NVIDIA GPU有新对手？IBM类比AI芯片内建相变存储器

使用GPU执行人工智能（AI）任务的传统运算基础设施愈来愈耗电，IBM Research开发出一款用于AI推论的混合信号类比芯片，号称效能或可媲美GPU等数码芯片，并且可以大幅降低功耗。

根据The Register、eeNews Europe报导，这款类比运算AI芯片采用14纳米CMOS制程，并在后端流程加入相变存储器（PCM），降低制造成本。整合后的芯片共配置64个AI运算核心，透过芯片上通讯网络互连，并部署了处理卷积层及长短期记忆（LSTM）层所需的数码启用功能。

该芯片采用一种称为「类比存储器内运算」（AIMC）的方法，使用相变存储器单元将权重储存为类比值并执行运算。每一个AI核心都包含一个相变存储器交叉阵列，能够储存256×256的权重矩阵，并使用核心外部提供的输入启用执行类比矩阵矢量乘法。

这意味着每个核心都可执行深度神经网络（DNN）模型层相关的计算，并将权重编码为该相变存储器元件的类比电导值。

对于8位元输入／输出矩阵矢量乘法，在四相（高精度）或单相（低精度）运算读取模式下，此芯片最高可实现16.1或63.1 TOPS吞吐量。每瓦能源效率分别为2.48或9.76 TOPS。

IBM研究人员表示仍有2个关键挑战有待克服。一是存储器阵列需能够以现有数码系统的精度运算，并且能够和其他数码运算单元以及该类比AI芯片上的数码通讯结构无缝接合。

研究人员声称，将类比存储器内运算、数种数码处理单元以及数码通讯结构无缝结合，可产出每平方公厘400 GOPS矩阵矢量乘法吞吐量，比基于电阻式存储器的多核存储器内运算芯片高出15倍，并且能源效率更佳。

在CIFAR-10影像数据集测试方面，该芯片也达到接近软件等效的92.81%推论精度。能效方面，单一输入至ResNet-9模型可在1.52微秒（μs）内处理完毕，消耗能量为1.51微焦耳（μJ）。

研究人员表示，AIMC加速器如果想要与GPU等现有数码解决方案竞争，还需要进一步提高权重密度。