在5G、AI、IoT可說(shuō)是近幾年半導(dǎo)體產(chǎn)業(yè)最熱門的議題的情況下，為因應(yīng)5G時(shí)代AI邊緣運(yùn)算需求持續(xù)增加，如何提升IoT芯片AI運(yùn)算效率卻不增加功耗，已成為IC設(shè)計(jì)產(chǎn)業(yè)難題。對(duì)此，力積電董事長(zhǎng)黃崇仁表示，透過(guò)力積電新開(kāi)發(fā)的AI芯片，可以有效降低AIoT應(yīng)用服務(wù)設(shè)備開(kāi)發(fā)成本。

黃崇仁20日于2019日本嵌入式&物聯(lián)網(wǎng)技術(shù)大展（ET&IoT Technology 2019）上進(jìn)行專題演講時(shí)表示，力積電開(kāi)發(fā)中的AI芯片（AI Memory）技術(shù)，是將MCU與DRAM整合到單一芯片上，并讓存儲(chǔ)器資料可依照需求進(jìn)行非循序存取，進(jìn)而提升影像神經(jīng)網(wǎng)路運(yùn)算10倍處理效率，讓IC設(shè)計(jì)業(yè)者開(kāi)發(fā)出體積更小的單芯片電腦（Single Chip Computer），進(jìn)而降低AIoT應(yīng)用服務(wù)設(shè)備開(kāi)發(fā)成本。

黃崇仁進(jìn)一步指出，人類大腦有大約10的11次方個(gè)神經(jīng)元（neuron）與10的15次方個(gè)突觸（synaptic），形成一個(gè)連接線路高達(dá)數(shù)千英里的立體性神經(jīng)網(wǎng)路架構(gòu)。但是，整個(gè)大腦的耗電量只有25瓦，可說(shuō)是非常省電。力積電在研究分析大腦神經(jīng)元運(yùn)作架構(gòu)之后，耗費(fèi)許久開(kāi)發(fā)出AI芯片（AI Memory，AIM）技術(shù)，協(xié)助IC設(shè)計(jì)業(yè)者可以開(kāi)發(fā)出給AI運(yùn)算用的AI芯片，不僅低耗電，AI運(yùn)算效率也能符合應(yīng)用需求。

他還表示，IC設(shè)計(jì)業(yè)者可以透過(guò)AIM Innovation Service Platform架構(gòu)，與力積電、智成電子、愛(ài)普科技合作，將CPU與DRAM相關(guān)IP放在同一顆芯片中。如此一來(lái)，MCU到DRAM的資料傳輸，可以從常用的32位元大幅提升至4096位元，不僅增加資料傳輸頻寬，并且達(dá)到低延遲與低耗電效果。甚至，還可以把Wi-Fi芯片功能包進(jìn)去，讓單一芯片可以獲得相當(dāng)于單芯片電腦所需功能，并能降低芯片耗電量。

而以行車安全最需要的ADAS（先進(jìn)駕駛輔助系統(tǒng)，Advanced Driver Assistance Systems）應(yīng)用為例，若是采用AIM技術(shù)所開(kāi)發(fā)的單芯片，搭配影像神經(jīng)網(wǎng)路加速運(yùn)算程式（Video Neuron Network Accelerator，VNNA），在進(jìn)行1080p RGB影像物件分離處理上，可以達(dá)到10倍的執(zhí)行效率，但耗電量卻只要原來(lái)的十分之一，可說(shuō)是非常省電又有AI運(yùn)算效率。同樣的架構(gòu)與技術(shù)可以讓自駕車、無(wú)人車、攝影機(jī)、影像監(jiān)控等芯片供應(yīng)業(yè)者采用，協(xié)助相關(guān)芯片業(yè)者開(kāi)發(fā)出具有特定領(lǐng)域的AI加速芯片產(chǎn)品。

此外，由于在范紐曼型架構(gòu)（von Neumann architecture）下，傳統(tǒng)AI運(yùn)算上會(huì)碰到的頻頸是資料需要循序處理，不符合AI運(yùn)算情境上其實(shí)是要能非循序存取的需求。而力積電的AI Memory技術(shù)，就可開(kāi)發(fā)出后范紐曼型架構(gòu)的存儲(chǔ)器處理方式，除了將CPU到DRAM的頻寬大幅提升，甚至可以在存儲(chǔ)器存取上加入控制電路，以非循序存取的方式高速讀取DRAM資料，進(jìn)而提升AI運(yùn)算執(zhí)行效率。
責(zé)任編輯：wv