当前位置:首页 > 智能硬件 > 智能硬件
[导读]最近才退休的前英特尔资深微技术影专家Yan Borodovsky则期望能从摩尔定律传承火炬至AI,使其成为指引半导体产业未来道路的一盏明灯。

“摩尔定律已死,人工智能万岁!”(Moore’s Law is dead, long live AI.)。这是半导体产业最近的一个新口号,就从日前于美国西部半导体展(Semicon West 2018)中一场由应用材料(Applied Materials)赞助的全天活动上响起。

应材新市场与联盟事业群资深副总裁Steve Ghanayem表示,“半导体工艺节点的时代列车即将迈入尾声。接下来,从材料到组件——硬件、软件与系统——都必须以全新途径展开更多的合作。”Steve Ghanayem原来负责应材的晶体管和互连部门,目前则致力于寻找收购和结盟的机会,协助该公司朝向摩尔定律(Moore’s Law)以外的方向进展。

当然,摩尔定律还没有完全消失;对于几家公司来说,朝向更小型芯片的竞赛也仍持续进行中。

在Semicon West的专题演讲中,应材首席执行官Gary Dickerson表示,该公司不久将发布新的晶体管材料,它能将漏电流降低三个数量级以上。对于芯片制造商而言,这项消息几乎就像2007年英特尔(Intel)在高k金属闸方面取得进展一样重要。但是,今天这样的进展只会影响到规模越来越小的设计社群和公司。

根据人工智能(AI)内存处理器(PIM)芯片设计公司Syntiant首席执行官Kurt Busch估计,7纳米(nm)芯片投片大约要花1亿美元,而从投片到第一款芯片产出大概要拖延到4个月的时间。“只有很少的公司能负担得起这样庞大的金额。而像我们这样的一家新创公司,可没办法负担1亿美元的天文数字。”

不久前才离开高通(Qualcomm)的服务器处理器架构师Dileep Bhandarkar说:“我越来越不那么热衷于最新的工艺节点了。它们对于像高通这样的公司十分有利,但并不适用于其他所有人。”

伯克利大学荣誉教授David Patterson表示,“我认为这大概就是摩尔定律终结的情况了。”他指出,台积电(TSMC)的晶体管成本持平,英特尔也在致力于生产10nm芯片,“而有95%的架构师认为未来都脱离不了专用处理器。”Patterson曾经参与Google TPU的设计。

最近才退休的前英特尔资深微技术影专家Yan Borodovsky则期望能从摩尔定律传承火炬至AI,使其成为指引半导体产业未来道路的一盏明灯。

他说:“我认为超越当今冯·诺伊曼(von Neuman)的架构将因‘超越摩尔定律’(more than Moore)而受益。例如,忆阻器交叉开关可望成为神经形态运算的基本组成部份……超越摩尔定律的世界很可能是关于你可以在特定区域放置多少种类的突触以及他们有多么复杂…。”

 

 

应材准备发布可大幅降低漏电的晶体管材料(来源:Applied Materials)

为嵌入式系统打造超级计算机

致力于宣传所谓“新认知时代”(a new cognitive era)的IBM认知解决方案暨研究资深副总John Kelly III表示,支持包括AI的2兆美元业务决策,就建立在1.5兆美元的IT业务之上。

Kelly说:“我经历过摩尔定律的早期阶段,但现在发生的一些事情将真正改变这个世界,这些都与人工智能有关……这将带来50年或更久的技术创新,并将推动我们的半导体产业继续向前发展。”

IBM最近为美国政府研究人员打造了13mW Summit系统,这是第一台专用于处理AI任务的超级计算机,其中并搭载部份的辉达(Nvidia) GPU。Kelly说:“你不会再看到其他的传统超级计算机了——因为它们将在未来的运算中融入AI……。”

事实上,机器学习的一大挑战在于推动推论工作,以及最终在网络边缘为功耗受限的处理器进行训练任务。对于像百度(Baidu)、Facebook和Google等巨擘而言,采用当今的GPU可能要花数周的时间才能完成训练模型任务,这可说是个梦魇。

Syntiant的Busch说:“我们将在五年内看到边缘开始执行一些训练。一开始先在数据中心处理神经网络的前几层,而最后几层则在边缘处理——这是不可避免的。”

AI将成为许多产业领域的性能驱动力。针对以30格/秒(f/s)速率进行高解析(HD)视讯串流进行AI处理,大约需要每秒9.4TFLOS的运算效能。Nvidia首席科学家Bill Dally在主题演讲中表示,自动驾驶车将会需要许多像这样的高性能摄影机。

 

 

IBM的Kelly宣传认知运算时代来临(来源:EE Times)

从材料到算法全面思考AI

随着AI设下了更积极的新性能目标,业界也提出了实现这些愿景的新技术方向,包括在新材料、工艺、电路、架构、封装和算法方面的研究。简言之,必须为AI重新思考每一件事。

加州大学洛杉矶分校(UCLA)电子工程学系教授Jason Woo说:“我们一直在考虑将MRAM或ReRAM作为闪存(flash)的替代方案……但是,AI为采用新兴内存与不同材料的交叉架构开辟了新的亮点,可用于实现更多的线性模拟微缩,就像可编程的忆阻器一样。”

Woo及其研究团队一直在探索整合逻辑功能的三端比内存数组。这是Syntiant和Mythic等新创公司以及IBM研究人员希望用于AI加速器(基于内存内运算)的新型编程组件。

由于AI工作负载的平行本质,也为封装技术带来了绝佳机会。为数据中心进行训练提供全光罩芯片设计的新创公司Cerebras Systems首席技术官Gary Lauterback说,我们不应该局限于单芯片设计,封装方面也有很大的潜力,可以克服在Denard微缩中遇到的瓶颈。

许多最新的数据中心芯片都采用了2.5D堆栈的逻辑和内存。同时,台积电正推出用于智能型手机和其他装置的众多晶圆级扇出封装版本,工程师还需要一个能因应AI需求的译码器。

Bhandarkar说:“从成本和性能来看,我还找不到任何理想的多芯片技术。至今见过最好的要算是英特尔的EMIB,但它也并非所有人都可以使用。”

Dally透过缩减神经网络的大小及其矩阵数学的精度,快速地简化了算法与任务。他说,采用混合精度数学,超级计算机老将Jack Dongarra因而能在Summit系统上带来exaFLOPS级的AI性能。

Nvidia的研究人员以低至2位展现浮点运算的愿景,而Imec研究机构则进一步探索单一位的途径。

Dally补充说,神经网络本身可以从根本上简化,以减少运算量。他说,即使只使用了10%的神经网络权重和30%的启动效能,其准确度也不至于降低到让人无法接受。SqueezeNet就是针对嵌入式AI的案例之一。

 

 

Nvidia的Dally说神经网络需要减少一些权重(来源:EE Times)

量子计算机作为备用方案?

可怕的是必须走出已经熟悉的道路,但这也可能是一件好事。Dally说:“成为一名计算机架构师是一个非常激动人心的时刻。如今,就让摩尔定律其自然地发展吧!我们必须真的变得更加智慧。”

IBM的Kelly指出,如果这一切不幸都失败了,那么就得发挥量子运算的潜力了。IBM的实验室已开发出一套50个量子位(qubit)的系统了。

他说:“在50到100个量子位之间,系统将在几秒钟内完成运算,这是当今计算机永远达不到的……除了AI之外,这是我一生中见过的最重要的事情了——它改变了游戏规则。”

其他人则警告道,针对如何建构和使用量子系统,目前还有许多的基础研究正在进行中。

美国桑迪亚国家实验室(Sandia National Laboratories)首席技术研究员Conrad James说:“我们知道如何打造深度学习系统,但并不了解它们如何运作……而且我们现在仍然处于尝试不同技术的起步阶段。量子研究则恰好相反。我们了解数学和物理,但并不知道如何打造量子系统。”

随着摩尔定律逐渐式微,量子运算的未来还有很长的路要走。在指引未来发展方向的道路上,半导体产业几乎没有太多的选择。AI万岁!

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

加利福尼亚州桑尼维尔,2024年3月29日–新思科技(Synopsys, Inc.,纳斯达克股票代码:SNPS)近日宣布完成对Intrinsic ID的收购,后者是用于系统级芯片(SoC)设计中物理不可克隆功能(PUF)...

关键字: 硅片 半导体 SoC

3月29日消息,根据国外媒体报道,2024年2月,韩国半导体产业迎来了显著的增长,其产量增幅达到了14年来的最高水平,同比增长65.3%。

关键字: AI ChatGPT 人工智能

3月29日消息,市场研究机构Counterpoint Research发布的报告显示,预计今年高端手机(600-799美元)出货量将同比增长17%,而这主要是靠苹果和华为的拉动。

关键字: 华为 12nm EDA 半导体

在与Semicon China同期举办的2024慕尼黑上海光博会上,晶诺微(上海)科技有限公司(以下简称晶诺微)首度现身行业展会,将公司自主研发的光学量测设备和半导体量检测设备展示给专业参会者,且在现场展开深入地互动交流...

关键字: 半导体

随着信息技术的飞速发展,芯片作为现代电子设备的核心部件,其制作工艺流程的精密与复杂程度日益提高。芯片的制作,不仅仅是一系列技术操作的集合,更是一场探索微观世界的工艺之旅。本文将带领读者走进芯片制作的世界,揭示其大致工艺流...

关键字: 芯片 半导体

随着科技日新月异的进步,语音识别技术已成为人工智能领域的一项核心突破。这项技术旨在模拟人类听觉系统,通过复杂算法和模式识别手段将连续或离散的语音信号转换为可理解的文本或指令信息。本文深入探讨了语音识别技术在多个领域的广泛...

关键字: 语音识别 人工智能

随着人工智能和信息技术的飞速发展,语音识别技术已经从实验室走向了现实生活中的各个角落,成为人机交互领域的重要组成部分。语音识别产品不仅丰富了我们的日常生活,也正在深刻地改变着众多行业的工作模式和服务形态。

关键字: 语音识别 人工智能

在当今大数据和人工智能时代,机器学习作为核心的技术驱动力,正以前所未有的速度改变着我们的生活和工作方式。从基础的数据分析到复杂的决策支持系统,机器学习模型的成功构建和应用离不开一套严谨的流程。本文将详尽阐述机器学习过程中...

关键字: 机器学习 人工智能

机器学习作为人工智能领域的核心技术,其应用日益广泛,从搜索引擎优化到医疗诊断,从金融风控到自动驾驶等众多领域均发挥着重要作用。深入理解并掌握机器学习的关键步骤是成功构建高效模型和解决方案的基础。本文将详细阐述机器学习的主...

关键字: 机器学习 人工智能

满足快速发展的半导体行业对高性能、效率和可持续性的综合需求。

关键字: 半导体
关闭
关闭