是在內(nèi)含1萬8，000張影像的數(shù)據(jù)庫進(jìn)行“人臉特征提取”。

P-Neuro與嵌入式CPU/GPU執(zhí)行相同人臉識(shí)別任務(wù)的性能比較

如上表之比較結(jié)果，P-Neuro的速度是每秒6，942張圖片，能效則是每瓦2，776張圖片；與嵌入式GPU相較（Tegra K1），運(yùn)作頻率為1000MHz的P-Neuro速度更快、能效更高。P-Neuro是以叢集式SIMD架構(gòu)打造，該架構(gòu)支持優(yōu)化內(nèi)存分層和內(nèi)部鏈接。

P-Neuro功能區(qū)塊

不過對(duì)于CEA研究人員來說，P-Neuro只是一個(gè)短期方案；目前的P-Neuro是以全CMOS組件打造、采用二進(jìn)制編碼；該團(tuán)隊(duì)也正在打造采用棘波編碼（spike coding）的全CMOS組件。為充分利用先進(jìn)制程優(yōu)勢(shì)，并且在密度和功率上有所突破，該團(tuán)隊(duì)設(shè)定了更高的目標(biāo)。

如CEA-LeTI的納米電子技術(shù)營銷暨策略總監(jiān)Carlo Reita在接受采訪時(shí)表示，利用先進(jìn)芯片與內(nèi)存技術(shù)來進(jìn)行專用零組件的實(shí)體設(shè)計(jì)非常重要；其中一個(gè)方案是采用CEA-LeTI的CoolCube常規(guī)monolithic 3D整合技術(shù)，另一種方案是采用電阻式內(nèi)存（Resistive RAM）做為突觸（synaptic）組件。此外，如FD-SOI與納米線等先進(jìn)技術(shù)也將發(fā)揮作用。

在此同時(shí)，歐盟在「EU Horizon 2020」計(jì)劃之下，試圖打造神經(jīng)形態(tài)架構(gòu)芯片，能支持最先進(jìn)的機(jī)器學(xué)習(xí)，以及基于棘波的學(xué)習(xí)機(jī)制；該研究項(xiàng)目名為NeuRAM3，目標(biāo)是以超低功耗、可擴(kuò)展與高度可配置的神經(jīng)架構(gòu)，打造在特定應(yīng)用上功耗較傳統(tǒng)數(shù)字方案低50倍的組件。

神經(jīng)形態(tài)處理器架構(gòu)

神經(jīng)形態(tài)處理器基本規(guī)格

Reita表示，CEA也參與了NeuRAM3項(xiàng)目，該機(jī)構(gòu)的研究目標(biāo)與該項(xiàng)目的使命緊密相關(guān)，包括開發(fā)采用FD-SOI制程的單體（monolithically）整合式3D技術(shù)，以及整合電阻式內(nèi)存突觸組件的應(yīng)用；她并指出，NeuRAM3項(xiàng)目開發(fā)的新一代混合訊號(hào)多核心神經(jīng)形態(tài)組件，與IBM的TrueNorth腦啟發(fā)（brain-inspired）操作數(shù)件相較，能顯著降低功耗。

NeuRAM3神經(jīng)形態(tài)組件與IBM TrueNorth的比較

NeuRAM3項(xiàng)目的參與者包括IMEC、IBM Zurich研究中心、意法半導(dǎo)體（ST Microelectronics），意大利研究機(jī)構(gòu) CNR （The National Research Council in Italy）、西班牙研究機(jī)構(gòu)IMSE （El Instituto de Microelectronica de Sevilla in Spain）、瑞士蘇黎世大學(xué)（The University of Zurich）和德國的雅各布大學(xué)（Jacobs University）。

責(zé)編：Judith Cheng

（參考原文：Race for AI Chips Begins，by Junko Yoshida）