在5G、AI、IoT可說是近幾年半導體產業最熱門的議題的情況下，為因應5G時代AI邊緣運算需求持續增加，如何提升IoT芯片AI運算效率卻不增加功耗，已成為IC設計產業難題。對此，力積電董事長黃崇仁表示，透過力積電新開發的AI芯片，可以有效降低AIoT應用服務設備開發成本。

黃崇仁20日于2019日本嵌入式&物聯網技術大展（ET&IoT Technology 2019）上進行專題演講時表示，力積電開發中的AI芯片（AI Memory）技術，是將MCU與DRAM整合到單一芯片上，并讓存儲器資料可依照需求進行非循序存取，進而提升影像神經網路運算10倍處理效率，讓IC設計業者開發出體積更小的單芯片電腦（Single Chip Computer），進而降低AIoT應用服務設備開發成本。

黃崇仁進一步指出，人類大腦有大約10的11次方個神經元（neuron）與10的15次方個突觸（synaptic），形成一個連接線路高達數千英里的立體性神經網路架構。但是，整個大腦的耗電量只有25瓦，可說是非常省電。力積電在研究分析大腦神經元運作架構之后，耗費許久開發出AI芯片（AI Memory，AIM）技術，協助IC設計業者可以開發出給AI運算用的AI芯片，不僅低耗電，AI運算效率也能符合應用需求。

他還表示，IC設計業者可以透過AIM Innovation Service Platform架構，與力積電、智成電子、愛普科技合作，將CPU與DRAM相關IP放在同一顆芯片中。如此一來，MCU到DRAM的資料傳輸，可以從常用的32位元大幅提升至4096位元，不僅增加資料傳輸頻寬，并且達到低延遲與低耗電效果。甚至，還可以把Wi-Fi芯片功能包進去，讓單一芯片可以獲得相當于單芯片電腦所需功能，并能降低芯片耗電量。

而以行車安全最需要的ADAS（先進駕駛輔助系統，Advanced Driver Assistance Systems）應用為例，若是采用AIM技術所開發的單芯片，搭配影像神經網路加速運算程式（Video Neuron Network Accelerator，VNNA），在進行1080p RGB影像物件分離處理上，可以達到10倍的執行效率，但耗電量卻只要原來的十分之一，可說是非常省電又有AI運算效率。同樣的架構與技術可以讓自駕車、無人車、攝影機、影像監控等芯片供應業者采用，協助相關芯片業者開發出具有特定領域的AI加速芯片產品。

此外，由于在范紐曼型架構（von Neumann architecture）下，傳統AI運算上會碰到的頻頸是資料需要循序處理，不符合AI運算情境上其實是要能非循序存取的需求。而力積電的AI Memory技術，就可開發出后范紐曼型架構的存儲器處理方式，除了將CPU到DRAM的頻寬大幅提升，甚至可以在存儲器存取上加入控制電路，以非循序存取的方式高速讀取DRAM資料，進而提升AI運算執行效率。
責任編輯：wv