人工智能芯片在移動終端和機器視覺領域的落地，快速地推動著AI變革的潮流，也讓人工智能機器視覺芯片逐漸成為行業的焦點與熱點。

　　9月28日，中星微在北京中關村論壇發布了新一代人工智能機器視覺芯片—“星光摩爾一號”。中星微執行董事張韻東向《中國電子報》記者表示，“星光摩爾一號”包含多個億級晶體管的處理內核，是中國工程院院士鄧中翰團隊的原創設計，基于在“多模融合”智能計算架構的創新和“多核異構”處理器(XPU)片上微架構的創新，適合機器視覺、無人機、機器人等應用場景。通過中星微發布的這款新一代人工智能機器視覺芯片，我們能夠讀出人工智能機器視覺芯片的哪些“芯”趨勢?

       馮諾依曼架構遇瓶頸，“智能摩爾技術路線”應運而生

　　隨著后摩爾時代的到來，先進制程的開發面臨難以突破的物理極限;在人工智能時代，處理和存儲單元分離的馮諾依曼計算架構也逐漸顯現出瓶頸。功耗墻(power wall)就是存儲與計算模塊分離所帶來的最大問題之一。隨著半導體工藝的演進，數據遷移的效率卻沒有顯著提高，這導致數據遷移所消耗能量與數據計算所消耗能量之間的功耗比越來越大。有關研究顯示，數據搬運消耗的能耗是浮點計算的4到1000倍，而且隨著半導體工藝的進步，雖然總體功耗下降，但是數據搬運的功耗占比越來越大。

　　面臨傳統馮諾依曼架構存在的瓶頸，采用新的XPU(多核異構智能處理器)芯片架構成為一大解決之道。張韻東向《中國電子報》記者表示，通過多核結構不同處理器的有機結合，不同的算法可以實現更深層次的融合。在后摩爾定律時代，“智能摩爾技術路線”為智能芯片產業的發展提供了新思路。

　　何為“智能摩爾技術路線?”在接受記者采訪時，張韻東詳細闡釋了“智能摩爾技術路線”的含義。他表示，這其實是一種計算方法的創新?！啊悄苣柤夹g路線’借鑒了人腦思維機制，通過計算架構的創新來持續快速提升性能功耗價格比，以維持經典摩爾定律下芯片技術的發展速度?！睆堩崠|說。

　　簡單來說，這種架構就是一顆芯片里面集成多種不同計算內核。張韻東對記者說道，相對于傳統的馮諾依曼架構，XPU片上架構兼顧了一維標量計算、二維矢量計算與三維張量計算的不同特性。通過片上異構計算池的資源共享和均衡調度機制，能夠實現更準的識別精度、更高的計算性能和更低的功耗。

　　避免深度學習弊端，將“形象思維”與“邏輯思維”相結合

　　有觀點認為，人工智能技術的價值在于讓機器代替人做很多簡單且重復的工作，而人可以有更多時間做更具創造力的工作。但是現在，人工智能的核心元器件—芯片正在不斷向智慧化發展，使得機器逐步擁有自己學習的能力。

　　目前，主流的人工智能算法都是基于深度學習，但事實上，深度學習存在明顯的短板。張韻東向記者表示，深度學習對樣本全面性的要求非常高，需要的樣本數量非常多。

　　“如果收集到的樣本不夠多，機器的識別進度會大幅下降，深度學習的運算過程也是不可解釋的。”張韻東談道，這其實相當于“黑盒計算”。他表示，如果人們想教會機器識別一輛自行車，那么至少要提供給它幾萬張甚至幾十萬張的圖片，而且這些圖片需要覆蓋不同角度、不同顏色和不同款式。機器經過大量學習之后，才可以對自行車進行識別。但是如果要教一個孩子識別自行車，人們可能用語言描述，或者給他展示幾個樣品，這個孩子就可以正確識別出自行車了。“這是因為人類具備智慧，他的思維方式大量采用基于概念的判斷和邏輯推理?！睆堩崠|說。

　　既然機器通過深度學習模式，無法做到像人類通過邏輯思維模式識別事物，那么機器類人的終極“智慧之路”究竟應該往哪里走?

　　中星微發布的“星光摩爾一號”芯片或許給出了業界答案，那就是將深度學習算法與人腦的邏輯思維模式相結合。張韻東告訴記者，通過借鑒人腦“形象思維”與“邏輯思維”的不同工作機制，鄧中翰創新中心提出了“多模融合”智能計算框架，將數據驅動型的深度學習算法與知識驅動型的數理計算、邏輯推理算法進行不同層次的深度融合，在一定程度上降低了僅靠深度學習算法而造成的小樣本場景失效和過程的不可解釋性。

　　目前，基于在“多模融合”智能計算架構的創新和“多核異構”處理器(XPU)片上微架構的創新，“星光摩爾一號”芯片為人工智能邊緣計算開辟了一條新的思路。在張韻東看來，通過采用人腦機制來避免深度學習黑盒計算的弊端， “多模融合”智能計算框架的采用將是今后人工智能芯片的發展趨勢。希望在不久之后，我們能夠看到更多更聰明的機器，見證更加智能的未來。