新闻 
绕开光刻机"卡脖子" 中国新型芯片问世
绕开光刻机"卡脖子" 中国新型芯片问世绕开光刻机"卡脖子" 中国新型芯片问世
当AI时代算力集群规模正逐步从万卡向十万卡、百万卡甚至千万卡升级时，一支中国团队悄然另辟蹊径。今年10月，北京大学人工智能研究院/集成电路学院双聘助理教授孙仲与北京大学集成电路学院蔡一茂教授、王宗巍助理教授率领的团队成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，在全球范围内首次将模拟计算的精度提升至24位定点精度，让未来同等任务下使用更少的计算卡成为可能。
这是一种完全不同于目前所有商用量产芯片的新型芯片，计算精度从1%跃升至千万分之一；可以支撑6G、具身智能及AI大模型训练等多个前沿场景；更重要的是，它可在28纳米及以上成熟工艺量产，绕开光刻机“卡脖子”环节。
事实上，AI大模型、具身智能、6G等应用背后都是矩阵计算，AI推理是做矩阵乘法，AI训练是在解矩阵方程。而英伟达的崛起正是得益于GPU（图形处理器）很擅长做矩阵计算。
作为北京大学人工智能研究院的研究员，“热爱且擅长”让孙仲深耕模拟计算领域多年。从聚焦AI算法底层通用矩阵计算加速研究，到在《自然·电子学》《自然·通讯》等顶刊发表系列成果，他始终锚定模拟计算——这个上世纪30至60年代曾风靡一时却因精度瓶颈被数字计算取代的技术，在他眼中正是突破算力困局的关键。
新型芯片研制成功对于应对AI领域的算力与能耗挑战有何意义？随着摩尔定律渐趋终结、数字计算陷入能耗困局，GPU还能否一直“称王”？近日，《每日经济新闻》记者对孙仲进行了深入专访。
谈技术：为何要重返“过时”的模拟计算？NBD：芯片研制成功的意义是什么？有观点认为，它为算力领域提供了新的技术路线，有助于减少对单一计算范式的依赖，是否如此？
孙仲：确实如此。计算范式只有两种：模拟（类比）计算与数字计算。当前主流芯片——无论是GPU、TPU（张量处理器）、CPU（中央处理器）还是NPU（神经网络处理器）——都是数字芯片，底层都是硅基器件，基于逻辑门（逻辑函数）、晶体管，都要二进制化。以先进GPU为例，一张卡可能集成超过1000亿个晶体管，因此能提供很大的算力。但如果追本溯源，会发现数字计算其实并非一种很高效的计算方式。
举例来说，想要完成一次简单的“1+1”需要28个晶体管，想完成两个10位数的乘法需要约1万个晶体管。但正因为现在晶体管可以做得很小，才能在芯片上容纳千亿级的晶体管，所以它可以“以量换算”——一次操作要消耗1万个晶体管，它不在乎，因为它足够多，1000亿除以1万还有1000万，这意味着它还有很大算力。
而一个芯片里能有这么多晶体管，在于摩尔定律。我认为摩尔定律是让现在数字芯片如此成功的唯一推手。最初晶体管做出来大概是5厘米×5厘米×5厘米这么大，因为有摩尔定律，5厘米变成5纳米，所以千亿级的晶体管也可以被塞进去，否则，一万个晶体管可能要铺满整间屋子甚至整个楼层。
注：摩尔定律是由英特尔公司联合创始人戈登·摩尔提出。该定律提到，当价格不变时，集成电路上可容纳的晶体管数目每隔18至24个月增加一倍，性能也将提升一倍。
但如今摩尔定律趋于终结，晶体管很难再微缩，所以业界现在只能横向堆计算卡：少则百卡，多则万卡、十万卡。但这样的方式我认为是不可持续的——能耗、碳排放均呈指数级上升，与国家“双碳”目标相悖。因此，我认为需要探索一种不同的计算范式，即模拟（类比）计算。
模拟计算并非全新的计算范式，在上世纪30至60年代曾被广泛应用，但随着计算任务日益复杂，其精度瓶颈凸显，逐渐被数字计算取代。我们这次研究的核心正是要解决模拟计算“算不准”这一痛点。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| Note: | _VIEW_NEWS_FULL |
| 延伸阅读 |
推荐: