本文摘要：和更加慢的发展。而在这一过程中，人工智能本身也很有可能被用作研发新的芯片技术，构成算法和芯片相互促进的良性循环局面。 通过《白皮书》，我们可以明晰地看见AI芯片是人工智能产业和半导体产业交叉融合的新节点，牵涉到多个学科、多个领域的理论和技术基础，凸显对基础坚实、创新能力强劲的人才的市场需求。《白皮书》内容详述：《白皮书》第一章开宗明义，明确提出了AI芯片技术的最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。

和更加慢的发展。而在这一过程中，人工智能本身也很有可能被用作研发新的芯片技术，构成算法和芯片相互促进的良性循环局面。

通过《白皮书》，我们可以明晰地看见AI芯片是人工智能产业和半导体产业交叉融合的新节点，牵涉到多个学科、多个领域的理论和技术基础，凸显对基础坚实、创新能力强劲的人才的市场需求。《白皮书》内容详述：《白皮书》第一章开宗明义，明确提出了AI芯片技术的最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，从多个维度明确提出了符合有所不同场景条件下理想的AI 芯片和硬件平台的关键特征。

这些特征还包括：具备大数据处理能力，用于富内存处理单元或不具备计算能力的新型存储器，解决冯·诺依曼架构“内存墙”瓶颈；具备动态调整计算精度能力，用于尽量较低的精度超过预期效果，节省大量内存并减少能量消耗；具备强劲的软件工具链，需要建构集成化的流程，将有所不同的机器学习任务和神经网络切换为可以在 AI 芯片上高效继续执行的指令代码等。《白皮书》第三章讲解近几年的AI 芯片在云外侧、边缘和终端设备等有所不同场景中的发展状况，总结了云侧和边缘设备必须解决问题的有所不同问题，以及云侧和边缘设备如何协作承托AI 应用于。具体来说，云外侧AI处置主要特别强调精度、处置能力、内存容量和比特率，同时执着较低延时和低功耗；边缘设备AI 处置则主要注目功耗、响应时间、体积、成本和隐私安全性等问题。

目前最广泛的方式是在云端训练神经网络，然后在云端（由边缘设备收集数据）或者边缘设备展开推测。未来云端和边缘设备以及相连他们的网络可能会包含一个极大的 AI 处置网络，它们之间的协作训练和推测是尚待探寻的方向。《白皮书》第四章分析在CMOS 工艺特征尺寸渐渐迫近无限大的大背景下，融合AI 芯片面对的架构挑战，AI 芯片的技术趋势。

一方面，研究具备生物系统优点而回避速度慢等缺点的新材料和新的器件，使用新的计算出来架构和计算出来范式，另一方面，将芯片构建从二维平面向三维空间扩展，使用更加先进设备的构建手段和构建工艺，将是AI芯片技术在很长一段时期内的两条最重要的路径。《白皮书》第五章辩论了创建在当前CMOS 技术构建上的云端和边缘AI 芯片架构创意。

未来云端和边缘AI 芯片将不会分别环绕海量数据处置能力、计算出来任务灵活性部署以及低功耗、高效率等来展开架构创意。以软件定义的芯片为事例，利用软硬件协同的设计思路，容许硬件架构和功能随软件变化而变化，同时不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技术路径上构建的范例。《白皮书》第六章主要讲解对AI 芯片至关重要的存储技术，还包括传统存储技术的改良和基于新兴非易俱存储（NVM）的存储器解决方案。

DRAM 和 NAND 存储器由于高密度的单元结构特点，一般来说被用于较小容量的片外存储器，而3D 构建早已被证明是减少商业存储器的比特率和容量的有效地策略。基于新兴 NVM 的片上存储器（如热力学存储器（PCM），阻变存储器（ReRAM））可以获取比传统 NVM 更佳的存取速度和低功耗，能在十分受限的功率下工作，对于物联网边缘设备上的 AI 芯片尤其具备吸引力。

《白皮书》第七章重点辩论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出来、生物神经网络等新技术趋势。白皮书认为，基于新兴非易失性存储器件的人工神经网络计算出来，由于可以利用非常低的功耗构建信号的并行处理，获取很高的数据陡然亲率，未来将会沦为仿真遗内计算出来（Analog In-memory Computing）的基础技术。以清华大学研究人员的工作为事例，展出了阻变存储器阵列需要顺利构建灰度人脸分类，而能量消耗与Intel 至强劲处理器比起要较低1000倍。

《白皮书》第八章讲解神经形态计算技术和芯片的算法、模型以及关键技术特征，并分析该技术面对的机遇和挑战。神经形态芯片具备低功耗、较低延后、高速处置、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出来芯片在图像识别等人工智能任务方面都获得了不错的成绩，但也还面对着算法单一、模型不完备、芯片性能尚待提高等问题。随着对人脑运营机理挖出得更为充份，坚信神经形态芯片将获得新的突破。《白皮书》第九章探究了AI芯片的基准测试和发展路线图。

客观评估和较为有所不同的AI芯片（即基准测试，Benchmark），及可信预测 AI 芯片的发展路线对于技术创新和产业发展有最重要的指导意义。与 CMOS 技术的基准测试和发展蓝图制订中，技术选项和通用性有达成协议完全一致的具体定义有所不同，AI芯片多样的应用于、算法、体系结构、电路和器件对确认基准和路线图的联合基础明确提出了极大的挑战。

对于AI 芯片的测试基准和路线图创建，必需打破器件和电路层次，综合考虑到多种因素的整体起到，必须算法研究人员、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芯片的未来发展展开了未来发展。由于人工智能技术整体发展还正处于初级阶段，AI芯片行业的发展也随之面对很大的不确定性。

而这种不确定性才是为各种AI芯片技术创新获取了一个极大的舞台，我们可以期望在这个舞台上看见前所未有的精彩表演。所附白皮书iTunes链接：《人工智能芯片技术白皮书（2018）》中文版：清华云盘；Google Drive；百度网盘《White Paper on AI Chip Technologies (2018)》English version：清华云盘； Google Drive ； 百度网盘原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：j9.com-www.techingtextbooks.com