《自然》23日發(fā)表的研究報道了一種能效為傳統(tǒng)數(shù)字計算機芯片14倍的人工智能（AI）模擬芯片。這一由IBM研究實驗室開發(fā)的芯片在語音識別上的效率超過了通用處理器。該技術(shù)或能突破當前AI開發(fā)中因算力性能不足和效率不高而遇到的瓶頸。

研究者拿著14納米模擬AI芯片。 
圖片來源：雷恩·萊文/《自然》網(wǎng)站

隨著AI技術(shù)的崛起，對能源和資源的需求也隨之上升。在語音識別領(lǐng)域，軟件升級極大提升了自動轉(zhuǎn)寫的準確率，但由于在存儲器與處理器之間移動的運算量不斷增加，硬件無法跟上訓練和運行這些模型所需的數(shù)以百萬計的參數(shù)。研究人員提出的一個解決辦法是，使用“存內(nèi)計算”（CiM，或稱模擬AI）芯片。模擬AI系統(tǒng)通過直接在它自己的存儲器內(nèi)執(zhí)行運算來防止低效，而數(shù)字處理器需要額外時間和能源在存儲器和處理器之間移動數(shù)據(jù)。模擬AI芯片預計能極大提升AI計算的能效，但對此的實際演示一直缺乏。

在檢測板上的14納米模擬AI芯片。
圖片來源：雷恩·萊文/《自然》網(wǎng)站

研究團隊此次開發(fā)了一個14納米的模擬芯片，在34個模塊（tile）中含有3500萬個相變化內(nèi)存單元。研究團隊用兩個語音識別軟件在語言處理能力上測試了該芯片的效率，這兩個軟件分別是一個小網(wǎng)絡（谷歌語音命令）和一個大網(wǎng)絡（Librispeech語音識別），并在自然語言處理任務上與行業(yè)標準進行對比。小網(wǎng)絡的性能和準確率與當前的數(shù)字技術(shù)相當。對于更大的Librispeech模型來說，該芯片能達到每秒每瓦12.4萬億次運算，系統(tǒng)性能估計最高能達到傳統(tǒng)通用處理器的14倍。

用來制造模擬AI芯片的300毫米晶圓。
圖片來源：雷恩·萊文/《自然》網(wǎng)站

研究團隊總結(jié)道，該研究在小模型和大模型中同時驗證了模擬AI技術(shù)的性能和效率，有望成為數(shù)字系統(tǒng)的商業(yè)可行的替代選擇。