清华大学发布《人工智能芯片技术白皮书（2018）》

12月10日~11日，由北京未来芯片技术高精尖创新中心和清华大学微电子学研究所联合主办的“第三届未来芯片论坛：可重构计算的黄金时代”在清华大学主楼举办，并正式发布了《人工智能芯片技术白皮书（2018）》（以下简称《白皮书》）。

《白皮书》由北京未来芯片技术高精尖创新中心联合斯坦福大学、加州大学、圣母大学、清华大学等在内的领域顶尖研究者和产业界资深专家，包括10余位IEEE Fellow，历时一年编写完成。

《白皮书》针对AI的技术内涵、技术脉络、技术标准、技术发展趋势等方面进行了深入的研究，其具有全面性、权威性、前瞻性，是当代AI领域发展潮流下诞生的重要著作。

当今AI人工智能发展呈现隐隐上升的趋势，就像每一个时代大繁荣之前的预兆。从打磨制造工具，到今天的自动化机器加工；从最初的结绳记事、到今天的文字、图片和视频；从什么都要考人去思考、到今天AI也能产生解决方案。人们的思维和技术越来越成熟，制造出来的工具越来越锋利，生产出来的物品也越来越美观实用。

AI智能带来的好处显而易见，它使世界诸多事物变得机械化、全自动化，省去了诸多麻烦，比如说，从工业制造方面，原本需要人们手工去操控的机器，不仅危险，而且效率比起人工智能也差很多，再比较成本，也是一次投入，长久使用。另外，其不知疲惫、精密操作等特点，也同样是AI智能掀起潮流的理由。

AI能够影响的领域非常之广，从我们最常见的领域来看，有医疗、金融、安防、教育、交通、物流等等，AI带动了这些行业一系列的改革，从产品的生产流程、操作方式、到出售使用，产品利用等，都有了很大的改变，甚至完全颠覆了传统的行业思维。《白皮书》的编写完成，正是对这些行业的AI人工智能化改革做出了技术、规范、发展趋势的指导性意见。

诸多人工智能的厂家和研究者们所学的东西繁杂，没有一本权威性的、指导性的书籍诞生，这无异于埋头骨干，虽然他们也同样地具有创新思维和专业的知识，但“将军”上战场，也需要讲究用兵之道，也有《三十六计》、《孙子兵法》等作为指导性战略书籍，何况是人工智能这种需要思维意识和学术理论作为底蕴的高科技产业。《白皮书》正是高科技人工智能发展趋势下，里程碑式的经典学术著作。

《白皮书》内容简述：

《白皮书》第一章开宗明义，提出了AI芯片技术的重要地位以及对于我国未来芯片及人工智能领域发展的意义。

《白皮书》第二章综述了AI芯片的技术背景，从多个维度提出了满足不同场景条件下理想的AI 芯片和硬件平台的关键特征。这些特征包括：具有大数据处理能力，使用富内存处理单元或具备计算能力的新型存储器，克服冯·诺依曼架构“内存墙”瓶颈；具有动态调整计算精度能力，使用尽可能低的精度达到预期效果，节省大量内存并降低能量消耗；具有强大的软件工具链，能够构建集成化的流程，将不同的机器学习任务和神经网络转换为可以在 AI 芯片上高效执行的指令代码等。

《白皮书》第三章介绍近几年的AI 芯片在云侧、边缘和终端设备等不同场景中的发展状况，总结了云侧和边缘设备需要解决的不同问题，以及云侧和边缘设备如何协作支撑AI 应用。具体来说，云侧AI处理主要强调精度、处理能力、内存容量和带宽，同时追求低延时和低功耗；边缘设备AI 处理则主要关注功耗、响应时间、体积、成本和隐私安全等问题。

目前最普遍的方式是在云端训练神经网络，然后在云端（由边缘设备采集数据）或者边缘设备进行推断。未来云端和边缘设备以及连接他们的网络可能会构成一个巨大的 AI 处理网络，它们之间的协作训练和推断是有待探索的方向。

《白皮书》第四章分析在CMOS 工艺特征尺寸逐渐逼近极限的大背景下，结合AI 芯片面临的架构挑战，AI 芯片的技术趋势。一方面，研究具有生物系统优点而规避速度慢等缺点的新材料和新器件，采用新的计算架构和计算范式，另一方面，将芯片集成从二维平面向三维空间拓展，采用更为先进的集成手段和集成工艺，将是AI芯片技术在很长一段时期内的两条重要的路径。

《白皮书》第五章讨论了建立在当前CMOS 技术集成上的云端和边缘AI 芯片架构创新。未来云端和边缘AI 芯片将会分别围绕海量数据处理能力、计算任务灵活部署以及低功耗、高效率等来进行架构创新。以软件定义的芯片为例，利用软硬件协同的设计思路，允许硬件架构和功能随软件变化而变化，同时具备处理器的灵活性和专用集成电路的高性能和低功耗，是AI芯片在CMOS技术路径上实现的范例。

《白皮书》第六章主要介绍对AI 芯片至关重要的存储技术，包括传统存储技术的改进和基于新兴非易失存储（NVM）的存储器解决方案。DRAM 和 NAND 闪存由于高密度的单元结构特点，通常被用作较大容量的片外存储器，而3D 集成已经被证明是增加商业存储器的带宽和容量的有效策略。

基于新兴 NVM 的片上存储器（如相变存储器（PCM），阻变存储器（ReRAM））可以提供比传统 NVM 更好的存取速度和低功耗，能在非常有限的功率下工作，对于物联网边缘设备上的 AI 芯片特别具有吸引力。

《白皮书》第七章重点讨论AI芯片在工艺、器件、电路和存储器方面的前沿研究工作，和以此为基础的存内计算、生物神经网络等新技术趋势。白皮书指出，基于新兴非易失性存储器件的人工神经网络计算，由于可以利用非常低的功耗实现信号的并行处理，提供很高的数据吞吐率，有望成为模拟存内计算（Analog In-memory Computing）的基础技术。以清华大学研究人员的工作为例，展示了阻变存储器阵列能够成功实现灰度人脸分类，而能量消耗与Intel 至强处理器相比要低1000倍。

《白皮书》第八章介绍神经形态计算技术和芯片的算法、模型以及关键技术特征，并分析该技术面临的机遇和挑战。神经形态芯片具有低功耗、低延迟、高速处理、等特点，基于传统 CMOS 技术和基于新型纳米器件的神经形态计算芯片在图像识别等人工智能任务方面都取得了不俗的成绩，但也还面临着算法单一、模型不完善、芯片性能有待提升等问题。随着对人脑运行机理挖掘得更加充分，相信神经形态芯片将取得新的突破。

《白皮书》第九章探讨了AI芯片的基准测试和发展路线图。客观评估和比较不同的AI芯片（即基准测试，BenchmARk），及可靠预测 AI 芯片的发展路线对于技术创新和产业发展有重要的指导意义。与 CMOS 技术的基准测试和发展蓝图制定中，技术选项和通用性有达成一致的明确定义不同，AI芯片多样的应用、算法、体系结构、电路和器件对确定基准和路线图的共同基础提出了巨大的挑战。对于AI 芯片的测试基准和路线图建立，必须超越器件和电路层次，综合考虑多种因素的整体作用，需要算法研究人员、架构师、电路设计人员和器件专家共同努力。

《白皮书》最后一章对AI芯片的未来发展进行了展望。由于人工智能技术整体发展还处于初级阶段，AI芯片行业的发展也随之面临极大的不确定性。而这种不确定性恰恰为各种AI芯片技术创新提供了一个巨大的舞台，我们可以期待在这个舞台上看到前所未有的精彩表演。

纵观人类文明的发展史，即便从前的全部时间加起来，也没有近百年来的科技产物被发明、制造出来的多。而21世纪短短18年的时间，则又比上个世纪的做成的成绩更令人惊叹！这不得不让人感慨：每一个时代的周期会越来越短！

要想不被超越，就得不停努力。最后，我们再次感谢编写《白皮书》的诸位科学家和学者、机构以及所有参与的工作人员。有了这样一本著作的问世，我们仿佛看到人工智能全面普及，人们生活变得更加方便的一天就要到来了。