未來十年，誰擁有芯片，誰就將制勝于更長遠的未來

任何智能發展都離不開硬件基礎。除了現在人們熟知的CPU（中央處理器）、GPU（圖形處理器）、FPGA（現場可編程門陣列）、專用加速器等智能計算的硬件基礎外，一些硬件架構技術也在不斷加速發展。例如英特爾公司最近推出的Loihi神經擬態芯片（Neuromorphic Research Test Chip），就是模仿人腦神經元的構造、連接方式和工作方式設計實現的。神經擬態計算從人腦的信息處理機制中獲得靈感，來構建人工智能系統。Loihi是目前最先進的神經擬態計算處理器，它采用英特爾領先的14納米工藝制成，集成度高，在60平方毫米的芯片上有13萬個神經元和1.3億個神經突觸（見圖1-5）。它能達到什么效果呢？Loihi支持多種脈沖神經網絡架構，可以在很低的功耗下工作（這一點和人腦非常相似）。最重要的是，它具有可編程學習能力，能夠在線自主訓練，并且支持多種學習算法，包括監督學習、非監督學習、增強學習等。Loihi的能效比通用處理器高1000倍。目前，一塊小芯片能使13萬個神經元互相連接。英特爾公司在2019年7月宣布，包含64塊Loihi研究芯片、代號為“Pohoiki Beach”的800萬神經元神經擬態系統已經可以供廣大研究人員使用。

圖1-5 Loihi芯片和64芯片神經擬態系統

那么未來十年，智能計算會發展到什么程度呢？我大膽地預測一下。假設未來芯片的晶體管密度按照摩爾定律的速度發展——10納米、7納米、5納米，十年之內一定會超越5納米，那么晶體管密度至少會提高8倍。然后，我們還可以用3D芯片制造技術，在一顆芯片內封裝多層內核。假設十年后，通過3D芯片技術可以讓計算密度再提高64倍，我們便可以像Pohoiki Beach一樣設計多芯片互聯的系統；假設十年后，我們可以互聯1000塊芯片，那么這樣的系統尺寸會做到多大呢？可能比我們現在用的桌面型打印機還要小。這樣的系統可以容納670億個神經元，已經很接近人腦的神經元量級了！

當我們展望下一個十年或者更長遠的未來時，隨著人工智能應用變得愈加廣泛和深入，僅靠一種架構的AI芯片是不能解決各種問題的。同時，隨著創新速度越來越快，設備種類越來越多，其要求的迭代速度也越來越快，我們不會再有一個獨立的平臺（例如20世紀90年代到2000年的PC，2005年到現在的手機）。傳統的異構計算已經不能滿足日益發展的人工智能計算需求，我們正在邁入超異構計算時代。

異構計算在20世紀80年代就已出現，它是指在完成一個任務時，采用一種以上的硬件架構設計，把它們組合在一起。組合方式主要包括：一體化SoC（系統級芯片），它的專用性最強、能耗最低，性能也很好，能效比非常高，但只有應用范圍很廣時，投入產出比才會更高；分體式板卡，它的優勢在于靈活，可以在需要的時候隨意組合，但板與板之間連接的功耗、帶寬速度都要大打折扣。

超異構將提供更多的靈活性和更快的技術應用周期，推動計算創新發展。它包含三大要素：多架構、多功能芯片，多節點和先進封裝技術，統一的異構計算軟件。在多架構、多功能芯片方面，有標量、矢量、矩陣、空間等多種計算架構。例如，CPU是標量架構，GPU是矢量架構，深度神經網絡的專用加速芯片是矩陣架構，FPGA是空間架構。在多節點和先進封裝技術方面，傳統的封裝就是把芯片平鋪在一起，這種方式存在一些缺點：一是增加了面積，二是芯片之間的連通帶寬還需要加速。2.5D和3D封裝的出現解決了這些問題，不只是把計算芯片和內存連接起來，還能把計算芯片互相連接，并像高樓一樣分成幾層堆起來，這就是先進封裝技術。同一個異構系統中需要使用多種架構的芯片來完成計算任務，而對于開發者來說，掌握多種架構的軟件優化技巧比較困難。統一的異構計算應用程序接口（API）可以解決這個問題，它利用預先研發的軟件庫來封裝不同種類的硬件架構，從而為軟件開發者提供統一的編程接口，降低開發難度并提高效率。未來的人工智能芯片會將這些技術綜合使用，獲得性價比、能耗比最優的智能計算方案。