12月9日上午10时，由北京大学集成电路学院、集成电路高精尖创新中心、北京大学国家集成电路产教融合创新平台、集成电路科学与未来技术北京实验室、后摩尔时代微纳电子学科创新引智基地、北京大学校友会半导体分会联合主办的“未名·芯”论坛系列讲座第十期在线上成功举办。本期邀请到清华大学集成电路学院副院长尹首一教授为大家带来主题为“人工智能芯片的进展与挑战”的报告。讲座由北京大学集成电路学院副教授叶乐主持，230余人线上参加。

尹教授从AI芯片的发展概况，技术路线，新趋势，以及中国AI芯片的优势和短板四个维度详细介绍了目前AI芯片的发展趋势。首先，尹教授从算力和能效两个角度分析了智能芯片对人工智能产业发展的战略支撑和重大意义。

其次从技术路线的角度，尹教授详细分析了深度神经网络（DNN）处理器和神经形态处理器（SNN）两大类AI芯片的具体技术发展。对于DNN处理器，分别介绍了指令集架构处理器，数据流处理器，存内计算处理器，可重构处理器四大类。指令集架构AI处理器具有完整的指令集，其计算过程由指令驱动，可实现神经网络的计算。我国寒武纪、华为、百度等公司都有相关芯片生产研发。第二种是数据流处理器，该类型处理器主要由数据调度决定张量处理架构，可以优化数据复用和计算并行度。例如：典型的数据流处理器Google TPU，该处理器采用脉动阵列，在该阵列中数据可以被充分复用。第三种类型为存内计算处理器，为了解决存算分离架构中数据的搬运速度和功耗瓶颈，该处理器的逻辑电路或处理单元被放置在存储器内部，以便数据更接近处理单元。第四种类型为可重构处理器，其通过软件和硬件双向编程方式提升计算效率，清华大学针对这一类型发表了Thinker系列相关论文并已形成产业化。而区别于DNN处理器，SNN处理器针对脉冲神经网络进行处理，更加接近于人脑工作模式。目前基于脉冲神经网络芯片的典型代表有IBM的TrueNorth芯片、Intel的Loihi芯片，以及清华大学天机类脑芯片等。

接着，尹教授从晶圆级AI芯片、感存算一体芯片、全光计算芯片三个方向谈到AI芯片的新趋势。从适用于大算力密度需求的大规模AI芯片到传感器端的微型化感存算一体芯片，再到利用光的优势进行计算的全光计算，阐述了当前AI芯片的发展趋势，同时也提出了未来AI芯片研究的新思路。

最后，尹教授谈到目前中国AI芯片发展的优势与短板。他表示我国AI芯片的优势在于创新和与国际同步，近年来有更多的国内企业开始崛起，覆盖了目前AI芯片的绝大部分技术路线。而短板在于我国的生态能力不强，我们需要构建涵盖人工智能应用、开发框架、基础软件、智能芯片的技术和产业生态，并实现协同发展。

提问环节，线上观众积极踊跃，尹教授就AI芯片开发生态、全光芯片优势、数据流架构芯片未来发展趋势等问题以及应用前景与线上观众进行深度交流。

个人简介

尹首一教授，清华大学集成电路学院副院长，国家杰出青年科学基金获得者，研究方向为可重构计算、人工智能芯片设计。已发表学术论文200余篇，包括IEEE JSSC、TPDS、TCSVT、TVLSI、TCAS-I/II和ISSCC、ISCA、VLSI、DAC、HPCA等集成电路和体系结构领域权威期刊和学术会议。出版《可重构计算》、《人工智能芯片设计》专著2部。曾获国家技术发明二等奖、中国电子学会技术发明一等奖、中国发明专利金奖、教育部技术发明一等奖、中国电子信息领域优秀科技论文奖。

文字  | 陈沛毓