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 晶片 AI 運算效率卻不增加功耗，已成為 IC 設計產業難題。對此，TwIoTA（台灣物聯網產業技術協會）理事長，同時也是力積電董事長黃崇仁表示，透過力積電新開發的 AI 晶片，可以有效降低 AIoT 應用服務設備開發成本。
黃崇仁 20 日於 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 晶片（AI Memory）技術，是將 MCU 與 DRAM 整合到單一晶片上，並讓記憶體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晶片電腦（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後，耗費許久開發出 AI 晶片（AI Memory，AIM） 技術，協助 IC 設計業者可以開發出給 AI 運算用的 AI 晶片，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 放在同一顆晶片中。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，並且達到低延遲與低耗電效果。甚至，還可以把 Wi-Fi 晶片功能包進去，讓單一晶片可以獲得相當於單晶片電腦所需功能，並能降低晶片耗電量。
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，若是採用 AIM 技術所開發的單晶片，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、影像監控等晶片供應業者採用，協助相關晶片業者開發出具有特定領域的 AI 加速晶片產品。
此外，由於在范紐曼型架構（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，就可開發出後范紐曼型架構的記憶體處理方式，除了將 CPU 到 DRAM 的頻寬大幅提升，甚至可以在記憶體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。
最後，黃崇仁還同步介紹由 TwIoTA 所倡議成立的台灣 RISC-V 聯盟（RISC-V Taiwan Alliance，RVTA）與日本業界合作，共同加速 RISC-V 產業發展。並介紹台灣 RISC-V 供應鏈與 IC 設計生產代工服務，也希望日本業者若有 RISC-V 開發需求，可以跟台灣的半導體產業上中下游合作，進而開發更多 5G、AI 與 IoT 應用。
(首圖來源:科技新報攝)
