來源：內容編譯自「eenews」，謝謝。

　　比利時Imec和美國晶圓代工廠商GlobalFoundries已開發出一種使用模擬技術的測試芯片，用于邊緣AI的低功耗機器學習引擎。米樂m6官網登錄入口

　　Imec使用一種新技術開發了一種測試芯片，該技術大大降低了機器學習邊緣AI系統的功能。

　　存內模擬計算（The Analog in Memory Computing，AiMC）架構使用經過修改的存儲單元在經過訓練的神經網絡中處理網絡邊緣AI的數據，功率效率為2900TOPS / W。

　　imec機器學習主管Diederik Verkest說：“我們建立了一個特殊的計算單元，可以在這里通過減少數字傳輸來節省能源。”他說：“取決于[激活單元]激活線上的脈沖寬度，可以在繼續進行數字計算之前獲得[模擬-數字轉換器] ADC的權重之和。”

　　在該芯片中，我們使用3級權重。權重可以是-1、0或1，并且我們使用兩個SRAM單元來存儲此權重級別。計算單元是一個模擬電路，頂部有一些其他晶體管。這會產生與存儲的三級權重和激活信號（DAC的輸出）相乘的比例的模擬信號。

　　嚴格來說，三級權重是以數字方式存儲的，但是所有計算都是在模擬域中完成的。”他補充說：“AnIA的成功推出標志著朝著驗證存內計算（AiMC）中的模擬邁出了重要的一步。參考實現不僅表明在實踐中可以進行模擬內存計算，而且能效比數字加速器高十到一百倍。從我們的角度來看，這是機器學習程序中的一個里程碑，它表明模擬計算可以與數字計算具有相同的準確性”。

　　Analog Inference Accelerator（AnIA）測試芯片是在Global Foundries位于德國德累斯頓的工廠基于22nm FD-SOI低功耗工藝構建的。該芯片面積為4mm2，具有1024個輸入信號和512個輸出，其性能與當今的GPU相似。它顯示出與數字實現相同的精度，誤差在1％以內，但功率效率為2900TOPS / W米樂M6。低功耗和低成本的結合為嵌入式硬件中的邊緣AI圖像識別和傳感打開了機遇。

　　GF計算和有線基礎設施產品管理副總裁Hiren Majmudar說：“模擬計算是一個驚人的前沿，因為它可以減少數據移動，這將成為主流。”

　　Edge AI測試芯片

　　“該測試芯片是向業界展示22FDX如何顯著降低能耗密集型AI和機器學習應用程序功耗的關鍵一步，” Majmudar說。

　　Verkest說：“我們獲得與GPU相同的性能，但具有更高的能源效率和小尺寸（4mm2）的芯片。如果增加陣列的大小，還將提高性能水平。”

　　GF將把AiMC包括在22nm FD-SOI（22FDX）技術中實現的功能與新的AiMC功能在GF位于德國德累斯頓Fab 1的最先進的300mm生產線中生產。

　　他說：“我們正在看到GF與經過驗證的芯片合作伙伴，我們預計模擬計算芯片將在今年下半年和明年年初投入生產，并在2022年或更晚一些進入大眾市場，”

　　GF的該版本使用了經過修改的SRAM單元，但是其他存儲技術也可以使用相同的技術。imec的Verkest說：“您可以使用SRAM，MRAM，DRAM，這些都是我們研發工作的一部分，以了解最佳選擇。”

　　*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯系半導體行業觀察。

　　今天是《半導體行業觀察》為您分享的第2367期內容，歡迎關注。

　　聯發科｜存儲｜CMOS｜晶圓｜FPGA｜蘋果｜5G｜英偉達｜射頻