魏少軍：智能化助力半導(dǎo)體產(chǎn)業(yè)發(fā)展

11 月 23 日，在 2023 中國(guó)臨港國(guó)際半導(dǎo)體大會(huì)中，中國(guó)半導(dǎo)體行業(yè)協(xié)會(huì) IC 設(shè)計(jì)分會(huì)理事長(zhǎng)、清華大學(xué)集成電路學(xué)院魏少軍教授做了《智能化助力半導(dǎo)體產(chǎn)業(yè)發(fā)展》的主題演講。

本次演講主要分為四個(gè)部分：人工智能延伸人類的認(rèn)知能力、計(jì)算技術(shù)驅(qū)動(dòng)半導(dǎo)體產(chǎn)業(yè)不斷成長(zhǎng)、全球半導(dǎo)體產(chǎn)業(yè)大變局、智能化助力中國(guó)半導(dǎo)體產(chǎn)業(yè)自立自強(qiáng)。

人工智能延伸人類的認(rèn)知能力

三輪智能化浪潮

首先，魏少軍表示，人類已經(jīng)經(jīng)歷了三輪智能化浪潮。第一次在 1946 年，主要是通用計(jì)算裝置的出現(xiàn)，這一裝置僅具備計(jì)算、數(shù)據(jù)存儲(chǔ)與檢索能力；第二次在 1990 年通用推理裝置的出現(xiàn)，該裝置可以使用手工知識(shí)庫(kù)和規(guī)則庫(kù)做邏輯判斷；第三次是在 2017 年機(jī)器學(xué)習(xí)裝置的出現(xiàn)，它可以使用機(jī)器學(xué)習(xí)算法做分類和識(shí)別。

正是在第三輪智能化浪潮中，研究開始取得巨大進(jìn)步。比如谷歌的 DeepMind，它在包含 20000 個(gè)數(shù)據(jù)的人臉識(shí)別工作中明顯強(qiáng)于人類，它在語音識(shí)別的工作中，錯(cuò)詞率也僅僅只有 5.9%。魏少軍教授表示，在第三輪智能化浪潮中，人工智能已經(jīng)有多方面超過人類。

人類正在進(jìn)入智能化時(shí)代。如果說，第一次工業(yè)革命以機(jī)械化、電力化和自動(dòng)化為主要內(nèi)容解放了人類的雙手，提供人類巨大的能源，實(shí)現(xiàn)了人類體能的延伸和放大，延伸我們四肢的能力。那么以計(jì)算機(jī)、網(wǎng)絡(luò)、通信、光電子和集成電路路等技術(shù)為主要內(nèi)容的信息革命，實(shí)現(xiàn)了人類感官能力的延伸和放大，延伸我們的感觀能力。但是工業(yè)革命和信息革命都沒有解決當(dāng)下大腦的問題，當(dāng)下正在發(fā)生的新的智能化革命，正在實(shí)現(xiàn)人類大腦能力的延伸和放大，延伸人類的認(rèn)知能力。

人工神經(jīng)網(wǎng)絡(luò)

談到智能化，不得不回顧一下上世紀(jì) 40 年代人工神經(jīng)網(wǎng)絡(luò)概念的提出。1943 年，美國(guó)神經(jīng)生理學(xué)家沃倫·麥卡洛克 (Warren McCulloch) 和數(shù)學(xué)家沃爾特·皮茨 (Walter Pitts) 合作，對(duì)大腦的神經(jīng)元進(jìn)行類比和建模，發(fā)明了人工神經(jīng)網(wǎng)絡(luò)。麥卡洛克不懂?dāng)?shù)學(xué)，皮茨不懂神經(jīng)學(xué)，兩者跨界融合，產(chǎn)生了影響世界的神經(jīng)網(wǎng)絡(luò)。

后來 David Hubel 在上世紀(jì) 80 年代發(fā)現(xiàn)了人類視覺系統(tǒng)的信息處理方法。提到了人的視覺處理機(jī)制可以看成高層的特征是低層特征的組合，從低層到高層的特征表達(dá)越來越抽象和概念化。這個(gè)發(fā)現(xiàn)激發(fā)了人們對(duì)于神經(jīng)系統(tǒng)的進(jìn)一步思考。大腦的工作過程是一個(gè)對(duì)接收信號(hào)不斷迭代不斷抽象概念化的過程。他們都構(gòu)建了人工智能非常重要的基礎(chǔ)。

魏少軍表示，現(xiàn)在的人工智能主要分類兩類：類腦計(jì)算和深度學(xué)習(xí)。

類腦計(jì)算通過存內(nèi)計(jì)算架構(gòu)，直接用存儲(chǔ)單元做乘累加運(yùn)算，將存儲(chǔ)和計(jì)算融為一體，避免了權(quán)重參數(shù)的反復(fù)搬運(yùn)，大幅提升矩陣乘法的計(jì)算效率，可并行加速深度學(xué)習(xí)算法。

深度神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)是另外一個(gè)分支。深度神經(jīng)網(wǎng)絡(luò)的三個(gè)基本要素為：算法、數(shù)據(jù)和算力。深度神經(jīng)網(wǎng)絡(luò)（DNN）是一種多層無監(jiān)督神經(jīng)網(wǎng)絡(luò)，并且將上一層的輸出特征作為下一層的輸入進(jìn)行特征學(xué)習(xí)，通過逐層特征映射后，將現(xiàn)有空間樣本的特征映射到另一個(gè)特征空間，以此來學(xué)習(xí)對(duì)現(xiàn)有輸入具有更好的特征表達(dá)。

加拿大蒙特利爾大學(xué)教授約書亞·本希奧、谷歌副總裁兼多倫多大學(xué)名譽(yù)教授杰弗里·欣頓，以及紐約大學(xué)教授兼 Facebook 首席 AI 科學(xué)家楊立昆因在人工智能深度學(xué)習(xí)方面的貢獻(xiàn)獲得 2018 年度圖靈獎(jiǎng)。他們?nèi)槐粯I(yè)內(nèi)人士稱為「當(dāng)代人工智能教父」，是深度神經(jīng)網(wǎng)絡(luò) (deepneural network) 的開創(chuàng)者，也被成為深度學(xué)習(xí) (deeplearning) 三巨頭。

計(jì)算技術(shù)驅(qū)動(dòng)半導(dǎo)體產(chǎn)業(yè)不斷成長(zhǎng)

在過去的三四十年，人類經(jīng)過了很多不同的時(shí)代，比如早期的科學(xué)計(jì)算時(shí)代，后來的個(gè)人計(jì)算時(shí)代、移動(dòng)計(jì)算時(shí)代、云計(jì)算時(shí)代以及智能計(jì)算時(shí)代。

智能計(jì)算時(shí)代與人工智能密切相關(guān)。由于算法的多樣性和復(fù)雜性，人工智能需要一款「計(jì)算引擎」，它需要具備可編程能力并適應(yīng)各類應(yīng)用、適合計(jì)算和存儲(chǔ)密集型應(yīng)用以及數(shù)據(jù)從「云端」向「邊緣」遷移時(shí)，具備高效能的計(jì)算。

然而當(dāng)下，人工智能芯片還面臨著兩大難題。第一個(gè)就是算法在不斷演進(jìn)，新算法層出不窮。第二個(gè)是一種算法對(duì)應(yīng)一種應(yīng)用，沒有統(tǒng)一的算法。

人工智能芯片的主流架構(gòu)演進(jìn)圖

魏少軍表示，最初在沒有人工智能芯片時(shí)，我們的解決辦法是使用傳統(tǒng)的器件來實(shí)現(xiàn)想要的功能，后來演進(jìn)到制作專用器件，由于專用器件應(yīng)用的不便利性，具有更強(qiáng)靈活性的芯片被制造出來。如今 ChatGPT 的出現(xiàn)對(duì)具有更大算力且通用性更強(qiáng)的芯片提出更高需求。比如英偉達(dá)的 GPU 如此受歡迎不僅是因?yàn)樗乃懔Υ螅€因?yàn)槠渫ㄓ眯愿鼜?qiáng)，它可以用來訓(xùn)練各種各樣的模型。因此，通用為王的優(yōu)點(diǎn)再次被體現(xiàn)。

如今高性能計(jì)算機(jī)的計(jì)算能力已經(jīng)進(jìn)入 E 級(jí)時(shí)代。E 級(jí)超算是指每秒可進(jìn)行百億億次數(shù)學(xué)運(yùn)算的超級(jí)計(jì)算機(jī)，是國(guó)際上高端信息技術(shù)創(chuàng)新和競(jìng)爭(zhēng)的制高點(diǎn)，被全世界公認(rèn)為「超級(jí)計(jì)算機(jī)界的一頂皇冠」。2022 年 5 月 30 日，國(guó)際超算大會(huì) (SC) 在德國(guó)漢堡發(fā)布了最新版全球超算 TOP500 榜單，美國(guó)橡樹嶺國(guó)家實(shí)驗(yàn)室的新型超算「前沿」（Frontier) 以壓倒性優(yōu)勢(shì)成為全球最快超算。尤其讓外界關(guān)注的是，「前沿」也是全球首臺(tái)正式發(fā)布的每秒浮點(diǎn)運(yùn)算速度超過百億億次的超算。

隨著全球數(shù)據(jù)量超過 100ZB(1021)，對(duì) Z 級(jí)計(jì)算能力的需求愈發(fā)迫切。人類對(duì)于更高算力的追求在過去數(shù)十年里從末停滯。然而，依靠工藝技術(shù)的進(jìn)步幾乎無法實(shí)現(xiàn)更高性能的計(jì)算，因?yàn)槌愕奶幚硭俣热暨_(dá)到 Z 級(jí)，耗電量投資額必然巨大，這將難以落地。

魏少軍還提到，現(xiàn)有的計(jì)算芯片架構(gòu)難以勝任下一代計(jì)算的要求。因此人類當(dāng)下正面臨著計(jì)算機(jī)架構(gòu)創(chuàng)新的黃金時(shí)代。那么應(yīng)該如何呼喚新的計(jì)算芯片架構(gòu)呢？

新的計(jì)算芯片架構(gòu)

魏少軍教授展示了一張分別以硬件可編程性和軟件可編程性為橫軸和縱軸的圖。在這張圖中 CPU 等處理器位于第一象限，ASIC 等專用集成電路在第三象限，F(xiàn)PGA 等可編程邏輯器件在第四個(gè)象限，第二象限空白的區(qū)域就是正在探索的新型架構(gòu)，這種架構(gòu)需要具備很強(qiáng)的通用性、靈活性；不存在寡頭壟斷；采用先進(jìn)工藝等等。

未來必將會(huì)經(jīng)歷的階段還有軟件定義芯片。芯片是計(jì)算的主體，但真正實(shí)現(xiàn)智能化以來的還是軟件。因?yàn)檐浖哂凶约簩W(xué)習(xí)的能力、形成知識(shí)和經(jīng)驗(yàn)的能力、持續(xù)改進(jìn)和優(yōu)化的能力、再生和組織能力、思維邏輯推理能力以及做出正確判斷和決斷的能力。

在國(guó)際上，美國(guó)和歐洲高度重視軟件定義芯片技術(shù)的研究。比如美國(guó) 2018 年的 DARPA 電子振興計(jì)劃以及歐洲的地平線計(jì)劃。這兩個(gè)項(xiàng)目做下來雖然取得了不少成績(jī)，但是實(shí)質(zhì)上并沒有擺脫傳統(tǒng)計(jì)算機(jī)架構(gòu)的影響。在這一點(diǎn)上，中國(guó)的突破要早于并優(yōu)于世界同行。

經(jīng)過十年努力，中國(guó)科技工作者攻克了計(jì)算模式、硬件架構(gòu)和映射方法三個(gè)關(guān)鍵技術(shù)，實(shí)現(xiàn)了芯片架構(gòu)和功能的納米級(jí)重構(gòu)，使硬件電路可隨軟件算法的變化而快速變化，在確保靈活性的同時(shí)，大幅提升能量效率。

軟件定義芯片技術(shù)是能夠替代 ASIC 和 FPGA 的新型電路架構(gòu)技術(shù)，有望為我國(guó)集成電路設(shè)計(jì)業(yè)擺脫跟隨模仿、實(shí)現(xiàn)趕超，提供一條全新的技術(shù)路線。

全球半導(dǎo)體產(chǎn)業(yè)大變局

半導(dǎo)體成為地緣政治博弈的工具。如對(duì)華科技政策負(fù)責(zé)人馬西尼已牽頭制定并推進(jìn)美國(guó)人工智戰(zhàn)略，同時(shí)認(rèn)為「半導(dǎo)體才是人工智能領(lǐng)先地位的真正基礎(chǔ)」。美國(guó) AI 戰(zhàn)略負(fù)責(zé)人施密特認(rèn)為「美國(guó)要確保領(lǐng)先中國(guó)半導(dǎo)體至少 2 代」，美國(guó)需與「日、韓、歐聯(lián)合抗衡」。

一些國(guó)家嘗試著把中國(guó)排除在全球半導(dǎo)體供應(yīng)鏈之外。半導(dǎo)體領(lǐng)域的「軍備競(jìng)賽」加劇全球供應(yīng)鏈的碎片化。美國(guó)、歐盟、韓國(guó)、日本都各自通過了自己的《芯片法案》。表面看是各自在推動(dòng)本地集成電路發(fā)展，其實(shí)是把全球市場(chǎng)進(jìn)行分割，全球產(chǎn)業(yè)化的進(jìn)程被中止，這個(gè)影響負(fù)面大于正面。

智能化助力中國(guó)半導(dǎo)體產(chǎn)業(yè)自立自強(qiáng)

魏少軍表示，中國(guó)在人工智能領(lǐng)域占據(jù)優(yōu)勢(shì)。5G 和 AI 也在推動(dòng)集成電路技術(shù)持續(xù)進(jìn)步，這些新的技術(shù)反過來也推動(dòng)了 5G 和 AI 為代表的或來支撐的全球的經(jīng)濟(jì)發(fā)展。到目前為止，沒有有任何一個(gè)其他技術(shù)可以代替集成電路、代替半導(dǎo)體。業(yè)界關(guān)于摩爾定律的爭(zhēng)論其實(shí)從未停止，包括材料的限制、器件的物理尺寸、光刻波長(zhǎng)的限制等相關(guān)問題。其中的一些問題在半導(dǎo)體行業(yè)發(fā)展到現(xiàn)在已經(jīng)得到解決，未來半導(dǎo)體行業(yè)的發(fā)展將可以更好的滿足人類的需求。

本文由半導(dǎo)體產(chǎn)業(yè)縱橫根據(jù) 2023 中國(guó)臨港國(guó)際半導(dǎo)體大會(huì)魏少軍的演講整理