中國力量崛起

2020年2月16日-20日，第67屆IEEE 國際固態電路峰會（ISSCC 2020)于美國舊金山召開，中國共23篇論文獲收錄，包括中國內地15篇，其中，清華大學5篇，澳門6篇，香港2篇，創造了歷年來的新高，全球僅次于美國、韓國位列第三。

ISSCC代表著芯片領域的國際最高學術水平，是國際上規模最大、最權威、水平最高的固態電路國際會議，被稱為集成電路行業的芯片奧林匹克大會。國際上最先進的固態集成電路技術通常會在該峰會上首次發布。ISSCC 2020共收錄了210篇論文，全部都來自全球的一流大學、研究機構以及AMD、Intel、IBM、TI等頂尖企業。繼2019年實現中國首篇人工智能芯片ISSCC論文突破后，清華劉勇攀教授帶領的智能傳感團隊和湃方科技再次貢獻2篇人工智能芯片ISSCC論文。

引領低功耗AI領域：從通用到專用架構

ISSCC 2020以“Integrated Circuits Powering the AI ERA”為主題。此外，本屆峰會在技術組委會籌建方面新增了一個亮點，“機器學習及人工智能”成立了獨立的技術小組分會。新設“High-Performance Machine Learning”和“Low-Power Machine Learning”兩個機器學習分會，且六個論壇中有兩個與人工智能相關，足以見得該領域的重要性。

隨著物聯網、大數據、人工智能等技術的迅猛發展，全球數據量呈井噴式增長，相當一部分的運算將在本地終端進行而不是借助云端資源。與此同時，解決這些集成了傳感和智能計算的無線終端面臨的功耗問題就變成了一大挑戰。而“Low-Power Machine Learning”分會正是針對智能無線終端等對功耗有極致要求的領域。該分會全部3篇論文均來自中國內地，分別是針對語音、視頻以及稀疏網絡等專用智能架構的研究與探索，其中2篇為該團隊研究成果。

圖1  Program-Session 14

又見低功耗的天際

·基于幀間數據計算復用的視頻應用AI處理器

在智能汽車自動駕駛、智能無人機目標追蹤、智能攝像機主動監測等場景中均使用了機器學習技術，傳統AI處理器主攻靜態圖像處理，難以滿足多幀視頻圖像處理的需求。團隊袁哲博士在論文“A 65nm 24.7μJ/Frame 12.3mW Activation-Similarity-Aware Convolutional Neural Network Video Processor Using Hybrid Precision, Inter-Frame Data Reuse and Mixed-Bit Width Difference-Frame Data Codec”（14.2）中，提出了一款面向視頻應用的神經網絡處理器Sticker-V，包含以下關鍵技術點：（1）利用視頻數據中幀間相似性，在傳統幀內數據復用基礎上新增了幀間復用維度，實現了在不損失網絡精度的前提下提高計算速度的效果；（2）根據神經網絡計算的數據復用與稀疏模式，設計了可配置三種卷積模式的計算單元和帶累加功能的存儲單元，提高了網絡層內數據利用效率和幀間數據復用；（3）針對幀間數據復用模式，設計了兩通路變比特長度片上片下數據壓縮模塊，有效降低數據傳輸量。該芯片在TSMC 65nm工藝上成功流片，最高可節省76%的單幀處理能量，將MobileNet-16網絡模型的單幀處理能量降低至24.7μJ/Frame。

圖2 Sticker-V Chip Micrograph and Summary Table

·自適應稀疏存內計算芯片——新興電路架構

存內計算是一種新興的電路架構，具有高并行度、高能量效率的特點。目前的存內計算電路架構面臨的一個重要問題是規則存內計算電路無法支持不規則的稀疏神經網絡，造成計算資源的大量浪費。團隊岳金山博士在論文“A 65nm Computing-in-Memory-Based CNN Processor with 2.9-to-35.8TOPS/W System Energy Efficiency Using Dynamic-Sparsity Performance-Scaling Architecture and Energy-Efficient Inter/Intra-Macro Data Reuse”（14.3）提出了首款基于存內計算核心的系統級神經網絡處理器Sticker-IM，包含以下關鍵技術點：（1）在規則的存內計算陣列上實現了不規則稀疏網絡的優化，利用稀疏網絡權重和輸入數據的動態優化，提高芯片能效并加速計算；（2）實現了基于存內計算核心的片上系統芯片，支持不同bit的整體神經網絡模型的動態映射和執行，通過靈活的網絡映射和數據復用方法提升了系統資源利用率和數據訪問效率；（3）設計了可動態關斷的存內計算核心處理單元，實現了存內計算單元對運行稀疏網絡的功耗優化。該芯片在TSMC 65nm工藝上成功流片，在MNIST和CIFAR-10數據集的不同神經網絡模型中，實現了最高158TOPS/W的核心能量效率和最高35.8TOPS/W的系統能量效率。

圖3 Sticker-IM Chip Micrograph and Summary Table

厚積薄發?連續創新

——智能傳感團隊的“芯”路歷程

針對萬億級別的人工智能物聯網需求，清華大學智能傳感團隊近幾年圍繞后摩爾時代新型器件與人工智能應用帶來的機遇與挑戰，開展對低功耗、高能效的芯片與系統研究，受到了學術界和產業界的廣泛關注。團隊主要研究方向包括：面向新興深度學習應用的算法-芯片協同設計；面向智能物聯網應用的端邊云協同優化；基于新型非易失器件的存算融合計算架構。

在深度學習算法-芯片協同設計方面，團隊發明了Sticker、Sticker-T、Sticker-V、Sticker-IM等系列人工智能處理器。此外，團隊發明的稀疏神經網絡處理器芯片STICKER-II結合低比特量化等技術，相比于上一代芯片STICKER實現了更高的能量效率，這也是首款將自適應稀疏和量化進行有機結合的人工智能芯片，在2019年ISLPED國際低功耗設計競賽上獲得第一名。

在智能物聯網系統方面，團隊針對智能制造等重大應用需求，提出基于智能邊緣計算芯片的物聯網感知、調度與端邊云協同優化技術。團隊發明的Tritium系列嵌入式深度學習計算芯片，首次將視覺類智能應用部署在以微控制器為核心的物聯網終端設備上，為智能應用在低功耗、低成本的嵌入式平臺上的部署提供了可能。該方面的技術已成功轉移至湃方科技等創業公司進行產業化實踐。

在非易失計算芯片方面，團隊發明了THU-10XN系列非易失計算芯片，基于此，在電路、架構和系統應用層面上提出更高能效的電源管理、外設管理、存內計算和應用部署技術。

學術突飛猛進?產業蓄勢待發

基于在智能傳感領域多年的研究成果，智能傳感團隊在2018年9月創立了湃方科技。作為一家高科技企業，湃方科技致力于以滿足客戶需求為導向，打通技術和實際場景落地之間的壁壘。湃方科技瞄準萬億級市場規模的工業互聯網，基于人工智能芯片和算法技術為客戶打造的跨品類、全棧式的AIoT智能管理解決方案，形成了多種快速可復制的石油、石化、制造、交通等行業智能升級解決方案，為中國石油、中國石化、山東雙輪等百余家大中型企業提供智能工業設備升級服務，贏得了客戶的廣泛好評，創立僅一年，銷售業績就突破數千萬。同時和華為云、英偉達、兆易創新、樹根互聯、東方國信、海爾COMOSPlat以及中國移動oneNET建立了戰略合作，為客戶打造智能工業設備升級服務閉環。

在工業AI時代席卷而來的今天，湃方科技已經蓄勢待發，通過打破技術落地壁壘，實實在在的為我國工業智能化領域再邁更高的臺階發揮自身的產業價值。

打贏疫情防控阻擊戰——2019攜手同行  2020未來可期！

新型冠狀病毒疫情肆虐，疫情防控成為過去一個月全國上下最重要的工作。湃方科技所服務的石油、鋼鐵、石化、電力、裝備制造等流程性強的企業，因為疫情造成了工作人員延遲開工，嚴重影響了對設備的現場管理和維護工作。湃方提供的全棧式工業設備智聯技術正是針對該問題的最優解決方案，將傳統工業領域中有人值守，逐步升級成為無人值守，讓智能物聯網代替人工，真正實現了遠程監測、智能決策。湃方科技已多次幫助客戶發現安全隱患，降低運維和能耗成本，提高運營準確率。湃方將緊握這個使命重大的方向盤，為疫情期更多工業企業安全運營、正常生產秩序保駕護航，為疫情防控貢獻我們的專業力量！

當前，全球第四次工業革命孕育興起與我國制造業轉型升級形成歷史性交匯，工業互聯網作為新一代信息技術與制造業深度融合的產物，構建起全要素、全產業鏈、全價值鏈全面連接的新型工業生產制造和服務體系，成為支撐第四次工業革命的基礎設施。世界各國紛紛加快工業互聯網建設。黨中央、國務院高度重視發展工業互聯網，作出一系列戰略部署。工業互聯網市場目前已經進入啟動期，并即將進入高速發展期。未來，湃方科技將致力于打通傳統行業的數據與信息壁壘，為客戶提供轉型、增效、提質、降本的服務，形成工業設備智能化數據平臺，整合行業多種第三方服務廠商，形成完整的一體化工業設備智能管理與服務產業鏈生態。