隨著科學技術和生物學的不斷融合，基于ASIC的神經網絡硬件正在成為解鎖下一級人工智能的開創性工具。ASIC芯片能高度模擬人類大腦進行信息處理，提高計算效率、降低能耗。本文將探討基于ASIC芯片的硬件神經元會如何改變人工智能發展。

人工智能（AI）芯片是支撐人工智能發展的核心技術之一，它的迭代升級推動了人工智能領域的飛速發展，對人類生活及生產產生了巨大的影響。根據Precedence Research數據顯示，22年全球AI芯片市場規模約為168.6億美金，隨著專用AI向通用AI的發展，以及AI應用領域持續拓寬、算力需求爆發等因素，預計2032年全球AI芯片市場規模將達到2,274.8億美金。另據McKinsey Analysis數據分析顯示，ASIC在AI芯片中的占比將大幅提升。在數據中心側，25年ASIC在推理/訓練應用占比分別達到40%、50%，在邊緣側，25年ASIC在推理/訓練應用占比分別達到70%、70%。

人工神經網絡（ANN）設計模擬了生物神經元的特點，可以處理大型復雜的機器學習任務，可以說是推動人工智能快速發展的無名英雄。 ANN有著廣泛的應用，例如圖像、語音識別以及自然語言處理、汽車自動駕駛、醫療保健等。事實上ANN背后的概念和科學已經存在了數十年，但是直到近幾年才引發了人工智能在多個領域的爆發式增長。

為充分了解ANN的潛在計算能力，我們需要了解神經元的基本原理、硬件結構以及它在神經網絡中的功能，并利用ASIC芯片或FPGA實現硬件結構優化，從而實現更快的運算速度和更低的能耗，進而在人工智能領域取得更大的進步。

什么是神經網絡硬件？

對人工智能的認識源于對神經科學的深入理解。生物神經元是神經網絡的基本組成單位，由胞體、眾多樹突、單個軸突組成，信息由樹突接收，胞體處理之后以脈沖形式通過軸突向下一級神經元傳遞。這種原理決定了模擬神經元的神經形態硬件天然具有存算一體的信息處理方式，在原理上具有非常高效的計算能力。

科學家將這個復雜的生物系統創建成一個簡單的數學模型，稱之為感知器，它為開發神經網絡硬件掃清了道路（如下圖1）。與更為復雜、逼真的Izhikevich神經元模型及Hodgkin Huxley神經元細胞模型模型不同，感知器只能捕捉神經元的基本行為，無法獲取生物學細節。

圖1：神經形態硬件

乘積累加運算單元（MAC），硬件大腦

神經網絡硬件的核心稱之為乘積累加運算單元（Multiplier Accumulator Unit, MAC）（如下圖2）。MAC模擬了神經元樹突和細胞體的功能，對輸入信號進行接收并處理。

圖2：MAC示意圖

就像生物軸突突觸一樣，當輸入信號的累積強度超過預定義閾值時，MAC能輸出信號。MAC擁有強大的計算能力，能利用感知器數學模型，通過對加權輸入信號求和來反映神經元的輸入，并產生最終輸出。

模擬神經元，連接現實

圖3顯示了基于FPGA的小型神經元網絡模擬結果，實驗使用兩個單比特輸入執行邏輯OR運算，波形圖展示了神經元如何對輸入的0和1組合做出反應。結果與我們的預期一致，當至少一個輸入為1時，輸出峰值為1，當兩個輸入均為0時，輸出降至0（如下輸入表1）。

圖3：硬件神經元模擬波形結果

輸入表1

通過實驗可知，合成神經元（如下圖4）能有效提高邏輯運算能力，是更為復雜的人工神經網絡關鍵元素之一。

當前主流的用于AI的芯片可分為三類，GPU、FPGA以及ASIC。相較于GPU和FPGA，ASIC在運算速度、體積和功耗方面更具優勢。此外，ASIC的另一個優勢還在于其低延遲操作。在部署推理計算時，ASIC芯片可以更高效、更快、更準確地進行實時處理和分析數據，無需與云端進行持續通信，能為實時人工智能應用提供強大、高效的解決方案。

圖4：合成神經元

ANN將如何改變我們的生活？

也許你對ANN人工神經網絡這個名詞還不太熟悉，但它卻滲透在了我們的衣食住行中。例如能實時監測環境溫度并自動調整室溫的自動化溫度控制系統（如下圖5）、智慧照明及智能鏡子（如下圖6）等，神經形態芯片能提供更高的能效，快速喚起傳感器，滿足實際生活場景中各類嚴苛的需求。

圖6：智慧照明及智能鏡子

此外，ANN還可被廣泛應用于圖像識別、自然語言處理、自動駕駛、醫療診斷等多種應用場景。隨著數據量的增大和計算能力的提升，ANN在各個領域中的應用還在不斷擴展。未來，ANN有望成為推動人工智能技術進一步發展的重要驅動力。

ASIC設計領導廠商

Socionext在AI ASIC芯片設計領域也頗有建樹。2019年公司與人工智能方案商BrianChip合作開發了神經網絡處理芯片Akida，以現有技術無法實現的方式將AI引入邊緣設備。這款基于事件的處理器無需主處理器或外部存儲器，能有效識別出視頻中的人臉、圖像、語音等信息，可適用于廣泛的邊緣計算應用場景。

Socionext在芯片設計領域擁有豐富的Know-how和經驗，支持市面上最先進的工藝節點，在10nm/7nm/5nm工藝節點上有多個大型芯片項目設計經驗，能為客戶量身定制所需芯片，提供從芯片前、后端設計、生產管理，一直到芯片硬件交付的全套業務，賦能客戶在核心算法和系統及市場上的核心價值，快速迭代出他們自己的芯片。

今年以來，ChatGPT的爆火代表著AI芯片技術的新一輪突破。隨著機器學習、邊緣計算等的快速發展，大量數據處理任務對計算效率、計算能耗等都提出了更高的要求，ASIC芯片正逐漸受到重視。作為SoC設計與應用技術的領導者，Socionext期望憑借自身的Know-how積累，并通過持續不斷地自主創新，助力客戶實現更高的創新發展。

審核編輯：劉清