來源：全球技術(shù)地圖

作者：劉紀(jì)鋮

隨著類ChatGPT人工智能技術(shù)的快速發(fā)展，AI大模型作為重要的技術(shù)方向已經(jīng)取得顯著進(jìn)展，應(yīng)用場景不斷拓展和滲透，全球科技企業(yè)紛紛入場角逐。然而，由此帶來的算力瓶頸問題正越來越受到關(guān)注。AI大模型高算力需求正催生AI芯片的快速迭代，“無芯片，不AI”，以AI芯片為載體實(shí)現(xiàn)的算力正成為人工智能發(fā)展水平的重要衡量標(biāo)準(zhǔn)。

一、AI芯片誕生和發(fā)展的背景

自1956年美國達(dá)特茅斯學(xué)院首次提出人工智能（AI）的概念以來，AI技術(shù)不斷獲得突破和快速發(fā)展，對算力的需求也不斷增加。為了滿足這種需求，AI芯片不斷迭代升級，目前已成為算力提升的核心基礎(chǔ)硬件。

2006年以前，AI算法尚未出現(xiàn)突破性進(jìn)展，且AI的訓(xùn)練數(shù)據(jù)主要以小數(shù)據(jù)為主。因此學(xué)術(shù)界和產(chǎn)業(yè)界對AI的算力需求主要由CPU提供，在這個(gè)階段AI芯片發(fā)展較慢。

2006年到2016年期間，AI算法在深度學(xué)習(xí)上獲得突破，同時(shí)大數(shù)據(jù)、云計(jì)算等技術(shù)在這期間高速發(fā)展，進(jìn)一步促進(jìn)了AI在“大數(shù)據(jù)+深度學(xué)習(xí)”模式上的快速發(fā)展，隨之而來的是AI性能的提升越來越依賴于計(jì)算能力的大小。研究人員發(fā)現(xiàn)，相比于CPU，GPU具備并行計(jì)算特性，因此在深度學(xué)習(xí)等人工智能先進(jìn)算法所需的“暴力計(jì)算”場景中更為高效。通過充分發(fā)揮GPU的優(yōu)勢，人工智能算法的計(jì)算效率可以大幅提升，這促使研究人員廣泛采用GPU進(jìn)行人工智能領(lǐng)域的研究和應(yīng)用。

2016年以后，隨著AI技術(shù)的發(fā)展和商用化，AI芯片進(jìn)入大發(fā)展階段。2016年，美國谷歌旗下DeepMind團(tuán)隊(duì)開發(fā)的AI系統(tǒng)AlphaGo戰(zhàn)勝韓國棋手李世石，引發(fā)全球AI熱潮。此后，AI領(lǐng)域?qū)τ谒懔Φ男枨蟛粩嘣黾印５獹PU的高功耗和高價(jià)格限制了其在不同場景中的應(yīng)用。為應(yīng)對上述挑戰(zhàn)，研究人員開始致力于開發(fā)定制化的AI芯片，以實(shí)現(xiàn)在加速AI算法運(yùn)算的同時(shí)降低功耗和成本。自此，大量初創(chuàng)企業(yè)和傳統(tǒng)互聯(lián)網(wǎng)巨頭紛紛涌入AI芯片領(lǐng)域，推動了專用AI芯片的快速發(fā)展。2022年11月，美國OpenAI公司推出AI大模型ChatGPT，引發(fā)全球AI大模型發(fā)展浪潮，這一趨勢進(jìn)一步加大了AI領(lǐng)域?qū)λ懔Φ男枨螅苿恿薃I芯片的投資和發(fā)展。

二、AI芯片發(fā)展的技術(shù)方向

廣義而言，AI芯片指的是專門用于處理人工智能應(yīng)用中大量計(jì)算任務(wù)的模塊，即面向人工智能領(lǐng)域的芯片均被稱為AI芯片。狹義的AI芯片指的是針對人工智能算法做了特殊加速設(shè)計(jì)的芯片[1,2]。從技術(shù)架構(gòu)來看，AI芯片主要分為圖形處理器（GPU）、現(xiàn)場可編程門陣列（FPGA）、專用集成電路（ASIC）、類腦芯片四大類。其中，GPU為通用型人工智能芯片，F(xiàn)PGA和ASIC是針對AI需求特征的半定制和全定制芯片，類腦芯片則是一種模仿人腦神經(jīng)系統(tǒng)結(jié)構(gòu)和功能的處理器。

（一）圖形處理器（GPU）。GPU最初是專門用來做圖像處理的，如圖像渲染、特效制作等，后因其優(yōu)秀的矩陣計(jì)算能力和并發(fā)計(jì)算的架構(gòu)，被廣泛運(yùn)用于AI領(lǐng)域。目前，GPU已成為AI領(lǐng)域最為成熟和廣泛應(yīng)用的通用型芯片，在數(shù)據(jù)中心、超級計(jì)算機(jī)等大型計(jì)算設(shè)施中備受青睞，在AI芯片市場中占據(jù)主導(dǎo)地位。

在全球GPU廠商中，英偉達(dá)GPU技術(shù)一直處于領(lǐng)先水平，其融合了統(tǒng)一計(jì)算設(shè)備架構(gòu)CUDA，構(gòu)建起軟硬件高性能計(jì)算的生態(tài)壁壘。2022年3月，英偉達(dá)在GPU技術(shù)大會（GPU Technology Conference）上發(fā)布了基于新一代Hopper架構(gòu)的高性能GPU芯片H100，其配備第四代Tensor Core和Transformer引擎，與上一代產(chǎn)品相比，H100的綜合技術(shù)創(chuàng)新可以將AI大型語言模型的速度提高30倍。

（二）現(xiàn)場可編程門陣列（FPGA）。FPGA是一種靈活可編程的硬件平臺，具備較高的計(jì)算性能和可定制性等優(yōu)點(diǎn)，能夠?qū)I算法進(jìn)行加速和優(yōu)化。在不斷迭代的AI算法場景下，F(xiàn)PGA憑借其靈活性、低功耗和低延時(shí)的技術(shù)優(yōu)點(diǎn)，在AI推理應(yīng)用中表現(xiàn)出色。2022年11月，英特爾發(fā)布基于第二代英特爾Hyperflex FPGA架構(gòu)的Agilex FPGA芯片，其中整合引入了AI張量模塊的增強(qiáng)型數(shù)字信號處理（DSP）功能模塊，能夠更好支持AI/圖像/視頻處理以及可執(zhí)行復(fù)數(shù)計(jì)算的DSP密集型應(yīng)用。

（三）專用集成電路（ASIC）。ASIC是針對用戶對特定電子系統(tǒng)的需求而設(shè)計(jì)的專用集成電路，其計(jì)算能力和計(jì)算效率可根據(jù)算法需要進(jìn)行定制，是固定算法最優(yōu)化設(shè)計(jì)的產(chǎn)物。2016年，谷歌發(fā)布ASIC芯片TPU v1，主要應(yīng)用于AI推理過程。自此，ASIC克服了GPU價(jià)格昂貴、功耗高的缺點(diǎn)，開始逐漸應(yīng)用于AI領(lǐng)域，成為AI芯片的重要分支。2017年5月，谷歌發(fā)布TPU v2，相比于TPU v1，TPU v2最大的特色在于它既可以用于AI訓(xùn)練，又可以用于AI推理。2018年5月，谷歌發(fā)布TPU v3，可實(shí)現(xiàn)超過100PFLOPS的處理能力，幾乎是TPU v2的8倍。2022年5月，谷歌又推出TPU v4，相比于英偉達(dá)A100芯片，處理速度最高快1.7倍，節(jié)能效率提高1.9倍。

2022年3月，中國寒武紀(jì)公司推出訓(xùn)推一體AI加速卡MLU370-X8，搭載雙芯片四芯粒思元370，集成寒武紀(jì)MLU-Link多芯互聯(lián)技術(shù)，可應(yīng)用于YOLOv3、Transformer等AI訓(xùn)練任務(wù)中，每張加速卡可獲得200GB/s的通訊吞吐性能，是PCIe4.0帶寬的3.1倍，可高效執(zhí)行多芯多卡AI訓(xùn)練和分布式AI推理任務(wù)。

（四）類腦芯片。類腦芯片是結(jié)合微電子技術(shù)和新型神經(jīng)形態(tài)器件，模仿人腦神經(jīng)系統(tǒng)進(jìn)行設(shè)計(jì)的AI處理器，旨在突破“馮·諾依曼瓶頸”，實(shí)現(xiàn)超低功耗和并行計(jì)算能力。類腦芯片被認(rèn)為是后摩爾時(shí)代重要的發(fā)展方向之一，可能成為未來智能計(jì)算的突破口。

2017年，清華大學(xué)研發(fā)出第二代異構(gòu)融合類腦芯片“天機(jī)芯”，其具有高速度、高性能、低功耗的特點(diǎn)，制程為28納米。相比于當(dāng)時(shí)世界先進(jìn)的IBM的TrueNorth芯片，其功能更全、靈活性和擴(kuò)展性更好，密度提升20%，速度提高至少10倍，帶寬提高至少100倍。2019年，基于“天機(jī)芯”研究成果的論文《面向人工通用智能的異構(gòu)天機(jī)芯片架構(gòu)》（Towards Artificial General Intelligence with Hybrid Tianjic Chip Architecture）作為封面文章登上《自然》（Nature）雜志。2021年4月，英特爾發(fā)布第二代神經(jīng)擬態(tài)芯片Loihi 2，其集成神經(jīng)元達(dá)到100萬個(gè)，是上一代的7.8倍，處理速度提高10倍。

三、AI芯片的發(fā)展趨勢

芯片的發(fā)展和升級換代一直依賴于工藝、架構(gòu)和應(yīng)用三個(gè)方面的推動。在應(yīng)用方面，隨著AI技術(shù)的深入發(fā)展和廣泛應(yīng)用，不同的AI應(yīng)用場景正推動AI芯片向?qū)I(yè)化方向發(fā)展，以滿足特定場景對性能、功耗和成本的需求。在技術(shù)方面，隨著擬態(tài)神經(jīng)元、量子等技術(shù)的發(fā)展，AI芯片正不斷突破傳統(tǒng)架構(gòu)、工藝對性能的束縛，在不同的技術(shù)路徑上進(jìn)行探索創(chuàng)新，呈現(xiàn)出多樣化的發(fā)展方向。

（一）AI場景和算法推動AI芯片走向?qū)I(yè)化

在AI算法和應(yīng)用場景的推動下，GPU、FPGA和ASIC正呈現(xiàn)出以滿足專業(yè)化需求為特征的發(fā)展方向。（1）GPU在處理大量并行計(jì)算任務(wù)中表現(xiàn)出色，且可通過加速設(shè)計(jì)更好地發(fā)揮AI潛能，但也存在功耗高、成本高等缺點(diǎn)。目前，GPU仍然是AI訓(xùn)練所需算力的主要硬件選擇。（2）FPGA具有較強(qiáng)的計(jì)算能力、較低的試錯(cuò)成本和足夠的靈活性，但其缺點(diǎn)在于價(jià)格較高、編程復(fù)雜，因此在半定制化AI場景中具備優(yōu)勢。（3）ASIC具有更高的處理速度和更低的能耗，并且可針對特定AI任務(wù)進(jìn)行優(yōu)化設(shè)計(jì)，從而在性能和能耗方面具備更好的綜合素質(zhì)，這使其在全定制化AI場景中表現(xiàn)優(yōu)異。

（二）類腦、量子技術(shù)推動AI芯片走向多樣化

隨著擬態(tài)神經(jīng)元、量子等前沿技術(shù)的發(fā)展，AI芯片逐漸發(fā)展出類腦、量子等多樣化技術(shù)路徑的新型芯片，類腦芯片更是開始走向商用化。（1）類腦芯片擁有大規(guī)模并行計(jì)算、超低功耗和超低延遲等技術(shù)潛力，這些優(yōu)勢使其在未來AI應(yīng)用場景中扮演重要的角色。未來，類腦芯片的一個(gè)重要發(fā)展方向就是圍繞AI算法構(gòu)建更加高效的存算一體計(jì)算系統(tǒng)，如開發(fā)更加高效的芯片架構(gòu)、具備更多神經(jīng)元的芯片等，以不斷迭代升級AI芯片的綜合性能。（2）量子芯片是基于量子力學(xué)原理構(gòu)建的芯片，可推動人類計(jì)算能力呈指數(shù)級增長，形成“量子優(yōu)越性”。有專家認(rèn)為，量子芯片有望徹底解決AI算力瓶頸的問題。未來，隨著AI的廣泛應(yīng)用，整個(gè)社會對于AI算力的需求和耗電量將會大幅增加，而量子芯片是解決上述一系列問題的潛在方案。不過，當(dāng)前量子計(jì)算機(jī)的發(fā)展還面臨著如退相干等問題，導(dǎo)致當(dāng)前量子芯片仍主要存在于實(shí)驗(yàn)室階段，距離商業(yè)化較遠(yuǎn)。總的來說，類腦芯片和量子芯片作為新型芯片技術(shù)，擁有巨大的潛力，將在未來的AI和計(jì)算領(lǐng)域發(fā)揮重要作用，為我們帶來更高效、更強(qiáng)大的計(jì)算能力。

　　審核編輯：湯梓紅

?