![](https://csdnimg.cn/release/download_crawler_static/34660985/bga.jpg)
北京未来芯片技术高精尖创新中心
4
视频图像类:人脸识别、目标检测、图像生成、视频分析、视频审核、图像美化、以图搜图、AR……
声音语音类:语音识别、语音合成、语音唤醒、声纹识别、乐曲生成、智能音箱、智能导航……
文本类:文本分析、语言翻译、人机对话、阅读理解、推荐系统……
控制类:自动驾驶、无人机、机器人、工业自动化……
神经网络互联结构:多层感知机(MLP)、卷积神经网络(CNN)、循环神经网络(RNN)、长短时记忆(LSTM)
网络、脉冲神经网络(SNN)……
深度神经网络系统结构: AlexNet、ResNet、VGGNet、GoogLeNet……
神经网络算法:反向传播算法、迁移学习、强化学习、One-shot learning、对抗学习、神经图灵机、脉冲时间依
赖可塑(STDP)……
机器学习算法:支持向量机(SVM)、K 近邻、贝叶斯、决策树、马尔可夫链、Adaboost、WordEmbedding……
算法优化芯片: 效能优化,低功耗优化,高速优化,灵活度优化,如深度学习加速器,人脸识别芯片……
神经形态芯片:仿生类脑,生物脑启发,脑机制模拟……
可编程芯片:考量灵活度,可编程性,算法兼容性,通用软件兼容,如 DSP、GPU、FPGA……
芯片系统级结构:多核、众核、SIMD、运算阵列结构、存储器结构、片上网络结构、多片互联结构、内存接口、
通信结构、多级缓存……
开发工具链
:编程框架(Tensorflow,caffe)衔接、编译器、仿真器、优化器(量化、裁剪)、原子操作(网络)库……
高带宽片外存储器:HBM、DRAM、高速 GDDR、LPDDR、STT-MRAM……
高速互联:SerDes,光互联通信
仿生器件(人工突触,人工神经元):忆阻器
新型计算器件:模拟计算,内存计算(in-memory computing)
片上存储器(突触阵列):分布式 SRAM、ReRAM、PCRAM 等
CMOS 工艺:工艺节点(16, 7, 5 nm)
CMOS 多层集成:2.5D IC/SiP、3D-stack 技术、monolithic 3D 等
新型工艺:3D NAND, Flash Tunneling FETs、FeFET、FinFET
应用
算法
芯片
器件
工艺
应用需求驱动
理论创新驱动
新型材料、工艺和器件的迅速发展,例如 3D 堆叠内存,工艺演进等也为 AI 芯片提供了显著提升性能和降
低功耗的可行性,这个推动力来源于基础研究的突破。总体而言,这两类动力共同促进了 AI 芯片技术近年
来的快速发展。
2.2 新型计算范式
AI 计算既不脱离传统计算,也具有新的计算特质,包括 :
1. 处理的内容往往是非结构化数据,例如视频、图像及语音等,这类数据很难通过预编程的方法得到
满意的结果。因此,需要通过样本训练、拟合及环境交互等方式,利用大量数据来训练模型,再用训练好
的模型处理数据。
2. 处理的过程通常需要很大的计算量,基本的计算主要是线性代数运算,典型的如张量处理,而控制
流程则相对简单。对于这类运算,大规模并行计算硬件较传统通用处理器更为适合。
3. 处理的过程参数量大,需要巨大的存储容量,高带宽、低延时的访存能力,以及计算单元和存储器
件间丰富且灵活的连接。数据本地化特征较强,适合数据复用和近内存计算。
图表 2-1 AI 芯片相关技术概览
2. AI 芯片的关键特征