2020年11月13日 作者：David Lammers "对于边缘来说，这一切都涉及到消耗最少的电力，同时优化所需的性能"。 鉴于大流行期间行业活动走向虚拟的新现实，今年到目前为止，我能够登录到半打半导体会议。一个反复出现的主题是人工智能（AI）和深度学习（DL）的芯片，这是一个不断发展的领域，涉及广泛的技术和设备类型。贯穿这些会议的一个共同脉络是对内存优化和解决电源/内存瓶颈的关注。 人工智能是一个热门市场。ABI研究公司估计，整个人工智能芯片市场将在2024年达到210亿美元。其中令人惊讶的是，基于ASIC的人工智能加速器占有很大一部分，预计到2024年，其价值将增加两倍，达到90亿美元的总可用市场（TAM），复合年增长率（CAGR）为30%。 对于训练和推理处理，各公司都在绞尽脑汁，试图想出省电的解决方案。虽然机器学习只是数据中心总耗电量的一部分，但它正在迅速扩大。2017年，数据中心的耗电量约占美国总耗电量的3%，到2020年，这一比例将翻倍至6%。智能边缘设备的扩散也在加速。根据市场研究公司IDC的数据，在未来十年，将有1250亿个 "东西 "连接到互联网上，届时每年将有接近60Zettabytes的数据被创造、捕获、复制和消费。 很明显，我们的行业面临着一个重大挑战：如何在边缘实现许多智能设备，在边缘以非常低的功耗推断所有这些数据，并在云中管理、处理和训练指数级增长的数据，同时保持能源可控。 人工智能参考包的发展 GLOBALFOUNDRIES计算业务部副总裁Hiren Majmudar表示，"推理和训练都存在功率瓶颈"，这很好地发挥了GF的技术产品，包括其基于FinFET的12LP（12nm FinFET）平台和12LP+解决方案，以及其基于全耗尽SOI的平面22FDXTM（22nm FD-SOI）平台。 基于FinFET的技术对人工智能处理器具有功率和成本优势，无论是在云端还是在边缘。12LP+解决方案能够以>1 Ghz的速度运行AI内核，并具有新的低压SRAM和能够在0.55V下运行的标准单元库。12LP+是GF最先进的FinFET解决方案，今年已投入生产，与12LP基础平台相比，它有一个双工作功能的FET，可提供高达20%的逻辑性能或高达40%的低功率。 "我们的客户有独特的架构，往往依赖于一套有限的标准单元，"他说。"我们在DTCO（设计技术共同优化）方面下了很大功夫，并开发了一个人工智能参考包，用一套预先包装好的元件来证明其潜力。通过合作的DTCO模型，我们的客户可以迅速将他们的SoC目标推向市场。DTCO工作可以包括基于客户自己的架构的设计分析服务，以优化性能、功率和面积（PPA）。" Majmudar说，最佳的PPA看起来不同，取决于具体的应用。 "所有部门都有成本意识。对于云来说，它是关于每瓦特的TOPS，以最低的功率获得最佳的性能。他说："对边缘来说，所有这些都是关于最低成本和消耗最少的电力，同时优化边缘所需的性能。 Majmudar说，22FDX的eMRAM产品对于开发人工智能应用的客户来说具有优势，"寻求即时开机，或永远开机"。"eMRAM有很多应用，客户用它来获得更好的密度和非挥发性。另一个是内存中的模拟计算，"他补充说。 人工智能工作负载的范围很广，包括语音、视觉和成像，在训练和推理的要求之上。"我们是一个非常专业的代工厂，不断创新我们的IP产品。我们继续投资于IP、模对模互连、内存和接口IP。他说："我们有一个明确的路线图，我们将根据客户的意见继续改进。 创新的初创企业 在未来的博客中，我计划详细介绍GF是如何与该领域的初创公司合作的，但其中一个值得在此简要提及，只是为了让大家了解GF的客户在人工智能芯片方面有多少创新。 完全耗尽的绝缘体上的硅平台很适合支持动态电压、频率扩展和自动时钟门控。其结果是信号处理和神经网络算法的超低功耗，可以在电池供电的物联网设备中运行。 Perceive是Xperi Corp.的主要子公司，旨在为超低功率消费设备中的传感器数据进行人工智能推理。Perceive的 "Ergo "边缘推理处理器能够在设备上处理大型神经网络，其效率比当今具有推理能力的处理器高20至100倍。 该公司专注于具有集成神经网络处理功能的安全摄像机、智能电器和移动设备，消除了将数据发送到云端进行推理处理的必要性。 请观看下面的简短视频，听听Perceive首席执行官Steve Teig与GF高级副总裁Mike Hogan谈论Perceive的人工智能和机器学习方法。
