魏少军：智能化助力半导体产业发展

11 月 23 日，在 2023 中国临港国际半导体大会中，中国半导体行业协会 IC 设计分会理事长、清华大学集成电路学院魏少军教授做了《智能化助力半导体产业发展》的主题演讲。

本次演讲主要分为四个部分：人工智能延伸人类的认知能力、计算技术驱动半导体产业不断成长、全球半导体产业大变局、智能化助力中国半导体产业自立自强。

人工智能延伸人类的认知能力

三轮智能化浪潮

首先，魏少军表示，人类已经经历了三轮智能化浪潮。第一次在 1946 年，主要是通用计算装置的出现，这一装置仅具备计算、数据存储与检索能力；第二次在 1990 年通用推理装置的出现，该装置可以使用手工知识库和规则库做逻辑判断；第三次是在 2017 年机器学习装置的出现，它可以使用机器学习算法做分类和识别。

正是在第三轮智能化浪潮中，研究开始取得巨大进步。比如谷歌的 DeepMind，它在包含 20000 个数据的人脸识别工作中明显强于人类，它在语音识别的工作中，错词率也仅仅只有 5.9%。魏少军教授表示，在第三轮智能化浪潮中，人工智能已经有多方面超过人类。

人类正在进入智能化时代。如果说，第一次工业革命以机械化、电力化和自动化为主要内容解放了人类的双手，提供人类巨大的能源，实现了人类体能的延伸和放大，延伸我们四肢的能力。那么以计算机、网络、通信、光电子和集成电路路等技术为主要内容的信息革命，实现了人类感官能力的延伸和放大，延伸我们的感观能力。但是工业革命和信息革命都没有解决当下大脑的问题，当下正在发生的新的智能化革命，正在实现人类大脑能力的延伸和放大，延伸人类的认知能力。

人工神经网络

谈到智能化，不得不回顾一下上世纪 40 年代人工神经网络概念的提出。1943 年，美国神经生理学家沃伦·麦卡洛克 (Warren McCulloch) 和数学家沃尔特·皮茨 (Walter Pitts) 合作，对大脑的神经元进行类比和建模，发明了人工神经网络。麦卡洛克不懂数学，皮茨不懂神经学，两者跨界融合，产生了影响世界的神经网络。

后来 David Hubel 在上世纪 80 年代发现了人类视觉系统的信息处理方法。提到了人的视觉处理机制可以看成高层的特征是低层特征的组合，从低层到高层的特征表达越来越抽象和概念化。这个发现激发了人们对于神经系统的进一步思考。大脑的工作过程是一个对接收信号不断迭代不断抽象概念化的过程。他们都构建了人工智能非常重要的基础。

魏少军表示，现在的人工智能主要分类两类：类脑计算和深度学习。

类脑计算通过存内计算架构，直接用存储单元做乘累加运算，将存储和计算融为一体，避免了权重参数的反复搬运，大幅提升矩阵乘法的计算效率，可并行加速深度学习算法。

深度神经网络和深度学习是另外一个分支。深度神经网络的三个基本要素为：算法、数据和算力。深度神经网络（DNN）是一种多层无监督神经网络，并且将上一层的输出特征作为下一层的输入进行特征学习，通过逐层特征映射后，将现有空间样本的特征映射到另一个特征空间，以此来学习对现有输入具有更好的特征表达。

加拿大蒙特利尔大学教授约书亚·本希奥、谷歌副总裁兼多伦多大学名誉教授杰弗里·欣顿，以及纽约大学教授兼 Facebook 首席 AI 科学家杨立昆因在人工智能深度学习方面的贡献获得 2018 年度图灵奖。他们三位被业内人士称为「当代人工智能教父」，是深度神经网络 (deepneural network) 的开创者，也被成为深度学习 (deeplearning) 三巨头。

计算技术驱动半导体产业不断成长

在过去的三四十年，人类经过了很多不同的时代，比如早期的科学计算时代，后来的个人计算时代、移动计算时代、云计算时代以及智能计算时代。

智能计算时代与人工智能密切相关。由于算法的多样性和复杂性，人工智能需要一款「计算引擎」，它需要具备可编程能力并适应各类应用、适合计算和存储密集型应用以及数据从「云端」向「边缘」迁移时，具备高效能的计算。

然而当下，人工智能芯片还面临着两大难题。第一个就是算法在不断演进，新算法层出不穷。第二个是一种算法对应一种应用，没有统一的算法。

人工智能芯片的主流架构演进图

魏少军表示，最初在没有人工智能芯片时，我们的解决办法是使用传统的器件来实现想要的功能，后来演进到制作专用器件，由于专用器件应用的不便利性，具有更强灵活性的芯片被制造出来。如今 ChatGPT 的出现对具有更大算力且通用性更强的芯片提出更高需求。比如英伟达的 GPU 如此受欢迎不仅是因为它的算力大，还因为其通用性更强，它可以用来训练各种各样的模型。因此，通用为王的优点再次被体现。

如今高性能计算机的计算能力已经进入 E 级时代。E 级超算是指每秒可进行百亿亿次数学运算的超级计算机，是国际上高端信息技术创新和竞争的制高点，被全世界公认为「超级计算机界的一顶皇冠」。2022 年 5 月 30 日，国际超算大会 (SC) 在德国汉堡发布了最新版全球超算 TOP500 榜单，美国橡树岭国家实验室的新型超算「前沿」（Frontier) 以压倒性优势成为全球最快超算。尤其让外界关注的是，「前沿」也是全球首台正式发布的每秒浮点运算速度超过百亿亿次的超算。

随着全球数据量超过 100ZB(1021)，对 Z 级计算能力的需求愈发迫切。人类对于更高算力的追求在过去数十年里从末停滞。然而，依靠工艺技术的进步几乎无法实现更高性能的计算，因为超算的处理速度若达到 Z 级，耗电量投资额必然巨大，这将难以落地。

魏少军还提到，现有的计算芯片架构难以胜任下一代计算的要求。因此人类当下正面临着计算机架构创新的黄金时代。那么应该如何呼唤新的计算芯片架构呢？

新的计算芯片架构

魏少军教授展示了一张分别以硬件可编程性和软件可编程性为横轴和纵轴的图。在这张图中 CPU 等处理器位于第一象限，ASIC 等专用集成电路在第三象限，FPGA 等可编程逻辑器件在第四个象限，第二象限空白的区域就是正在探索的新型架构，这种架构需要具备很强的通用性、灵活性；不存在寡头垄断；采用先进工艺等等。

未来必将会经历的阶段还有软件定义芯片。芯片是计算的主体，但真正实现智能化以来的还是软件。因为软件具有自己学习的能力、形成知识和经验的能力、持续改进和优化的能力、再生和组织能力、思维逻辑推理能力以及做出正确判断和决断的能力。

在国际上，美国和欧洲高度重视软件定义芯片技术的研究。比如美国 2018 年的 DARPA 电子振兴计划以及欧洲的地平线计划。这两个项目做下来虽然取得了不少成绩，但是实质上并没有摆脱传统计算机架构的影响。在这一点上，中国的突破要早于并优于世界同行。

经过十年努力，中国科技工作者攻克了计算模式、硬件架构和映射方法三个关键技术，实现了芯片架构和功能的纳米级重构，使硬件电路可随软件算法的变化而快速变化，在确保灵活性的同时，大幅提升能量效率。

软件定义芯片技术是能够替代 ASIC 和 FPGA 的新型电路架构技术，有望为我国集成电路设计业摆脱跟随模仿、实现赶超，提供一条全新的技术路线。

全球半导体产业大变局

半导体成为地缘政治博弈的工具。如对华科技政策负责人马西尼已牵头制定并推进美国人工智战略，同时认为「半导体才是人工智能领先地位的真正基础」。美国 AI 战略负责人施密特认为「美国要确保领先中国半导体至少 2 代」，美国需与「日、韩、欧联合抗衡」。

一些国家尝试着把中国排除在全球半导体供应链之外。半导体领域的「军备竞赛」加剧全球供应链的碎片化。美国、欧盟、韩国、日本都各自通过了自己的《芯片法案》。表面看是各自在推动本地集成电路发展，其实是把全球市场进行分割，全球产业化的进程被中止，这个影响负面大于正面。

智能化助力中国半导体产业自立自强

魏少军表示，中国在人工智能领域占据优势。5G 和 AI 也在推动集成电路技术持续进步，这些新的技术反过来也推动了 5G 和 AI 为代表的或来支撑的全球的经济发展。到目前为止，没有有任何一个其他技术可以代替集成电路、代替半导体。业界关于摩尔定律的争论其实从未停止，包括材料的限制、器件的物理尺寸、光刻波长的限制等相关问题。其中的一些问题在半导体行业发展到现在已经得到解决，未来半导体行业的发展将可以更好的满足人类的需求。

本文由半导体产业纵横根据 2023 中国临港国际半导体大会魏少军的演讲整理