人工智能芯片在移動(dòng)終端和機(jī)器視覺領(lǐng)域的落地，快速地推動(dòng)著AI變革的潮流，也讓人工智能機(jī)器視覺芯片逐漸成為行業(yè)的焦點(diǎn)與熱點(diǎn)。

　　9月28日，中星微在北京中關(guān)村論壇發(fā)布了新一代人工智能機(jī)器視覺芯片—“星光摩爾一號(hào)”。中星微執(zhí)行董事張韻東向《中國(guó)電子報(bào)》記者表示，“星光摩爾一號(hào)”包含多個(gè)億級(jí)晶體管的處理內(nèi)核，是中國(guó)工程院院士鄧中翰團(tuán)隊(duì)的原創(chuàng)設(shè)計(jì)，基于在“多模融合”智能計(jì)算架構(gòu)的創(chuàng)新和“多核異構(gòu)”處理器(XPU)片上微架構(gòu)的創(chuàng)新，適合機(jī)器視覺、無人機(jī)、機(jī)器人等應(yīng)用場(chǎng)景。通過中星微發(fā)布的這款新一代人工智能機(jī)器視覺芯片，我們能夠讀出人工智能機(jī)器視覺芯片的哪些“芯”趨勢(shì)?

       馮諾依曼架構(gòu)遇瓶頸，“智能摩爾技術(shù)路線”應(yīng)運(yùn)而生

　　隨著后摩爾時(shí)代的到來，先進(jìn)制程的開發(fā)面臨難以突破的物理極限;在人工智能時(shí)代，處理和存儲(chǔ)單元分離的馮諾依曼計(jì)算架構(gòu)也逐漸顯現(xiàn)出瓶頸。功耗墻(power wall)就是存儲(chǔ)與計(jì)算模塊分離所帶來的最大問題之一。隨著半導(dǎo)體工藝的演進(jìn)，數(shù)據(jù)遷移的效率卻沒有顯著提高，這導(dǎo)致數(shù)據(jù)遷移所消耗能量與數(shù)據(jù)計(jì)算所消耗能量之間的功耗比越來越大。有關(guān)研究顯示，數(shù)據(jù)搬運(yùn)消耗的能耗是浮點(diǎn)計(jì)算的4到1000倍，而且隨著半導(dǎo)體工藝的進(jìn)步，雖然總體功耗下降，但是數(shù)據(jù)搬運(yùn)的功耗占比越來越大。

　　面臨傳統(tǒng)馮諾依曼架構(gòu)存在的瓶頸，采用新的XPU(多核異構(gòu)智能處理器)芯片架構(gòu)成為一大解決之道。張韻東向《中國(guó)電子報(bào)》記者表示，通過多核結(jié)構(gòu)不同處理器的有機(jī)結(jié)合，不同的算法可以實(shí)現(xiàn)更深層次的融合。在后摩爾定律時(shí)代，“智能摩爾技術(shù)路線”為智能芯片產(chǎn)業(yè)的發(fā)展提供了新思路。

　　何為“智能摩爾技術(shù)路線?”在接受記者采訪時(shí)，張韻東詳細(xì)闡釋了“智能摩爾技術(shù)路線”的含義。他表示，這其實(shí)是一種計(jì)算方法的創(chuàng)新?！啊悄苣柤夹g(shù)路線’借鑒了人腦思維機(jī)制，通過計(jì)算架構(gòu)的創(chuàng)新來持續(xù)快速提升性能功耗價(jià)格比，以維持經(jīng)典摩爾定律下芯片技術(shù)的發(fā)展速度?！睆堩崠|說。

　　簡(jiǎn)單來說，這種架構(gòu)就是一顆芯片里面集成多種不同計(jì)算內(nèi)核。張韻東對(duì)記者說道，相對(duì)于傳統(tǒng)的馮諾依曼架構(gòu)，XPU片上架構(gòu)兼顧了一維標(biāo)量計(jì)算、二維矢量計(jì)算與三維張量計(jì)算的不同特性。通過片上異構(gòu)計(jì)算池的資源共享和均衡調(diào)度機(jī)制，能夠?qū)崿F(xiàn)更準(zhǔn)的識(shí)別精度、更高的計(jì)算性能和更低的功耗。

　　避免深度學(xué)習(xí)弊端，將“形象思維”與“邏輯思維”相結(jié)合

　　有觀點(diǎn)認(rèn)為，人工智能技術(shù)的價(jià)值在于讓機(jī)器代替人做很多簡(jiǎn)單且重復(fù)的工作，而人可以有更多時(shí)間做更具創(chuàng)造力的工作。但是現(xiàn)在，人工智能的核心元器件—芯片正在不斷向智慧化發(fā)展，使得機(jī)器逐步擁有自己學(xué)習(xí)的能力。

　　目前，主流的人工智能算法都是基于深度學(xué)習(xí)，但事實(shí)上，深度學(xué)習(xí)存在明顯的短板。張韻東向記者表示，深度學(xué)習(xí)對(duì)樣本全面性的要求非常高，需要的樣本數(shù)量非常多。

　　“如果收集到的樣本不夠多，機(jī)器的識(shí)別進(jìn)度會(huì)大幅下降，深度學(xué)習(xí)的運(yùn)算過程也是不可解釋的?！睆堩崠|談道，這其實(shí)相當(dāng)于“黑盒計(jì)算”。他表示，如果人們想教會(huì)機(jī)器識(shí)別一輛自行車，那么至少要提供給它幾萬張甚至幾十萬張的圖片，而且這些圖片需要覆蓋不同角度、不同顏色和不同款式。機(jī)器經(jīng)過大量學(xué)習(xí)之后，才可以對(duì)自行車進(jìn)行識(shí)別。但是如果要教一個(gè)孩子識(shí)別自行車，人們可能用語言描述，或者給他展示幾個(gè)樣品，這個(gè)孩子就可以正確識(shí)別出自行車了?！斑@是因?yàn)槿祟惥邆渲腔?，他的思維方式大量采用基于概念的判斷和邏輯推理?！睆堩崠|說。

　　既然機(jī)器通過深度學(xué)習(xí)模式，無法做到像人類通過邏輯思維模式識(shí)別事物，那么機(jī)器類人的終極“智慧之路”究竟應(yīng)該往哪里走?

　　中星微發(fā)布的“星光摩爾一號(hào)”芯片或許給出了業(yè)界答案，那就是將深度學(xué)習(xí)算法與人腦的邏輯思維模式相結(jié)合。張韻東告訴記者，通過借鑒人腦“形象思維”與“邏輯思維”的不同工作機(jī)制，鄧中翰創(chuàng)新中心提出了“多模融合”智能計(jì)算框架，將數(shù)據(jù)驅(qū)動(dòng)型的深度學(xué)習(xí)算法與知識(shí)驅(qū)動(dòng)型的數(shù)理計(jì)算、邏輯推理算法進(jìn)行不同層次的深度融合，在一定程度上降低了僅靠深度學(xué)習(xí)算法而造成的小樣本場(chǎng)景失效和過程的不可解釋性。

　　目前，基于在“多模融合”智能計(jì)算架構(gòu)的創(chuàng)新和“多核異構(gòu)”處理器(XPU)片上微架構(gòu)的創(chuàng)新，“星光摩爾一號(hào)”芯片為人工智能邊緣計(jì)算開辟了一條新的思路。在張韻東看來，通過采用人腦機(jī)制來避免深度學(xué)習(xí)黑盒計(jì)算的弊端， “多模融合”智能計(jì)算框架的采用將是今后人工智能芯片的發(fā)展趨勢(shì)。希望在不久之后，我們能夠看到更多更聰明的機(jī)器，見證更加智能的未來。