〈工業技術與資訊〉產學研打造世界級晶片大腦
工業技術資訊月刊 2019-08-11 14:00
人工智慧(AI)能為人類做的事情愈來愈多,透過演算法,人工智慧不僅會跟人對話,能認出人臉,幫人看病,甚至還幫人開車。在 AI 加持下,各產業創新產品與服務全面興起。這些新興應用背後的運算能力,靠的是 AI 晶片的突破,有如汽車引擎一般,是加速 AI 發展的關鍵!
AI 概念提出至今已超過一甲子,但受限於晶片運算處理效能及記憶體等技術限制,致使人們冀望 AI 能夠達成的許多應用無法實現。時至今日,高效運算和演算法進展一日千里之際,AI 發展可謂水到渠成。
工研院電子與光電系統研究所所長吳志毅表示,AI 基本要素有三:硬體、軟體和應用,三者缺一不可。AI 興起的先決條件就在於運算速度快,受惠半導體技術精進與演算法優化,AI 已能搭配硬體深入生活應用,像是物聯網、自駕車、智慧製造等,為生活與產業帶來各式新興應用。
近年 AI 引起各界關注的引爆點應是 AlphaGo 打敗中、韓棋王。AlphaGo 背後有上千台電腦伺服器同時運算,再挑出最佳的棋步,AlphaGo 的獲勝儘管證明了 AI 的能耐,但有一點不能忽視的是,支援 AlphaGo 的電腦,所耗用電力卻是人腦的 1 萬倍,務實來看,AI 不可能在這麼大的功耗下發展,更遑論進入你我生活。
吳志毅認為,更快的運算速度與更低的功耗是現階段 AI 硬體的主要訴求,且須結合深度學習演算法,才有利於 AI 發展。「如果說各國在 AI 領域的競爭是一場硬仗,那麼晶片會是最關鍵的一環,」吳志毅說。
國際大廠爭相布局 AI 晶片
AI 處理晶片主要分為中央處理器(CPU)、繪圖晶片(GPU)、可編程邏輯閘陣列晶片(FPGA)及特殊應用晶片(ASIC)等 4 種。依特性與使用目的,又可區分為雲端運算與邊緣運算兩類。雲端運算類晶片需要處理龐大的數據,運算時間長,晶片功耗較高,但整體效能佳,以 CPU 和 GPU 為發展主流,主要應用在資料中心與超級電腦;邊緣運算類晶片則是在雲端與終端裝置間設置運算層,先行處理龐大資料,傳送即時性佳,功耗要求低、晶片體積小,以 FPGA 與 ASIC 為主。
觀察目前主要國際大廠的 AI 晶片現況,GPU 龍頭輝達(NVIDIA)布局 AI 腳步最快,GPU 同步重覆運算能力適用於 AI 深度學習;CPU 大廠英特爾(Intel)先後併購 Nervan System、Mobileye、Movidius、Altera 及 eAsic 等 AI 相關公司,布局 AI 晶片企圖心明顯;Google 推出 AI 晶片 TPU(Tensor Processing Unit),屬客製化 ASIC;微軟(Microsoft)則推出基於 FPGA 的視覺 AI 晶片。
吳志毅分析,一般認為以演算法為基礎的 AI,軟體成分較重,但從傳統晶片大廠積極競逐 AI 市場的大動作來看,「AI 時代硬體發展的重要性不亞於軟體,這正是台灣發展 AI 的希望所在。」
AI 時代下台灣的機會點
AI 運作約略可粗分為兩階段,分別是「學習」和「推論」,前者透過機器學習技術,利用大量樣本數據對演算法進行訓練;後者則執行演算法,在終端應用解讀現實的數據。
觀諸國際大廠布局,雲端運算使用的 CPU、GPU 晶片已被國際大廠把持。吳志毅認為,台灣不一定要搶大廠擅長的高效能運算晶片設計市場,加上國際大廠未來也會借重台積電先進製程,突顯台積電在這場 AI 戰爭中的重要地位。此外,Google 資料中心也採用不少台灣廠商元件和產品,台灣亦具發展優勢。
吳志毅指出,台灣若要切入 AI 產業,潛在機會在於邊緣運算。隨著 AI 技術日趨演進,AI 由雲端走向裝置端已成必然趨勢,裝置端 AI 的主要關鍵在於擁有高效能的 AI 晶片。「台灣在晶片、終端設備與系統具有優勢,也擁有高度的靈活度和彈性,如能配合軟體產業,就有很大的發展空間。」
台灣半導體產業 2018 年總產值居全球第三,其中晶圓代工及封裝測試皆為全球第一,IC 設計業則僅次美國居全球第二。吳志毅認為,在半導體製造強項的基礎上,配合軟體平台,在軟硬體相得益彰下,台灣在 AI 的發展機會還是很好。
AI on Chip 示範計畫籌備小組啟動
為了讓台灣半導體產業能在 AI 時代占有一席之地,政府在 2018 年通過「台灣 AI 行動計畫」,成立「AI on Chip 示範計畫籌備小組」,藉此推動台灣 AI 晶片產業發展,打造世界級 AI 晶片,提升在人工智慧領域的國際地位。
工研院電光系統所副所長張世杰進一步指出,台灣的 IC 設計業在多樣化的裝置端晶片十分擅長,但在裝置端 AI 晶片方面,部分廠商面臨光罩價格過高,不適用少量多樣情境;此外,廠商也遭遇缺乏關鍵 AI 加速器,AI 系統整合能力不足的問題。「AI on Chip 計畫」就是要協助解決台灣廠商發展 AI 晶片的相關問題,進而取得市場領先地位。
聚焦四大 AI 晶片議題重點
AI on Chip 計畫整合台灣產學研研發能量的計畫平台,工研院為成員之一,計畫聚焦「半通用 AI 晶片」、「異質整合 AI 晶片」、「新興運算架構 AI 晶片」與「AI 晶片軟體編譯環境開發」四大議題,推動台灣 AI 晶片發展藍圖,建立起世界領先的 AI 晶片供應鏈。
張世杰說明,「半通用型 AI 晶片」著重在發展特定應用的邊緣運算推論及深度學習晶片;「異質整合 AI 晶片」可把不同晶片透過異質整合技術提升系統效能,同時縮小體積、減少功耗、降低成本,讓 AI 系統方便應用於更多情境,以應付少量多樣的需求。
至於「新興運算架構 AI 晶片」則發展類比、記憶體及類神經新興運算架構,以大幅突破目前 AI 運算的耗能及運算效能瓶頸,重點放在研發類腦神經運算晶片,預計明年可望問世,目標在打造出規格全球前三名的 AI 晶片。
「AI 晶片軟體編譯環境開發」則會提供最適化的 AI 晶片軟體開發環境,以充分發揮 AI 硬體效能。張世杰說,AI 晶片多需配合實際系統應用進行客製化設計,台灣除了少數一線 IC 設計大廠,中小型 IC 設計公司多缺乏軟體開發能力,更遑論進行專利布局,工研院研發的「AI 晶片架構設計與軟體編譯解決方案」,就是為此設計,可大幅縮短設計時程、快速搶進 AI 晶片市場。
產學研打造高效超低功耗 AI 晶片
AI on Chip 示範計畫第一階段將以發展超低功耗 AI 晶片為主,應用目標為裝置端產品,第二階段則鎖定發展高性能 AI 晶片,應用目標為邊緣運算伺服器。由於規劃發展的技術極具挑戰性,計畫執行將以業界引導、學研共同開發的模式來進行,預計今年 6 月成立 AI on Chip 產業聯盟,結合國內主要 IC 設計業者和平台軟硬體廠商,屆時將有 20 家以上廠商加入。
除了晶片技術的發展,新一代 AI 晶片的應用場域,也是規劃的重點。張世杰表示,整合物聯網晶片化整合服務計畫,發展相關的智慧物聯網(AIoT)產品,協助一般中小企業發展更具競爭力的 AI 方案,應用於智慧製造、智慧醫療與智慧城市等場域,協助產業數位轉型。初步規劃以某百貨商場為示範場域,將 AI 晶片導入監視攝影機裝置中,進行消費者購物分析。
整體而言,在邊緣運算越來越重視終端裝置運算能力的趨勢下,我國發展 AI on Chip 的策略,是運用台灣資通訊硬體的優勢,提供高性價比、低耗能的 AI 晶片,連結服務驗證場域,訴諸互利關係以連結國際大廠,吸引國際 AI 平台採用台灣 AI 晶片產品,進而促成台灣在 AI on Chip 的出口國地位,保有台灣半導體產業在 AI 時代的領先優勢。
轉載自《工業技術與資訊》月刊第 329 期 2019 年 05 月號,未經授權不得轉載。
- 利率避險神器!活用利率期貨交易策略
- 掌握全球財經資訊點我下載APP
文章標籤
鉅亨贏指標
了解更多上一篇
下一篇