- 炒股杠杆10倍 陈茂波：香港旅发局正研第一期烟火及无人机表演 预料5月推出
- 2021年4月27日，上海市公安局宝山分局以叶某亚等人涉嫌诈骗罪移送起诉。本案涉及中医诊疗专业问题，纪某波具有一定中医知识，辩解其行为不是诈骗。针对被告人的辩解...
瞻观前沿
英国芯片制造商Pragmatic Semiconductor开发了一款名为Flex-RV的32位微处理器，这款处理器采用了柔性技术，在弯曲状态下仍能完全运行。Flex-RV并非为了争夺性能基准测试而设计，而是创造一种新的弯曲计算解决方案以适应非传统的应用场景。尽管如此，该处理器仍包含一个可编程的机器学习硬件加速器和RISC-V指令集，因此可以完成一些简单的AI任务。相关成果已发表在《Nature》上。
与传统的硅基处理器和计算设备不同，Flex-RV使用铟镓锌氧化物(IGZO)晶体管分层放置在聚酰亚胺上制成。这种微处理器甚至可以缠绕在铅笔上，并工作频率为60kHz，功耗低于6毫瓦。
让芯片弯曲不仅仅是为了好玩，真正的亮点是生产成本低。据悉，Flex-RV的生产成本不到1美元。IGZO制造不需要硅所需的洁净室级别的精度，从而削减了所有主要的生产开销。此外，由于其不会在压力下破碎，Flex-RV也不需要硅芯片昂贵的封装，廉价、坚固和适应性强使其成为快消品、一次性医疗产品等的完美选择。
图片来源：摄图网
技术价值观察
人工智能芯片产业链结构清晰，链条较短，主要分为上游的材料与设备，中游的产品制造，下游的应用市场;上游的材料与设备主要指半导体材料和半导体设备，半导体材料包括单晶硅、单晶锗、砷化镓、晶体管等材料，半导体设备包括光刻机、等离子刻蚀机等设备;中游的产品制造包括芯片设计和芯片制造，芯片设计的流程主要是通过EDA进行系统设计、RTL设计、物理设计等过程，芯片制造包括晶圆加工、晶圆测试、晶片切割、芯片封装等过程;下游的应用市场主要有云计算、自动驾驶、智能手机、无人机、智能音箱、智能安防等。
英国芯片制造商成功研发出可弯曲的非硅柔性芯片，创造一种新的弯曲计算解决方案。因此，从人工智能芯片产业链上看，该技术处于产业链的中游产品制造环节。
宏观市场观察
——AI芯片是智能计算的主流模式
基于AI芯片的加速计算是当前智能计算的主流模式。AI芯片通过和AI算法的协同设计来满足AI计算对算力的超高需求。当前主流的AI加速计算主要是采用CPU系统搭载GPU、FPGA、ASIC等异构加速芯片。
近年来，国产AI加速芯片厂商持续发力，在该领域取得了快速进展，相关产品陆续发布，覆盖了AI推理和AI训练需求，其中既有基于通用GPU架构的芯片，也有基于ASIC架构的芯片，另外也出现了类脑架构芯片，总体上呈现出多元化的发展趋势。
——人工智能芯片渗透多个行业
此前，罗湖区规划土地监察局告诉奥一新闻记者，东门町连廊至今尚未取得建筑工程规划许可证，属于违法建筑，且存在消防安全隐患，因当事人逾期未自行拆除，依法对该违法建筑启动强制拆除程序。
人工智能芯片包含计算机科学领域和半导体芯片领域;计算机科学领域是指高效率的智能算法，即软件;半导体芯片领域是指将算法有效地在硅片上实现，最终变成能和配套配套软件结合的实体产品。当前，人工智能芯片根据其技术架构可以分为CPU、GPU、FPGA、ASIC、类脑芯片;按照其在网络中的位置可以分为云端AI芯片、边缘AI芯片、终端AI芯片;根据其在实践中的目标可以分为训练芯片和推理芯片。
人工智能芯片凭借强大的算法承载力和超高的处理速度，广泛应用于多种场景，比如智能人脸识别或智能语音识别，处理超高数据库的服务器大数据分析，随时处理变化的交通信息及各类传感器信息的自动驾驶领域，以及机器人的智能化等。
——人工智能芯片发展路径
人工智能作为一项计算密集型的新技术，在早期发展阶段依赖通用芯片的性能迅速发展，而后期将依赖专用芯片来主宰市场。定制的硬件能够实现更优的功耗效率，满足不同算法、结构、终端和消费者的需求，实现规模化的收益。然而，通用芯片与专用芯片永远不是互相替代的关系，二者必须协同工作才能发挥出最大的价值。
——全球人工智能芯片市场规模
人工智能芯片是人工智能的大脑，随着全球人工智能终端设备数量的增长以及边缘计算的需求逐步提升，全球人工智能芯片需求量快速增长，市场规模不断扩大。根据Tractica公布的数据显示，2019年全球人工智能芯片市场规模达110亿美元，预计2020年全球人工智能芯片市场规模将增加至175亿美元，2025年全球人工智能芯片市场规模有望突破720亿美元。
——全球人工智能芯片发展趋势
目前，主流人工智能芯片主要利用MAC加速阵列对CNN(卷积神经网络)中最主要的卷积运算的加速。而随着这一代人工芯片的不断被重复利用，一些问题渐渐暴露出来：第一是深度学习计算所需数据量巨大，造成内存带宽成为整个系统的瓶颈，即所谓“记忆墙”问题;第二个问题与第一个问题相关，内存大量访问和MAC阵列的大量运算，造成人工智能芯片整个功耗的增加。因此这两个连锁问题的出现将会给行业技术领域带来新的发展趋势，详细趋势见下图所示：
