我国首款超低功耗存算一体AI芯片在合肥问世
大家都知道我们现在的电脑——不论是PC还是超算，都是处理器、存储芯片分离的，这就是冯诺依曼50多年前确立的计算架构。随着技术的发展，存储计算分离的架构瓶颈越来越多，日前国内研发出了存算一体的AI芯片，号称自主知识产权，国内首创、国际领先。合肥日报报道称，7月16日，合肥恒烁半导体科技公司与中国科大团队历时两年共同研发的基于NOR闪存架构的存算一体（ComputingInMemory）AI芯片系统演示顺利完成。
这标志着，具有我国自主知识产权，国内首创、国际领先的超低功耗存算一体的人工智能芯片在肥问世。
研发团队成员之一、中国科大博士陶临风介绍，存算一体就是把存储和计算结合在一起。在传统计算过程中，计算单元需要将数据从存储单元中提取出来，处理完成后再写回存储单元。而存算一体则省去数据搬运过程，有效提升计算性能。相较于传统芯片，存算一体人工智能芯片具有能耗低、运算效率高、速度快和成本低的特点。
据了解，该芯片是一款具有边缘计算和推理的人工智能（AI）芯片，能实时检测通过摄像头拍摄的人脸头像并给出计算概率，准确且稳定，可广泛应用于森林防火中的人脸识别与救援、心电图的实时监测、人工智能在人脸识别上的硬件解决方案等。
据官网介绍，合肥恒烁半导体科技公司于2015年2月在合肥市注册，在上海浦东高科技园区设有研发中心，并且在中科大先研院设有3DNAND联合开发实验室和测试中心。此外，公司已和多家晶圆生产和封装厂建立了战略合作伙伴关系，共同开发NAND、NOR闪存、EEPROM和其它新型存储器产品。
人工智能芯片主要技术特征/发展态势
懒人阅读：人工智能芯片是人工智能的“大脑”，可以分为终端和云端两个应用方向。目前主流CPU、CPU+GPU、CPU+FPGA、CPU+ASIC架构。人工智能芯片具有两个突出特点：一是算法与芯片的高度契合，面向终端和云端不同需求提升计算能力；二是专门面向细分应用场景的智能芯片，如语音识别芯片、图像识别芯片、视频监控芯片等。
人工智能的核心在于两个环节：训练（Training）算法和利用算法推理（Inference）结论。特别是度学习不仅在传统的语音识别、图像识别、搜索/推荐引擎、计算广告等领域证明了其划时代的价值，也引爆了整个人工智能生态向更大的领域延伸。由于深度学习的训练（training）和推断（inference）均需要大量的计算。正是由于这两个环节中需要强大的计算能力进行支撑的需求的出现开辟了一个新的发展方向，传统芯片对于计算能力支撑不足导致更适合人工智能计算需求的芯片开始出现。
伴随着深度学习理论引领了人工智能最新一轮热潮，芯片是完成计算的核心，是人工智能的“大脑”，必将越来越得到重视。人工智能芯片可以分为终端和云端两个应用方向。由于应用场景对性能、时延等参数提出具体的要求，计算核心处理器所处的位置成为不同厂商的争论焦点。有人认为，需要在设备端就能迅速反馈结果，而另一派认为应该将采集到的数据传回云端，由服务器进行终端设备难以匹敌的复杂计算。
目前主流CPU、CPU+GPU、CPU+FPGA、CPU+ASIC架构均因硬件规模、算法、功耗等原因不符合AI芯片理想架构，相对来说功能动态、实时地跟随软件变化而变化更重要。目前，GPU芯片的同步并行运算非常适用于人工智能的深度学习神经网络。事实证明，在浮点运算、并行计算等部分计算方面，GPU可以提供数十倍乃至于上百倍于CPU的性能。目前国际GPU市场被NVIDIA和AMD（英国）两大公司瓜分。谷歌无人驾驶汽车所采用的技术部件中，就采用了NVIDIA的移动终端处理器Tegra（4核CPU+256核GPU）。
人工智能芯片具有两个突出特点：一是算法与芯片的高度契合，面向终端和云端不同需求提升计算能力；二是专门面向细分应用场景的智能芯片，如语音识别芯片、图像识别芯片、视频监控芯片等。特别是图像和视频中包含了非常丰富的视觉信息，但是从它们之中分析提取中语义级别有价值的信息是非常消耗资源和时间的，而实际上图像，尤其是视频中存在大量冗余信息，必须针对这样的特点进行专门的算法设计。人工智能不只是要求深度学习的芯片，今后将有更多的算法要求硬件支持。
目前随着计算能力和通信能力的大幅提升，智能汽车大规模的市场容量带来的想象空间，使得自动驾驶已成为被广泛看好的人工智能(AI)应用领域，成为投资与技术研发竞相角力的主战场，而“芯片+算法”是能够取得关键点。
在云端这个领域，因为要处理海量的数据，Nvidia的GPU已经成为服务器不可或缺的一部分，但Nvidia自己目前还没有打算大规模自己做服务器，因此在人工智能的云端市场，Nvidia提供的是硬件而非平台。而在终端这个领域，Nvidia基于GPU的人工智能平台一方面功耗太大，另一方面过高的计算能力反而导致成本过高，因此无法与定制芯片抗衡。其实，Nvidia的人工智能平台最具优势的应用场景是上面两种情况的中间，即数据量中等、对计算能力要求还比较高、对功耗有一定要求但是并不苛刻的地方，比如高级辅助驾驶ADAS市场。Nvidia人工智能平台无论计算能力（10-100TOPS）还是功耗（10-100W）都能完美地符合要求，符合自动驾驶市场的硬件需求。
Intel在收购Altera之后推出了基于FPGA的专用深度学习加速卡，积极抢占云端市场，正在积极推广结合其技术为AI优化的KnightMill至强处理器，目标也是在云端。在车载端，Intel与Mobileye和BMW结成了自动驾驶联盟，Mobileye提供传感器芯片和算法，Intel提供云端计算平台，BMW提供汽车。在手持移动端，Intel收购了Movidius，在移动端的人工智能芯片方面进行发力。
谷歌为其深度学习神经网络打造基于ASIC的专用TPU芯片。该TPU芯片也用于AlphaGo的系统中。ASIC是专用集成电路，具有体积更小、功耗更低、性能提高、保密性增强、成本低等优点。TPU目前在谷歌主要用于：1）、机器学习系统RankBrain，用于帮助谷歌处理搜索结果；2）、街景StreetView，用于提高地图与导航的准确性；3）、围棋人工智能AlphaGo，其最初版本使用48个CPU+8GPU，对战樊麾时升级到1202CPU+176GPU，对战李世石时升级至TPU版本。
微软重点研发FPGA人工智能芯片，推出基于FPGA的视觉芯片，目前硬件将FPGA已经被应用在Bing搜索的支持上，基于神经网络推动新的搜索算法，执行速度比传统的芯片会快很多倍，只需要24ms就可以实现搜索，规避了以往长达四秒搜索空白的尴尬。其FGPA同样能够支持微软的云计算服务Azure，未来微软全球的数百万部的服务器将会用FPGA。
同时微软推出基于FPGA技术的视觉芯片A-eye，使得摄像头具有视觉理解能力。FPGA的输入到输出之间并没有计算过程，只是通过烧录好的硬件电路完成信号的传输，因此运行速度非常高，可达CPU的40倍。目前的摄像头主要完成记录、存储等功能，在摄像头上加入A-Eye视觉芯片，就可以让摄像头具有视觉理解能力。A-Eye可以广泛应用在智能安防，婴儿和老人看护，战场机器人，汽车和无人机等各种需要视觉智能的领域。
燧原科技首款人工智能芯片获高度认可 代表我国集成电路产业发展先进水平
仅经历18个月就一次性流片成功，创造业内瞩目成绩的高科技创业公司燧原科技日前再传喜讯。
在近日举办的第十五届“中国芯”集成电路产业促进大会上，这款跑出了“中国速度”的芯片，也是燧原科技第一款人工智能训练芯片的“邃思DTU”在众多参选产品中脱颖而出，获评“中国芯·年度重大创新突破产品”。这也是该奖项自设立三年来，获此殊荣的第一颗人工智能芯片。
“中国芯”集成电路产业促进大会由中国电子信息产业发展研究院举办，是全国性集成电路行业盛会，也是国内集成电路领域最具影响力和权威性的行业会议之一。大会颁发的“中国芯·年度重大创新突破产品”用来表彰在本年度取得重大创新突破、填补国产空白、具有显著经济效益的芯片产品，代表了我国集成电路产业发展的先进水平。这也意味着，燧原科技的“邃思DTU”得到了业内的高度认可。
燧原科技荣获“中国芯-年度重大创新突破产品”奖
燧原科技创始人兼COO张亚林先生出席中国芯颁奖仪式
邃思DTU荣获“中国芯-年度重大创新突破产品”奖
据介绍，邃思（DTU，DeepThinkingUnit）是专为人工智能应用开发的训练加速处理器芯片，基于创新并具有完全自主知识产权的燧原GCU芯片架构（GeneralComputeUnit），包括计算引擎、数据架构、智能互联和先进封装等自研核心技术。由格罗方德12nm先进工艺打造，采用2.5D立体封装，包含141亿个晶体管。该芯片针对数据中心人工智能训练场景，支持计算机视觉、语音识别、自然语言处理，机器学习知识图谱等AI模型训练，在保持高度的灵活性、可编程扩展的同时，在算力、能效比、性价比等维度上具有竞争优势。
邃思DTU
自研的“驭算”计算及编程平台支持业界主流深度学习框架和模型，采用软硬件协同设计理念，提供完整的软件栈包括底层系统软件、算子算法函数库、SDK软件层、工具链等，以支持应用工程师高效快速的应用开发。同时，针对客户的要求可以进行定制化开发，全面开放底层算子定制，为算法工程师提供高效的工具和手段，从而挖掘芯片的极致性能，使算法开发和模型训练达到最佳。
“邃思DTU仅用18个月就一次性流片成功，在于我们建立了一支能打硬仗的工程化团队，用踏实聚焦、精确到日的执行，实现了既定目标。”燧原科技创始人兼COO张亚林表示，“在燧原科技1.0时代，我们完成了第一代产品的研发和量产、产品热启动、并实现了人工智能训练解决方案在云数据中心的商业化落地。在2.0时代，我们还会持续产品的研发和迭代，构建云端训练和推理平台完整解决方案，同时专注于建立市场销售和服务支持体系，迅速拓展业务，从而实现可持续发展。”
事实上，燧原科技的愿景不止于此，其还希望用“三步走”的战略，为互联网、垂直行业以及新基建赋能。张亚林在此前的媒体采访中曾介绍说，燧原科技的中期目标，是利用三年的时间，完成整个云端的AI训练和推断产品部署，完善生态，让燧原科技在中国的云端AI芯片领域成为头部企业。“不仅限于AI，我们希望能够给中国的数据中心带来高科技的产品和更广泛的系统生态。”张亚林说。