根據(jù)聯(lián)合市場(chǎng)研究公司的數(shù)據(jù)，到 263 年，全球人工智能 （AI） 芯片市場(chǎng)預(yù)計(jì)將達(dá)到 6 億美元。AI芯片市場(chǎng)非常龐大，可以以各種不同的方式進(jìn)行細(xì)分，包括芯片類型，加工類型，技術(shù)，應(yīng)用，垂直行業(yè)等。然而，使用AI芯片的兩個(gè)主要領(lǐng)域是邊緣（例如為手機(jī)和智能手表供電的芯片）和數(shù)據(jù)中心（用于深度學(xué)習(xí)推理和訓(xùn)練）。

然而，無論應(yīng)用如何，所有 AI 芯片都可以定義為集成電路 （IC），這些集成電路專為運(yùn)行機(jī)器學(xué)習(xí)工作負(fù)載而設(shè)計(jì)，可能包括 FPGA、GPU 或定制的 ASIC AI 加速器。它們的工作方式非常類似于我們?nèi)祟惔竽X在我們復(fù)雜而快速發(fā)展的世界中運(yùn)作和處理決策和任務(wù)的方式。傳統(tǒng)芯片和AI芯片的真正區(qū)別在于它可以處理多少和什么類型的數(shù)據(jù)，以及它可以同時(shí)進(jìn)行多少計(jì)算。與此同時(shí)，新的軟件AI算法突破正在推動(dòng)新的AI芯片架構(gòu)，以實(shí)現(xiàn)高效的深度學(xué)習(xí)計(jì)算。

請(qǐng)繼續(xù)閱讀，詳細(xì)了解 AI 的獨(dú)特需求、AI 芯片架構(gòu)的諸多優(yōu)勢(shì)，以及 AI 芯片架構(gòu)的應(yīng)用和未來。

AI芯片的獨(dú)特要求

人工智能工作負(fù)載如此繁重和苛刻，以至于該行業(yè)無法在 2010 年代之前高效且經(jīng)濟(jì)高效地設(shè)計(jì)人工智能芯片，因?yàn)樗枰?jì)算能力——比傳統(tǒng)工作負(fù)載高出幾個(gè)數(shù)量級(jí)。AI 需要乘法累加函數(shù)（如點(diǎn)積函數(shù)）的大規(guī)模并行性。傳統(tǒng)的GPU能夠以類似的方式對(duì)圖形進(jìn)行并行處理，因此它們被重新用于AI應(yīng)用程序。

我們?cè)谶^去十年中看到的優(yōu)化是劇烈的。人工智能需要具有正確處理器、存儲(chǔ)器陣列、強(qiáng)大的安全性和傳感器之間可靠的實(shí)時(shí)數(shù)據(jù)連接的芯片架構(gòu)。最終，最好的AI芯片架構(gòu)是將最多的計(jì)算元素和內(nèi)存壓縮到單個(gè)芯片中的架構(gòu)。今天，我們也正在進(jìn)入人工智能的多芯片系統(tǒng)，因?yàn)槲覀冋谶_(dá)到一個(gè)芯片所能做的極限。

芯片設(shè)計(jì)人員在設(shè)計(jì)激活值的最大尺寸時(shí)需要考慮稱為權(quán)重和激活的參數(shù)。展望未來，能夠同時(shí)考慮AI的軟件和硬件設(shè)計(jì)對(duì)于優(yōu)化AI芯片架構(gòu)以提高效率非常重要。

AI 芯片架構(gòu)的優(yōu)勢(shì)

毫無疑問，我們正處于人工智能的復(fù)興時(shí)期?，F(xiàn)在我們正在克服設(shè)計(jì)可以處理AI工作負(fù)載的芯片的障礙，有許多創(chuàng)新公司是該領(lǐng)域的專家，并設(shè)計(jì)出更好的AI芯片來做十年前似乎遙不可及的事情。

當(dāng)您向下移動(dòng)工藝節(jié)點(diǎn)時(shí)，AI 芯片設(shè)計(jì)可以降低 15% 到 20% 的時(shí)鐘速度和 15% 到 30% 的密度，從而使設(shè)計(jì)人員能夠在芯片上安裝更多計(jì)算元素。它們還增加了內(nèi)存組件，使AI技術(shù)可以在幾分鐘而不是幾小時(shí)內(nèi)進(jìn)行訓(xùn)練，從而節(jié)省大量資金。當(dāng)公司從在線數(shù)據(jù)中心租用空間來設(shè)計(jì)人工智能芯片時(shí)尤其如此，但即使是那些使用內(nèi)部資源的人也可以通過更有效地進(jìn)行試錯(cuò)而受益。

我們現(xiàn)在正處于人工智能本身被用于設(shè)計(jì)新的人工智能芯片架構(gòu)并計(jì)算新的優(yōu)化路徑的地步，以基于來自許多不同行業(yè)和應(yīng)用的大數(shù)據(jù)優(yōu)化功耗、性能和面積 （PPA）。

AI芯片架構(gòu)應(yīng)用與未來

從字面上看，人工智能就在我們身邊。人工智能處理器幾乎被安裝到所有類型的芯片中，從最小的物聯(lián)網(wǎng)芯片到最大的服務(wù)器、數(shù)據(jù)中心和圖形加速器。需要更高性能的行業(yè)當(dāng)然會(huì)更多地使用AI芯片架構(gòu)，但隨著AI芯片的生產(chǎn)成本越來越低，我們將開始在物聯(lián)網(wǎng)等地方看到AI芯片架構(gòu)來優(yōu)化功耗和其他類型的優(yōu)化，我們甚至可能還不知道是可能的。

對(duì)于AI芯片架構(gòu)來說，這是一個(gè)激動(dòng)人心的時(shí)刻。Synopsys 預(yù)測(cè)，由于性能需求，我們將繼續(xù)看到下一代工藝節(jié)點(diǎn)被積極采用。此外，圍繞不同類型的內(nèi)存以及不同類型的處理器技術(shù)以及與每種技術(shù)相關(guān)的軟件組件已經(jīng)進(jìn)行了大量探索。

在內(nèi)存方面，芯片設(shè)計(jì)人員開始將內(nèi)存放在硬件的實(shí)際計(jì)算元件旁邊甚至內(nèi)部，以使處理時(shí)間更快。此外，軟件正在驅(qū)動(dòng)硬件，這意味著軟件AI模型（如新的神經(jīng)網(wǎng)絡(luò)）需要新的AI芯片架構(gòu)。經(jīng)過驗(yàn)證的實(shí)時(shí)接口提供高速和低延遲所需的數(shù)據(jù)連接，同時(shí)安全性保護(hù)整個(gè)系統(tǒng)及其數(shù)據(jù)。

最后，我們將看到光子學(xué)和多芯片系統(tǒng)在新的AI芯片架構(gòu)中發(fā)揮更大的作用，以克服一些AI芯片瓶頸。光子學(xué)提供了一種更節(jié)能的計(jì)算方式，多芯片系統(tǒng)（涉及芯片的異構(gòu)集成，通常將內(nèi)存直接堆疊在計(jì)算板頂部）也可以提高性能，因?yàn)椴煌幚碓g以及處理和存儲(chǔ)單元之間的可能連接速度增加。

有一件事是肯定的：人工智能芯片架構(gòu)的創(chuàng)新將繼續(xù)比比皆是，Synopsys 將占據(jù)前排，幫助我們的客戶在一系列行業(yè)中設(shè)計(jì)下一代人工智能芯片。