IBM开发开创性的模拟人工智能芯片原型

技术世界正处于变革的风口浪尖上。IBM是计算界的先驱之一，最近推出了模拟人工智能芯片的高级原型。该芯片的核心旨在利用模拟和数字计算的优势，以类似人脑的方式运行，并处理与深度神经网络（DNN）相关的复杂任务。

人工智能中的模拟计算

对于新手来说，计算中的“模拟”可能会唤起人们对旧收音机或黑胶唱片的记忆。然而，在计算领域，模拟代表了一种与大多数现代电子产品所依赖的数字过程根本不同的操作模式。

数字计算是当代计算的基石，它依赖于二进制系统，其中信息通过0和1传递——离散和特定值。相反，模拟系统使用连续信号来传递信息，类似于传统温度计中汞的不间断上升和下降。

IBM的芯片被称为模拟内存计算（ Analogue in-memory computing, AIMC），通过利用这种模拟方法迎来人工智能技术的新时代。但为什么要在人工智能芯片中使用模拟计算呢？

模拟方式的优势

人工智能中模拟计算的核心优势，特别是IBM的AICC芯片所体现的，在于其直接在内存中执行计算的能力。在DNN推理任务期间，这项创新可以大幅减少延迟并优化能耗。AIMC的连续信号处理为更高效的操作提供了潜力，特别是当与直接内存计算方法配对使用时。

除了效率外，模拟计算还允许更紧凑的数据表示。例如，AICC芯片是使用14纳米互补金属氧化物半导体（CMOS）技术与后端集成相变存储器相（backend-integrated phase-change memory.）结合进行设计和制造的。这种紧凑而先进的制造确保了高效的性能，特别是在需要快速和大型数据处理的人工智能任务中。

共生融合：模拟与数字

虽然模拟有其优势，但它并非没有挑战。噪音干扰等问题可能会成为障碍。此外，某些任务最适合数字处理。IBM敏锐地认识到了这一点，并确保其AICC芯片中模拟和数字操作以合适的方式融合。

该芯片配备了64个AICC内核，所有内核都通过片上通信网络进行互联。虽然其模拟组件处理与连续信号处理相关的任务，但该芯片还集成了基本的数字操作。这些操作，特别是数字激活功能（digital activation functions），对于处理与单个卷积层和长期短期记忆（LSTM）单元相关的任务至关重要。

模拟和数字组件之间的这种和谐相互作用确保了AICC芯片能够实现近乎软件等效的推理准确性，与ResNet和LSTM等人工智能模型的传统软件实现相当。

重新定义性能指标

IBM的AIDC不仅证明了模拟的力量；它还设定了令人印象深刻的性能标准。它具有高精度（四相）或低精度（单相）操作模式的灵活性。例如，低精度模式允许芯片实现惊人的每秒63.1兆兆次运算（tera-operations），能效为每瓦每秒9.76兆兆次运算。这些指标可以彻底改变人工智能任务的执行方式，特别是在电力受限的环境中。

更广泛的影响

除了技术指标以外，IBM的芯片对现实世界的应用程序提供了新的选择。传统的人工智能芯片通常将内存和计算分开，导致数据混洗延迟。AIMC通过集成这些功能来解决这个问题，从而实现更快、更高效的计算。这些进步可以重塑人工智能在日常设备中的运作方式，从智能手机到自动驾驶汽车。能源需求的减少也可以使可持续人工智能更容易实现，特别是在云计算方面，这可能会削减成本并减少碳足迹。

IBM凭借其AICC原型进入模拟人工智能芯片的世界，它是未来的愿景。通过将模拟和数字计算的好处相结合，IBM瞥见了人工智能的下一个前沿——一个高效、强大和可持续的前沿。随着模拟和数字之间的界限模糊，人工智能计算的未来似乎既有希望又令人兴奋。

论文：https://www.nature.com/articles/s41928-023-01010-1