用IP培育AI SoC，超越硅片

虽然AI 不是一项新技术，但直到 2015 年，新投资的急剧增加才使处理器技术和AI算法的进步成为可能。除了将其简单地视为一门学科之外，世界还开始关注这种经过科学证明可以超越人类能力的技术。推动新一代投资的是大型机中的AI向边缘嵌入式应用的演变，导致AI片上系统 (SoC) 中对内存、处理和连接的硬件要求发生明显转变。

在过去的十年中，AI已经出现，以实现更安全的自动化交通，设计满足个人用户需求的家庭助手，并创造更多的互动娱乐。为了提供这些有用的功能，应用程序越来越依赖于深度学习神经网络。计算密集型方法和包罗万象的芯片设计为深度学习和机器学习提供动力，以满足一切对智能的需求。片上硅技术必须能够提供高级数学函数，推动前所未有的实时应用，例如面部识别、物体和语音识别等。

如何定义AI

大多数AI应用程序遵循三个基本构建块：感知、决策和响应。使用这三个构建块，AI有能力识别其环境，使用来自环境的输入来通知自己并做出决定，然后可以采取行动。该技术可以分为两大类：“弱AI或窄AI”和“强AI或通用AI”。弱AI是解决特定任务的能力，而强AI包括机器在面临前所未有的任务时解决问题的能力。弱AI占据了当前市场的大部分，而强AI被认为是该行业希望在未来几年内采用的前瞻性目标。虽然这两个类别都将为 AI SoC 行业带来令人兴奋的创新，

机器视觉应用是推动半导体市场对AI进行新投资的催化剂。利用神经网络技术的机器视觉应用的一个优势是提高了准确性。卷积神经网络 (CNN) 等深度学习算法已成为 AI SoC 中的必需品。深度学习主要用于解决复杂问题，例如在聊天机器人中提供答案或在视频流应用程序中提供推荐功能。然而，AI具有更广泛的功能，现在正在被日常使用。

工艺技术、微处理器和AI算法的发展推动AI在边缘嵌入式应用程序中的部署。为了让AI对汽车、数据中心和物联网 (IoT) 等更广泛的市场用户更加友好，已经实施了各种特定任务，包括面部检测、自然语言理解等。但展望未来，边缘计算是将AI功能添加到传统应用处理器方面带来最大的挑战。

虽然大部分行业都在云中启用 AI 加速器，但另一个新兴类别是移动 AI。在过去的几年里，移动处理器的AI能力已经从个位数的 TOPS 增加到超过 20 TOPS。这些性能改进没有放缓的迹象，随着行业稳步接近边缘服务器和插入式加速卡中的数据收集点，优化仍然是边缘设备加速器的首要设计要求。由于某些边缘设备加速器拥有的计算能力和内存有限，算法被压缩以满足功率和性能要求，同时保持所需的精度水平。结果，设计人员别无选择，只能提高计算和内存的水平。

社会对 AI 的需求稳步增长，非传统半导体公司投资技术以巩固其在创新行列中的地位明显上升。许多公司目前正在开发自己的 ASIC，以支持其个人 AI 软件和业务需求。在 SoC 设计中实施 AI 并非没有很多挑战。

AI SoC 面临的困难

将 AI 集成到 SoC 中的首要困难是，支持深度学习架构的设计修改对专用和通用芯片中的 AI SoC 设计产生了广泛的影响。这就是IP发挥作用的地方；IP的选择和配置可以决定AI SoC的最终能力。例如，集成定制处理器可以加速 AI 应用程序所需的大量数学运算。

SoC 设计人员在平衡特定计算要求与深度学习功能的实现时，也面临着各种其他挑战：

数据连接：用于视觉和深度学习 AI 加速器的CMOS图像传感器是传感器之间所需的实时数据连接的关键示例。一旦经过压缩和训练，AI 模型将准备好通过各种接口 IP 解决方案执行任务。

安全性：随着安全漏洞在个人和企业虚拟环境中变得越来越普遍，AI在保护重要数据方面提出了独特的挑战。保护AI系统必须是确保用户安全和隐私以及商业投资的重中之重。

内存性能：高级 AI 模型需要高性能内存，支持针对不同内存约束的高效架构，包括带宽、容量和缓存一致性。

专业化处理：为了管理机器和深度学习任务的海量且不断变化的计算需求，设计人员正在实施专业化处理功能。随着神经网络能力的增加，SoC 必须能够管理异构和大规模并行计算。

绘制 AI 在 SoC 的未来路径

在过去十年中，各种硅技术的开发，能够以足够快的速度运行先进的深度学习数学，以探索和实现AI应用，如目标识别、语音和面部识别等。

为了对数万亿字节的数据进行分类并为未来的创新提供动力，设计人员正在开发能够满足先进且不断发展的计算需求的芯片。优质 IP 是成功的关键之一，因为它允许优化以创建更有效的 AI SoC 架构。

这个 SoC 设计过程本质上很艰巨，因为需要数十年的专业知识、高级仿真和原型设计解决方案来优化、测试和基准测试整体性能。通过必要的定制“培育”设计的能力将是确定 SoC 在市场上的生存能力的最终测试。

机器学习和深度学习正走在强劲的创新道路上。可以肯定的是，AI市场将受到对更快处理和计算、增加边缘智能以及自动化更多功能的需求的推动。新的处理、内存和连接架构等专用 IP 解决方案将成为提高人类生产力的下一代设计的催化剂。

*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。