未來10年，整個半導體產(chǎn)業(yè)將會從cSoC時代走向rSoC時代。

在芯片架構(gòu)設(shè)計領(lǐng)域中，可重構(gòu)計算技術(shù)并非一項新的存在。20世紀60年代末，加利福尼亞大學的Geraid Estrin首次提出重構(gòu)計算，過去二十余年后，Xilinx才基于這一原型系統(tǒng)推出該技術(shù)的重要分支——FPGA架構(gòu)，正式開啟現(xiàn)代重構(gòu)計算技術(shù)。

即便如此，由于此前芯片發(fā)展一直走在摩爾定律預(yù)設(shè)的方向上，F(xiàn)PGA始終無法進入公眾的視野中，而在學術(shù)研究領(lǐng)域，它也一直只是芯片技術(shù)研究中少有人關(guān)注的冷門項目。不曾想，在這一波AI浪潮的推動下，可重構(gòu)計算技術(shù)迅速從學術(shù)邊緣走向了主流。

AI浪潮與芯片架構(gòu)創(chuàng)新

任何技術(shù)的興起都是市場需求、技術(shù)迭代與產(chǎn)業(yè)發(fā)展合力推動的結(jié)果，AI不例外，芯片的變革更是如此。

在算力需求持續(xù)增長的背景下，AI算法對芯片運算能力的要求上升到傳統(tǒng)芯片的百倍以上，想像一下，采用了人工智能算法的AlphaGo需要用到上千塊傳統(tǒng)處理器（CPU）和上百塊圖形處理器（GPU）。類似，傳統(tǒng)處理器根本無力支持智能家居、自動駕駛和智能終端等應(yīng)用場景的巨大算力需求，因此基于傳統(tǒng)CPU搭建出新的架構(gòu)就顯得迫在眉睫，AI芯片也就此誕生。

對于這一新興的芯片市場，摩根大通的分析師Harlan Sur曾公開表示，到2022年為止，AI芯片市場將以每年59%的成長速度增長，屆時市場規(guī)模有望達到330億美元。

用迅猛之勢來形容AI芯片產(chǎn)業(yè)的發(fā)展毫不為過，這一新興事物也打破了整個市場既有的產(chǎn)業(yè)形態(tài)。在新興芯片市場占據(jù)龍頭地位的英偉達，其CEO黃仁勛就多次在公開場合中表示：“摩爾定律時代已經(jīng)終結(jié)?！边@也并非一家之言，作為摩爾定律的提出者，Intel也多次公開承認這一點。

沒有摩爾定律的約束，在接下來很長一段時間內(nèi)，芯片產(chǎn)業(yè)勢必將進入自由生長狀態(tài)，AI芯片產(chǎn)業(yè)呈現(xiàn)了前所未有的百花齊放。但其實深入去看，它卻也被有章法的推進著。事實上，最為明顯的就是，伴隨著整個市場對功能的需求變化和終端的發(fā)展，GPU、ASIC等主流芯片架構(gòu)技術(shù)正逐步有序得的迭代和擴大自己的市場占比。

目前，因市場對智能的實現(xiàn)尚處于初期，AI中關(guān)鍵的應(yīng)用需求更偏向于訓練端，因而，在訓練市場中獨大的GPU成為芯片市場的主流架構(gòu)也就毫不奇怪。但真正的智能一定離不開邏輯推理部分。自然，作為這一功能實現(xiàn)的主力軍，ASIC和FPGA備受業(yè)內(nèi)關(guān)注，其中，熱度蹭蹭上漲的FPGA可以說是格外引入注目。

FPGA熱潮啟示錄

在AI并不火熱的時間段，F(xiàn)PGA常年來被用作專用芯片（ASIC）的小批量替代品。因傳統(tǒng)計算機馮·諾依曼結(jié)構(gòu)的約束，比CPU甚至GPU能效更高的FPGA一直未有用武之地，直到神經(jīng)網(wǎng)絡(luò)算法的出現(xiàn)。

不得不說，從初入商用市場到獨立成產(chǎn)品，F(xiàn)PGA架構(gòu)技術(shù)似乎從未和AI算法分離開過，硬件上的節(jié)點與算法的神經(jīng)元結(jié)構(gòu)形成天然的呼應(yīng)，頗有天造地設(shè)的意味。

如所料，F(xiàn)PGA最早一出現(xiàn)就伴隨著神經(jīng)網(wǎng)絡(luò)算法研究，2011年，Altera推出OpenCL，其中的CNN算法研究就是基于FPGA的，這讓FPGA重回了人們的視野中；后時隔三年，微軟推出Catapult項目，開發(fā)了高吞吐CNN FPGA加速器，將這種架構(gòu)更緊密的與神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)綁在了一起；2015年，陷入轉(zhuǎn)型焦慮的Intel直接選擇收購Altera，這一舉動后來甚至帶起了一波CPU+FPGA熱，但這一刻FPGA的魅力還沒有真正被展現(xiàn)出來。直到一年后，Intel終利用BP算法在FPGA上實現(xiàn)了5GOPS處理能力，這一架構(gòu)的優(yōu)勢終鋒芒初現(xiàn)。

一步一步，伴隨著深度學習的應(yīng)用和滲透，F(xiàn)PGA架構(gòu)技術(shù)也越來越受各芯片廠商關(guān)注，在多次大會的行業(yè)交流中，多位芯片研發(fā)人員都指出：綜合考慮成本、可行性等因素，在可見的未來里，架構(gòu)創(chuàng)新是唯一算力提升解決方案。而FPGA無疑為整個行業(yè)帶來架構(gòu)設(shè)計上的新思路。

第一次，F(xiàn)PGA被用于產(chǎn)品端是在iPhone 7上，蘋果集成了Lattice iCE40 FPGA，將其作為超低功耗的邏輯處理兼傳感器部件。從技術(shù)到產(chǎn)品端，這一技術(shù)架構(gòu)只用了短短七年，而蘋果的成功嘗試也為這一技術(shù)架構(gòu)加分不少?，F(xiàn)在，業(yè)內(nèi)人士也普遍將它列為舊有半導體甚至終端架構(gòu)的關(guān)鍵顛覆者，也因此，F(xiàn)PGA這七年的持續(xù)熱度給出了整個行業(yè)的風向標：半導體架構(gòu)進入了新的征程，尤其為AI芯片的設(shè)計提供了關(guān)鍵思路。

站在FPGA的肩膀上，可重構(gòu)芯片誕生

對于AI芯片的優(yōu)勢，寒武紀陳天石曾這樣形象的描述道：“如果把深度學習看作切肉，傳統(tǒng)的處理器就是瑞士軍刀，我們的專用神經(jīng)網(wǎng)絡(luò)處理器則相當于菜刀。瑞士軍刀通用性很好，什么都可以干，但干得不快，菜刀是專門用來做飯的，在切肉這件事情上，效率當然更高?！?/p>

按理，效率越高，算力越高，芯片產(chǎn)業(yè)發(fā)展應(yīng)當重回到此前活躍增長的階段，但在近兩年整個產(chǎn)業(yè)卻出現(xiàn)了一種怪象：芯片產(chǎn)業(yè)進入了一種低效的繁榮狀態(tài)，現(xiàn)有的AI產(chǎn)品的數(shù)量只有兩位數(shù)，而單價幾乎不變，尤其是AI終端產(chǎn)品，產(chǎn)業(yè)利潤幾乎在個位數(shù)。在產(chǎn)業(yè)鏈端，產(chǎn)品開發(fā)費用、產(chǎn)品難度都在持續(xù)上升，在市場空間有限的條件下，產(chǎn)品的盈利空間直線下降。

事實上，僅僅融合FPGA架構(gòu)設(shè)計的高效對整個產(chǎn)業(yè)的發(fā)展來說是依然不夠的，菜刀終究還是菜刀，AI芯片的應(yīng)用場景和變現(xiàn)能力實在十分有限。對此，清華大學微電子所所長魏少軍就直接點出：“要想讓AI芯片能夠在使用中變得更‘聰明’，架構(gòu)創(chuàng)新就是它不可回避的課題?！?/p>

產(chǎn)業(yè)端，為了打破這一現(xiàn)狀，地平線、寒武紀、Arm等眾多新老玩家紛紛給出了各自的平臺性商用解決方案，但終不是長久之計。對此，業(yè)內(nèi)的共同認知是：若想釜底抽薪，設(shè)計出一款動態(tài)可重構(gòu)的并行計算芯片，以實現(xiàn)一塊芯片可以跑多種算法，節(jié)省資源，大大提高通用性，極大程度上促進整個產(chǎn)業(yè)的發(fā)展。

所幸，在國內(nèi)，目前尚有兩款芯片代表：一款是清華大學的Thinker可重構(gòu)AI芯片，它獲得了2017年國際低功耗電子與設(shè)計會議設(shè)計競賽獎，這是一款由65nm工藝制成的芯片，不過其峰值性能能夠達到410GOPS，能效達5TOPS/W。第二款是南京大學RAPS可重構(gòu)芯片，它由40nm工藝制成，可以實現(xiàn)25種與信號處理有關(guān)的算法，峰值性能69GFLOPS，能效達到32GFOPS/W。與TMS320C6672多核DSP比較，性能能夠提高一個數(shù)量級。

值得一提的是，兩款芯片制程一般，工藝泛泛，卻收獲如此高效的性能，架構(gòu)創(chuàng)新的四兩撥千斤功效可見一斑。

最后

縱觀第三波AI浪潮下的半導體產(chǎn)業(yè)，有兩個現(xiàn)象級事件奠定了當下芯片產(chǎn)業(yè)的基調(diào)：曾經(jīng)逃離半導體行業(yè)的風投又紛紛重新回到了半導體行業(yè)；歷來觀潮的中國，現(xiàn)在成了弄潮兒。

不言而喻，這兩大趨勢撞在一起發(fā)生的化學效應(yīng)率先打破了整個半導體行業(yè)既有的產(chǎn)業(yè)形態(tài)。但不可忽視的是，作為工業(yè)的糧食，芯片架構(gòu)創(chuàng)新帶動的產(chǎn)業(yè)活力才將成為推動第三波AI浪潮持久發(fā)展的動力。

如許衍居院士所言：未來10年，整個半導體產(chǎn)業(yè)將會從cSoC時代走向rSoC時代。但是可重構(gòu)芯片發(fā)展還需要突破眾多難關(guān)，如基于可重構(gòu)計算搭建的硬件平臺是需要搭建一個統(tǒng)一的標準平臺還是僅僅只開發(fā)一個通用的編程模型？采用雙編程如何劃分軟硬件任務(wù)并處理好之間的通信問題？這些問題依舊是纏繞在可重構(gòu)芯片發(fā)展之路上的藤蔓，披荊斬棘，路且漫長。