第 35 节 模拟计算的未来趋势（第1页）

在 AI 时代继续追求更先进的硬件芯片的过程中，IBM 走在了前面。2019 年 2 月，IBM 宣布了一项建立下一代 AI 硬件研究中心的计划，该计划与一些芯片设计公司和芯片制造厂家合作，采用全新的模拟计算 AI 方法，将对系统和计算设计的基础进行重大改变。IBM 公布的 AI 路线图（见图 6.7）已经清楚地列出了从数字 AI 核发展到模拟 AI 核的进程，目标是在未来 10 年内将 AI 计算性能的效率提高 1000 倍。

材料、器件的开发必须在集成系统的环境中进行，因为在集成系统中，不同的算法、架构和电路方案可能会对底层器件提出不同的要求。例如，如果从算法、架构上作出一定改进，可能使得系统对于器件电导状态的数量、线性度、对称性等不需要太高的要求，从而使这些问题不那么具有挑战性。IBM 的研究人员对此作了尝试，对神经网络的卷积层作了一定的改动，使其能够与模拟计算中的交叉开关阵列架构相匹配 [116] 。

在模拟计算方面，不但有 IBM、英伟达等大公司在积极研发，也涌现出了一些主导模拟计算的 AI 芯片的初创公司，如 Mythic、Aspinity、Syntiant 等。这些公司或多或少应用了「存储器内模拟计算」的思想，通过使用模拟设计而不是数字设计来构建神经元和突触。有的处理数字信号输入，有的处理模拟信号输入。例如，Mythic 使用闪存单元（一种浮栅晶体管）作为电流可变的电导器件来代替数字 MAC。这是把神经网络权重值映射到可变电导值来进行计算。而 Aspinity 使用了各种参数化模拟电路，如放大器、滤波器、加法器/减法器等。本书第 3 章也已经介绍了一种利用开关电容器来实现的模拟 MAC，该芯片达到了非常高的能效。

模拟 MAC 设计有很多方法可
（本章节未完结，点击下一页翻页继续阅读）