人工智能技术正重塑芯片设计
http://bit.ly/2yXjC09
AI开始影响半导体设计，因为架构师开始利用其功能来提高性能和降低功耗，为未来芯片
的开发，制造和更新方面的一些基础转变奠定了基础。
AI和机器学习以及深度学习子集，可用于极大地改善芯片内特定的功能控制和功率/性能
。出于这些目的，它可以在现存装置之上分层，并且可以整合到新设计中，允许它应用于
大范围的功能或针对非常窄的功能。
AI为芯片提供了许多好处。首先：它通过更稀少的算法或数据压缩来改变特定功能的准
确性，从而增加了粒度，从而提高了性能并降低了功耗。其次，它提供了将数据作为模式
而不是单个位进行处理的能力，有效地提高了计算的抽象级别并增加了软件的密度。第三
，它允许处理和储存器读/写就像矩阵一样，大大加快其运作。
但AI还需要重新思考数据如何在跨越芯片或芯片之间的移动或不移动。无论是应用于边缘
还是应用于数据中心，还是涉及培训或推理，处理和储存的数据量都是巨大的。
从好的方面来说，AI提供了一种平衡高精度结果的方法，而不是使用更多精度更低的元素
来实现足够高的精度。在语音识别的情况下，精密度远不如安全应用中的脸部识别或自动
驾驶车中的物体识别那么重要。
对于AI，重要的不是硬件和软件，而是关于数据的质量、数量和移动。这需要一种不同的
方式来看待设计，包括过去设计经常忽略团队之间的协作。对于AI要建构新系统，需要特
定专业领域的专家、机器学习专家以及优化和性能专家，尤其是它们之间的协作。
AI最适合神经形态方法和不同的内存架构。使工作最佳化需要远远超出处理器的架构。
它需要在内存中来回传输大量数据，并且需要更改内存，以便可以从左到右和上下左
右写入和读取数据。实际上，软硬件整合允许软件方面的设计获得更高的密度，并且它加
速了数据在内存中的移动。
但是，AI也存在一定程度的风险，具体取决于应用和精确度。
总体来说，在产业竞争的背景下，半导体想要在更低功率下提高性能，的确需要一些新的
设计方式。随着摩尔定律在16 / 14奈米之后的每个节点的功率和性能都能逐步提升20%，
因此每一家公司都在寻找替代或补充这些优势的新方法。AI就是关键之一。