未来十年，谁拥有芯片，谁就将制胜于更长远的未来

任何智能发展都离不开硬件基础。除了现在人们熟知的CPU（中央处理器）、GPU（图形处理器）、FPGA（现场可编程门阵列）、专用加速器等智能计算的硬件基础外，一些硬件架构技术也在不断加速发展。例如英特尔公司最近推出的Loihi神经拟态芯片（Neuromorphic Research Test Chip），就是模仿人脑神经元的构造、连接方式和工作方式设计实现的。神经拟态计算从人脑的信息处理机制中获得灵感，来构建人工智能系统。Loihi是目前最先进的神经拟态计算处理器，它采用英特尔领先的14纳米工艺制成，集成度高，在60平方毫米的芯片上有13万个神经元和1.3亿个神经突触（见图1-5）。它能达到什么效果呢？Loihi支持多种脉冲神经网络架构，可以在很低的功耗下工作（这一点和人脑非常相似）。最重要的是，它具有可编程学习能力，能够在线自主训练，并且支持多种学习算法，包括监督学习、非监督学习、增强学习等。Loihi的能效比通用处理器高1000倍。目前，一块小芯片能使13万个神经元互相连接。英特尔公司在2019年7月宣布，包含64块Loihi研究芯片、代号为“Pohoiki Beach”的800万神经元神经拟态系统已经可以供广大研究人员使用。

图1-5 Loihi芯片和64芯片神经拟态系统

那么未来十年，智能计算会发展到什么程度呢？我大胆地预测一下。假设未来芯片的晶体管密度按照摩尔定律的速度发展——10纳米、7纳米、5纳米，十年之内一定会超越5纳米，那么晶体管密度至少会提高8倍。然后，我们还可以用3D芯片制造技术，在一颗芯片内封装多层内核。假设十年后，通过3D芯片技术可以让计算密度再提高64倍，我们便可以像Pohoiki Beach一样设计多芯片互联的系统；假设十年后，我们可以互联1000块芯片，那么这样的系统尺寸会做到多大呢？可能比我们现在用的桌面型打印机还要小。这样的系统可以容纳670亿个神经元，已经很接近人脑的神经元量级了！

当我们展望下一个十年或者更长远的未来时，随着人工智能应用变得愈加广泛和深入，仅靠一种架构的AI芯片是不能解决各种问题的。同时，随着创新速度越来越快，设备种类越来越多，其要求的迭代速度也越来越快，我们不会再有一个独立的平台（例如20世纪90年代到2000年的PC，2005年到现在的手机）。传统的异构计算已经不能满足日益发展的人工智能计算需求，我们正在迈入超异构计算时代。

异构计算在20世纪80年代就已出现，它是指在完成一个任务时，采用一种以上的硬件架构设计，把它们组合在一起。组合方式主要包括：一体化SoC（系统级芯片），它的专用性最强、能耗最低，性能也很好，能效比非常高，但只有应用范围很广时，投入产出比才会更高；分体式板卡，它的优势在于灵活，可以在需要的时候随意组合，但板与板之间连接的功耗、带宽速度都要大打折扣。

超异构将提供更多的灵活性和更快的技术应用周期，推动计算创新发展。它包含三大要素：多架构、多功能芯片，多节点和先进封装技术，统一的异构计算软件。在多架构、多功能芯片方面，有标量、矢量、矩阵、空间等多种计算架构。例如，CPU是标量架构，GPU是矢量架构，深度神经网络的专用加速芯片是矩阵架构，FPGA是空间架构。在多节点和先进封装技术方面，传统的封装就是把芯片平铺在一起，这种方式存在一些缺点：一是增加了面积，二是芯片之间的连通带宽还需要加速。2.5D和3D封装的出现解决了这些问题，不只是把计算芯片和内存连接起来，还能把计算芯片互相连接，并像高楼一样分成几层堆起来，这就是先进封装技术。同一个异构系统中需要使用多种架构的芯片来完成计算任务，而对于开发者来说，掌握多种架构的软件优化技巧比较困难。统一的异构计算应用程序接口（API）可以解决这个问题，它利用预先研发的软件库来封装不同种类的硬件架构，从而为软件开发者提供统一的编程接口，降低开发难度并提高效率。未来的人工智能芯片会将这些技术综合使用，获得性价比、能耗比最优的智能计算方案。