李洪革在演講中首先對(duì)比了近年來(lái)全球集成電路的整體市場(chǎng)情況，在2018年上半年全球集成電路市場(chǎng)，全球Top15企業(yè)排行中，美國(guó)依然是主場(chǎng)，美國(guó)企業(yè)控制了60%的市場(chǎng)，而韓國(guó)，日本，中國(guó)臺(tái)灣，歐洲則各自為營(yíng)排列其后，進(jìn)一步表明集成電路相關(guān)頂級(jí)產(chǎn)品依然是由國(guó)外壟斷和控制。

全球芯片戰(zhàn)場(chǎng)概覽

傳統(tǒng)集成電路芯片可以放置在Amp，RF，ADC上，它們?cè)谛酒袌?chǎng)占比達(dá)22%;

存儲(chǔ)器(DRAM，SRAM等)，以三星，美光，海力士為代表，所占份額達(dá)到29%；

傳統(tǒng)CPU，英特爾依然是一頭獨(dú)大，AMD最近也逐漸被邊緣化，其在芯片市場(chǎng)占比22%；

以ARM為核心所誕生的移動(dòng)處理器市場(chǎng)潛力巨大，由高通，蘋(píng)果，博通等巨頭領(lǐng)銜，在芯片市場(chǎng)占比16%；

在上周五，華為宣布推出7納米的AI芯片，這意味著華為已將AI CPU，列為與CPU，GPU并行的第三個(gè)處理單元，未來(lái)市場(chǎng)趨勢(shì)是否會(huì)向AI CPU傾斜，需要時(shí)間來(lái)驗(yàn)證。

各領(lǐng)域芯片產(chǎn)業(yè)界的地位

傳統(tǒng)處理器市場(chǎng)，由英特爾，AMD，IBM等壟斷；存儲(chǔ)器領(lǐng)域，三星和海力士主導(dǎo)；在image sensor(圖像傳感器)細(xì)分領(lǐng)域中，日本索尼則排位第一，而AI芯片方面（ISSCC2018沒(méi)有稱(chēng)之為AI芯片，而是將概念擴(kuò)展為Neuromorphic類(lèi)腦計(jì)算），近年來(lái)美國(guó)，韓國(guó)，日本，歐洲都在不斷發(fā)力人工智能芯片市場(chǎng)，美韓兩國(guó)具有領(lǐng)先優(yōu)勢(shì)，而國(guó)內(nèi)研究則有待加強(qiáng)。

人工智能的新一輪熱點(diǎn)是完全基于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的計(jì)算興起，因此李教授科普了神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史。

李教授指出， Neuromorphic研究成果基本集中在計(jì)算能力和性能上。而在1998年，卷積（深度）神經(jīng)網(wǎng)絡(luò)之所以沒(méi)有流行是因?yàn)槠湓诔跗谛枰M(jìn)行大量計(jì)算，但當(dāng)時(shí)的芯片工藝幾乎不可完成，之后我們也可以看到英特爾和英偉達(dá)計(jì)算力的提升基本與芯片工藝的尺寸成正比，因此卷積（深度）神經(jīng)網(wǎng)絡(luò)能夠在如今大規(guī)模發(fā)展完全得益于片上系統(tǒng)的高性能計(jì)算，沒(méi)有納米級(jí)IC支撐，網(wǎng)絡(luò)很難真正實(shí)用化。

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)主要由三層組成，前兩層是全連接和輸出層，是標(biāo)準(zhǔn)的雙層BP網(wǎng)絡(luò)。其區(qū)別在于后面增加了N層卷積計(jì)算層來(lái)進(jìn)行特征提取。DNN由微軟從5層拓展到152層來(lái)增強(qiáng)計(jì)算力，其中卷積計(jì)算就消耗了90%以上的計(jì)算和運(yùn)行資源。但相比之前，耗時(shí)耗力的利用軟件方式進(jìn)行特征提取再放置到網(wǎng)絡(luò)進(jìn)行特征分類(lèi)，也實(shí)在是簡(jiǎn)單粗暴。

未來(lái)，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的角力場(chǎng)將會(huì)是醫(yī)療診斷，金融服務(wù)，圖像識(shí)別，工業(yè)機(jī)器人，無(wú)人駕駛，人機(jī)博弈方面。

AI芯片的主流架構(gòu)有哪些

1.谷歌TPU。延用了傳統(tǒng)的CPU和GPU技術(shù)，但通過(guò)一些技術(shù)的差異化及缺陷調(diào)整，性能快了15-30倍，采用28納米制程工藝。不過(guò)計(jì)算方式仍是標(biāo)準(zhǔn)的馮諾依曼體系架構(gòu)，即數(shù)據(jù)流與控制流獨(dú)立并行的架構(gòu)。優(yōu)勢(shì)是進(jìn)行包括MLP,CNN,RNN的多層計(jì)算。

2.IBM提出的Truenorth神經(jīng)擬態(tài)處理器。完全基于人腦架構(gòu)制成的類(lèi)腦計(jì)算，功耗僅為65毫瓦。

3.基于PE陣列的MIT Eyeriss芯片架構(gòu)。功耗為278毫瓦。

4.哈佛為DNN加速設(shè)計(jì)的芯片架構(gòu)。采用稀疏矩陣，算法和架構(gòu)有了質(zhì)的變化。采用28納米技術(shù)，功耗達(dá)到23.5毫瓦。

5.韓國(guó)科技技術(shù)院（KAIST）設(shè)計(jì)的芯片架構(gòu)。

6.佐治亞理工設(shè)計(jì)的芯片架構(gòu)。

7.2014年中科院設(shè)計(jì)的Diannao芯片。

李教授還在最后提及了神經(jīng)網(wǎng)絡(luò)的未來(lái)發(fā)展方向：云端深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)處理器，終端深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)處理器，神經(jīng)擬態(tài)處理器。

崔歡歡