Stanford大学团队研发错觉系统，让电子装置电池更节能且AI化
http://bit.ly/3cz32IC
Stanford大学的一组研究人员开发了一种将处理器和内存结合在八颗混合芯片上的方法
，以使AI可以在电池供电的装置（例如：智慧型手机和平板电脑）上运行。也就是说，如
果智慧手表或手机等电池驱动的电子产品能够运行AI算法，它们将变得更加智慧。这使
得电池驱动的装置可望AI化。
基本上，处理器和内存之间的协同运作可能会消耗机器学习和AI所需电量的95%，这严
重影响了电池寿命。如果能够降低耗电，且快速执行AI指令，那么这对于穿戴式装置在未
来的发展，有非常大的突破。
问题在于，为行动装置建构具有AI功能的芯片遇到被称为“内存墙（Memory Wall）”
的瓶颈。也就是说，内存墙会将数据处理和内存芯片分隔，导致它们无法协同运作，
无法满足AI的大规模且不断成长的运算需求。
此前，该团队曾开发了一种新的内存技术RRAM，具有快闪存储器般在断电条件下储存资
料，且速度更快，能源效率更高。随着RRAM技术的出现，让研究人员得以成功开发出独立
作业的初期混合芯片。
要开发出这一系统，新的关键要素是算法。该算法允许将八颗单独的混合芯片合并到
一个节能的AI处理引擎中，再透过“欺骗”策略，让这八颗独立的混合芯片，以为是同属
于一颗芯片，就能够达到节能的效果。该团队称其为“错觉系统”。
该错觉系统隶属于美国国防先进研究计画署（DARPA）资助的“电子复苏计画”（ERI）。
现今DARPA正大力支持研究摩尔定律之可替代方案，毕竟，随着电晶体微型化程度受到限
制，其必须寻找另外其他可能改变电子技术进步的方法。简单来说，要超越传统电子技术
的极限，必须要有新的硬件技术和应用思路。
Stanford团队在法国研究机构CEA-Leti以及新加坡南洋理工大学的帮助下，研制并测试了
雏型的错觉系统。所以八颗芯片的系统仅仅是一个开端。
在模拟测试中，研究人员发现，融合64颗混合芯片的系统运行AI应用程式的速度是当前处
理器的七倍，而耗能仅为当前处理器的七分之一。这些功能可望推动增强大脑、VR眼镜和
深层神经网络学习等方面的研究。
如果一切顺利且错觉系统表现符合预期的话，可望在三到五年内投入市场，给行动与穿戴
式装置市场带来突破的契机。