今年國際固態(tài)半導(dǎo)體電路會(huì)議（ISSCC）剛剛落下帷幕。ISSCC一向是半導(dǎo)體工業(yè)界巨頭展示最新研發(fā)成果的平臺(tái)之一，在今年的會(huì)議上也是如此，我們從不少巨頭發(fā)布的研究成果中看到了他們下一步的投入方向，從中也可以看到整體半導(dǎo)體行業(yè)的未來發(fā)展動(dòng)向。

　　韓國半導(dǎo)體巨頭：注重前瞻性人工智能芯片的產(chǎn)業(yè)化

　　在本屆ISSCC上，除了DRAM等傳統(tǒng)強(qiáng)項(xiàng)之外，韓國半導(dǎo)體巨頭三星和SK Hynix最引人注目的方向可以說是人工智能相關(guān)芯片。雖然說人工智能芯片目前已經(jīng)有許多大公司在積極投入，但是大多數(shù)大公司的做法往往是要么在自己已有的相關(guān)IP上做進(jìn)一步迭代更新以滿足人工智能的需求（例如高通將Hexagon DSP進(jìn)一步拓展適配人工智能算法，Cadence將Tensilica迭代加速機(jī)器學(xué)習(xí)算法等），這么做往往是針對于這一代人工智能算法的需求做產(chǎn)品，而沒有太多前瞻性；要么是和高校一起做研發(fā)，這樣通常比較偏科研性質(zhì)。而三星和SK Hynix的主要不同在于，在本屆ISSCC上發(fā)表的人工智能芯片都是自主研發(fā)，并且有明確的產(chǎn)品化方案（或者已經(jīng)在進(jìn)行產(chǎn)品化），這樣兼顧下一代技術(shù)探索同時(shí)又有明確產(chǎn)品化可以說是三星在人工智能芯片的獨(dú)特之處。

　　在今年的ISSCC上，三星發(fā)表了一篇是關(guān)于移動(dòng)端NPU的論文，目前已經(jīng)使用在其4nm Exynos SoC中；而SK Hynix則發(fā)表了關(guān)于基于GDDR-6的DRAM存內(nèi)計(jì)算的論文，并且官方宣布將會(huì)和韓國的AI芯片公司Sapeon合作進(jìn)一步推廣GDDR存內(nèi)計(jì)算生態(tài)。

　　三星的NPU論文的主要關(guān)注點(diǎn)在于進(jìn)一步優(yōu)化數(shù)據(jù)流以提升計(jì)算單元利用率、優(yōu)化計(jì)算單元以覆蓋不同的計(jì)算精度、提供不同的工作模式以滿足不同功耗和性能的需求。其中第一點(diǎn)是幾乎所有NPU都要解決的問題，而在計(jì)算單元優(yōu)化方面，三星的NPU可以覆蓋INT4、INT8和FP16幾種精度，這些計(jì)算精度基本上能覆蓋移動(dòng)端人工智能算法所有的需求（例如INT4針對較為簡單的網(wǎng)絡(luò)，而FP16針對較為復(fù)雜對于精度要求更高的網(wǎng)絡(luò)）。另一方面，該NPU有高性能模式和低功耗模式兩種工作模式，從而滿足移動(dòng)端不同應(yīng)用場景之間的切換。從這兩點(diǎn)來看，可以說該NPU的設(shè)計(jì)確實(shí)是在覆蓋手機(jī)芯片在日常應(yīng)用中的痛點(diǎn)，其優(yōu)化的方向有非常明確的實(shí)際應(yīng)用場景，可以說已經(jīng)是經(jīng)過許多實(shí)戰(zhàn)的打磨。我們認(rèn)為，三星的論文標(biāo)志著它的NPU技術(shù)說明它在產(chǎn)業(yè)化上已經(jīng)有了很深厚的積累。

　　       韓國的另一個(gè)半導(dǎo)體巨頭SK Hynix則在今年的ISSCC上發(fā)表了基于GDDR接口的DRAM存內(nèi)計(jì)算。在人工智能應(yīng)用中，內(nèi)存訪問決定了許多模型的運(yùn)行速度，因此越來越多公司和機(jī)構(gòu)在探索存內(nèi)計(jì)算，即將計(jì)算直接在存儲(chǔ)器中運(yùn)行，這樣就省去了內(nèi)存訪問的開銷?；贒RAM的存內(nèi)計(jì)算則非常尤其適合云端和邊緣端的人工智能算法，而這次SK Hynix發(fā)表在ISSCC 2022的DRAM存內(nèi)計(jì)算（Accelerator in Memory, AiM）研究中，使用了將計(jì)算單元集成在DRAM存儲(chǔ)芯片中的架構(gòu)并完成了4Gb AiM芯片，通過DRAM控制器，該DRAM既可以做存內(nèi)計(jì)算，又可以當(dāng)作正常的DRAM來使用。論文測量結(jié)果顯示，AiM相對傳統(tǒng)的GPU+HBM2在常用機(jī)器學(xué)習(xí)模型中可以實(shí)現(xiàn)高達(dá)10倍的性能提升。我們認(rèn)為，DRAM中的存內(nèi)計(jì)算有可能會(huì)成為DRAM行業(yè)下一步的新方向，有可能會(huì)成為一個(gè)新的DRAM品類——值得注意的是，DRAM巨頭三星在去年也發(fā)布了類似的DRAM存內(nèi)計(jì)算研究和計(jì)劃，我們預(yù)計(jì)該方向?qū)?huì)在未來獲得更多的關(guān)注和投入。

　　臺(tái)積電：SRAM/下一代存儲(chǔ)器存內(nèi)計(jì)算成亮點(diǎn)

　　臺(tái)積電在人工智能方面的投入也很可觀。作為全球最大的代工廠，臺(tái)積電在人工智能領(lǐng)域的投入在本屆ISSCC上主要體現(xiàn)為帶有存內(nèi)計(jì)算的片上存儲(chǔ)器IP，包括SRAM和下一代存儲(chǔ)器（RRAM，STT-MRAM）等。在本屆ISSCC上，臺(tái)積電共合作發(fā)表了六篇關(guān)于存內(nèi)計(jì)算存儲(chǔ)器IP的論文，其中有一篇的作者全部來自臺(tái)積電，其余五篇?jiǎng)t是臺(tái)積電和臺(tái)清大和佐治亞理工等高校合作。

　　臺(tái)積電對于基于SRAM和下一代片上存儲(chǔ)器存內(nèi)計(jì)算研發(fā)投入的邏輯在于，基于芯片上存儲(chǔ)器的存內(nèi)計(jì)算正在目前的人工智能應(yīng)用，尤其是低功耗物聯(lián)網(wǎng)人工智能應(yīng)用中得到越來越多的關(guān)注。如前面我們分析過的，內(nèi)存訪問是人工智能模型運(yùn)行速度和能效比的決定因素，物聯(lián)網(wǎng)應(yīng)用對于能效比非常敏感，物聯(lián)網(wǎng)人工智能模型通常較小有機(jī)會(huì)可以放入SRAM和下一代片上存儲(chǔ)中，因此存內(nèi)計(jì)算非常適合這些應(yīng)用（相對而言，DRAM存內(nèi)計(jì)算更適合需要運(yùn)行大人工智能模型的云端應(yīng)用）。SRAM一向是半導(dǎo)體工藝的一個(gè)重要基準(zhǔn)（通常SRAM密度是衡量半導(dǎo)體工藝的一個(gè)重要參數(shù)），因此臺(tái)積電抓住下一代SRAM IP將對于鞏固其代工廠龍頭地位有重要作用。除此之外，RRAM這樣的下一代新興存儲(chǔ)器也在繼續(xù)發(fā)展壯大，因此對于臺(tái)積電來說也希望能抓住這樣的機(jī)會(huì)。帶有存內(nèi)計(jì)算的SRAM和下一代存儲(chǔ)器也就成為了臺(tái)積電能提供帶有差異化IP的一個(gè)重要機(jī)會(huì)，因此我們看到臺(tái)積電在ISSCC上的眾多相關(guān)研究發(fā)表——這些發(fā)表的論文背后都是臺(tái)積電真金白銀的投入。

　　回到技術(shù)方面，本次由臺(tái)積電作為唯一作者機(jī)構(gòu)在ISSCC上發(fā)表的SRAM論文是基于其5nm工藝，其64kb的IP可以實(shí)現(xiàn)在不同計(jì)算精度（INT4 – INT8）下實(shí)現(xiàn)非常高的計(jì)算密度（55.3-221.2 TOPS/mm2）和能效比（70 – 254 TOPS/W），這也證明了臺(tái)積電在SRAM存內(nèi)計(jì)算領(lǐng)域的深厚積累（與此相對的是，三星的人工智能芯片領(lǐng)域的領(lǐng)先領(lǐng)域主要在NPU和DDR存內(nèi)計(jì)算）。而在下一代存儲(chǔ)器方面，臺(tái)積電也在和臺(tái)清大、佐治亞理工等高校合作發(fā)表了多項(xiàng)新技術(shù)，涉及RRAM、STT-MRAM、相變存儲(chǔ)器等多種新存儲(chǔ)器，可見臺(tái)積電也是在多個(gè)新存儲(chǔ)器領(lǐng)域做了投入，希望能覆蓋到未來真正的主流下一代存儲(chǔ)器。

　　量子計(jì)算：下一代計(jì)算新范式

　　除了傳統(tǒng)應(yīng)用芯片之外，量子計(jì)算也是本屆ISSCC的一個(gè)亮點(diǎn)。谷歌和IBM作為在量子計(jì)算領(lǐng)域投入最多的巨頭，也在本屆ISSCC上發(fā)表了相應(yīng)的研究，其中IBM發(fā)表了一篇綜述研究，以及一篇用于量子計(jì)算控制的芯片；而谷歌則發(fā)表了一款關(guān)于其Sycamore量子計(jì)算芯片的綜述。

　　量子計(jì)算機(jī)到底應(yīng)用在哪里？IBM在ISSCC上發(fā)表的研究中指出，量子計(jì)算的主要目的并不是取代傳統(tǒng)通用計(jì)算機(jī)，而是在一些專門的問題中（如質(zhì)因數(shù)分解，化學(xué)相關(guān)模擬計(jì)算、優(yōu)化問題）等獲得遠(yuǎn)高于傳統(tǒng)計(jì)算機(jī)算法的處理速度，這是由于量子計(jì)算的獨(dú)特特性所決定的。

　　量子計(jì)算和集成電路芯片有什么關(guān)系？目前看來，量子計(jì)算的核心量子位（QuBit）可以使用基于可調(diào)頻率的諧振電路，這些量子位可以使用特殊半導(dǎo)體工藝在超低溫下實(shí)現(xiàn)；除此之外，另一個(gè)容易被忽略的和半導(dǎo)體芯片相關(guān)的部分是量子計(jì)算處理器的控制和讀出芯片。量子位的控制需要能產(chǎn)生高頻率的調(diào)制射頻信號(hào)，而在讀出部分則需要將相關(guān)信號(hào)以較高的采樣率讀出。事實(shí)上，這些控制和讀出都和目前已有的射頻電路由較為相似的結(jié)構(gòu)（如正交變頻和可變增益等）和需求（例如高信噪比，高靈敏度等等）。谷歌在其論文中指出，控制和讀出芯片將會(huì)是量子計(jì)算機(jī)跨向下一步（即進(jìn)一步增加量子位數(shù)）的關(guān)鍵，也可以說當(dāng)量子計(jì)算機(jī)成為主流時(shí)，相關(guān)的控制和讀出芯片也可望會(huì)成為一個(gè)新的芯片品類市場。