8月23日，IBM研究實驗室在《自然》期刊雜志上公布了其最新研究成果，研發(fā)出了一種全新的人工智能（AI）模擬芯片，能效可達傳統(tǒng)數(shù)字計算機芯片的14倍，可大幅降低AI計算的功耗。

該文章摘要顯示，當前擁有數(shù)十億個參數(shù)的 AI 模型可在一系列任務中實現(xiàn)較高精度，但也凸顯出傳統(tǒng)通用處理器（包含圖形處理器、中央處理器等）效能低下的問題。對此，IBM研究團隊提出“模擬內存計算”的方案，通過在自身的存儲器上并行執(zhí)行矩陣-向量乘法，以提供更強的能效。

IBM的研究團隊基于該方案開發(fā)出了一個 14nm 模擬芯片，利用34個大型相變存儲器（PCM）陣列，結合了數(shù)模轉換輸入、模擬外圍電路、模數(shù)轉換輸出和大規(guī)模并行二維網格路由。每個14nm芯片上可編碼3500萬個PCM，在每權重對應2-PCMs的方案中，可容納1700萬個參數(shù)。將這些芯片組合在一起，便能夠像數(shù)字芯片一樣有效地處理真實AI用例的實驗。

在測試環(huán)節(jié)中，IBM研究團隊先后使用谷歌語音檢測和Librispeech語音識別數(shù)據集來分別測試該芯片語言處理能力的效率。

在關鍵詞語音檢測方面，IBM團隊提出了一種卷積神經網絡架構，并在包含12個關鍵字的谷歌語音命令數(shù)據集上進行訓練。團隊采用了架構更簡單的FC（全連接）網絡結構，最終達到了86.14%的識別精度，且提交速度比MLPerf目前最佳情況快7倍。該模型使用硬件感知訓練在GPU上進行訓練，然后部署在團隊的模擬AI芯片上。

在規(guī)模更大的 Librispeech 語音識別數(shù)據集上，利用5個模擬AI芯片組合在一起，運行RNN-T（循環(huán)神經網絡轉換器）模型，以逐個字母地轉錄語音內容。該系統(tǒng)包含5個芯片上1.4億個PCM設備的4500萬個權重，能夠采集人們說話的音頻并以非常接近數(shù)字硬件設置的精度進行轉錄。該實驗最終達到9.258%的單詞錯誤率，能量效率達6.704TOPS/W（萬億次操作每秒/瓦），比MLPerf目前最佳能效提高了14倍。

值得注意的是，IBM的這款AI芯片所搭載的相變存儲器，是由IBM與旺宏共同開發(fā)的。

據了解，旺宏與IBM合作淵源深厚，早在2004年，雙方就已經有策略合作聯(lián)盟關系，并共同投入相變存儲器開發(fā)十余年，雖然初期還有不少同業(yè)者加入，但隨著時間流逝，不少廠商已經退出了共同研發(fā)合作，目前旺宏是IBM相變存儲器唯一合作伙伴，并取得特定AI相關授權。

目前旺宏與IBM的相變存儲器共同開發(fā)計劃，以三年為一期，期滿后雙方視狀況再簽訂新共同開發(fā)合約。雙方早已嗅到AI帶來的商機無窮，將相變存儲器合作方向瞄準AI應用，最近一次合約于2021年10月簽訂，旺宏還特別通過重大信息公布了相關內容。

旺宏當時公告指出，該公司將繼續(xù)參與IBM相變存儲器共同開發(fā)計劃，并取得特定模擬AI技術授權，該次合約從2022年元月22日起至2025年元月21日止，旺宏將有保密義務并分擔研發(fā)費用，同時遵守美國出口管制法令等義務，具體目的為持續(xù)投入先進技術開發(fā)，對旺宏技術及競爭力有正面影響。

業(yè)界人士分析，相變存儲器具備速度快、非揮發(fā)性、低功率等特性，讓高密度存儲器可做為儲存應用，填補AI服務器所需的DRAM、NAND當中的價格及性能落差。

對于與IBM合作相變存儲器的最新進展，旺宏于29日表示，持續(xù)順利進行中，鎖定AI等先進應用發(fā)展。

編輯：芯智訊-林子