〈工業技術與資訊〉產學研打造世界級晶片大腦

人工智慧（AI）能為人類做的事情愈來愈多，透過演算法，人工智慧不僅會跟人對話，能認出人臉，幫人看病，甚至還幫人開車。在 AI 加持下，各產業創新產品與服務全面興起。這些新興應用背後的運算能力，靠的是 AI 晶片的突破，有如汽車引擎一般，是加速 AI 發展的關鍵！

AI 概念提出至今已超過一甲子，但受限於晶片運算處理效能及記憶體等技術限制，致使人們冀望 AI 能夠達成的許多應用無法實現。時至今日，高效運算和演算法進展一日千里之際，AI 發展可謂水到渠成。 

工研院電子與光電系統研究所所長吳志毅表示，AI 基本要素有三：硬體、軟體和應用，三者缺一不可。AI 興起的先決條件就在於運算速度快，受惠半導體技術精進與演算法優化，AI 已能搭配硬體深入生活應用，像是物聯網、自駕車、智慧製造等，為生活與產業帶來各式新興應用。 

近年 AI 引起各界關注的引爆點應是 AlphaGo 打敗中、韓棋王。AlphaGo 背後有上千台電腦伺服器同時運算，再挑出最佳的棋步，AlphaGo 的獲勝儘管證明了 AI 的能耐，但有一點不能忽視的是，支援 AlphaGo 的電腦，所耗用電力卻是人腦的 1 萬倍，務實來看，AI 不可能在這麼大的功耗下發展，更遑論進入你我生活。 

吳志毅認為，更快的運算速度與更低的功耗是現階段 AI 硬體的主要訴求，且須結合深度學習演算法，才有利於 AI 發展。「如果說各國在 AI 領域的競爭是一場硬仗，那麼晶片會是最關鍵的一環，」吳志毅說。 

國際大廠爭相布局 AI 晶片

AI 處理晶片主要分為中央處理器（CPU）、繪圖晶片（GPU）、可編程邏輯閘陣列晶片（FPGA）及特殊應用晶片（ASIC）等 4 種。依特性與使用目的，又可區分為雲端運算與邊緣運算兩類。雲端運算類晶片需要處理龐大的數據，運算時間長，晶片功耗較高，但整體效能佳，以 CPU 和 GPU 為發展主流，主要應用在資料中心與超級電腦；邊緣運算類晶片則是在雲端與終端裝置間設置運算層，先行處理龐大資料，傳送即時性佳，功耗要求低、晶片體積小，以 FPGA 與 ASIC 為主。 

觀察目前主要國際大廠的 AI 晶片現況，GPU 龍頭輝達（NVIDIA）布局 AI 腳步最快，GPU 同步重覆運算能力適用於 AI 深度學習；CPU 大廠英特爾（Intel）先後併購 Nervan System、Mobileye、Movidius、Altera 及 eAsic 等 AI 相關公司，布局 AI 晶片企圖心明顯；Google 推出 AI 晶片 TPU（Tensor Processing Unit），屬客製化 ASIC；微軟（Microsoft）則推出基於 FPGA 的視覺 AI 晶片。 

吳志毅分析，一般認為以演算法為基礎的 AI，軟體成分較重，但從傳統晶片大廠積極競逐 AI 市場的大動作來看，「AI 時代硬體發展的重要性不亞於軟體，這正是台灣發展 AI 的希望所在。」 

AI 時代下台灣的機會點

AI 運作約略可粗分為兩階段，分別是「學習」和「推論」，前者透過機器學習技術，利用大量樣本數據對演算法進行訓練；後者則執行演算法，在終端應用解讀現實的數據。 

觀諸國際大廠布局，雲端運算使用的 CPU、GPU 晶片已被國際大廠把持。吳志毅認為，台灣不一定要搶大廠擅長的高效能運算晶片設計市場，加上國際大廠未來也會借重台積電先進製程，突顯台積電在這場 AI 戰爭中的重要地位。此外，Google 資料中心也採用不少台灣廠商元件和產品，台灣亦具發展優勢。 

吳志毅指出，台灣若要切入 AI 產業，潛在機會在於邊緣運算。隨著 AI 技術日趨演進，AI 由雲端走向裝置端已成必然趨勢，裝置端 AI 的主要關鍵在於擁有高效能的 AI 晶片。「台灣在晶片、終端設備與系統具有優勢，也擁有高度的靈活度和彈性，如能配合軟體產業，就有很大的發展空間。」 

台灣半導體產業 2018 年總產值居全球第三，其中晶圓代工及封裝測試皆為全球第一，IC 設計業則僅次美國居全球第二。吳志毅認為，在半導體製造強項的基礎上，配合軟體平台，在軟硬體相得益彰下，台灣在 AI 的發展機會還是很好。 

AI on Chip 示範計畫籌備小組啟動

為了讓台灣半導體產業能在 AI 時代占有一席之地，政府在 2018 年通過「台灣 AI 行動計畫」，成立「AI on Chip 示範計畫籌備小組」，藉此推動台灣 AI 晶片產業發展，打造世界級 AI 晶片，提升在人工智慧領域的國際地位。 

工研院電光系統所副所長張世杰進一步指出，台灣的 IC 設計業在多樣化的裝置端晶片十分擅長，但在裝置端 AI 晶片方面，部分廠商面臨光罩價格過高，不適用少量多樣情境；此外，廠商也遭遇缺乏關鍵 AI 加速器，AI 系統整合能力不足的問題。「AI on Chip 計畫」就是要協助解決台灣廠商發展 AI 晶片的相關問題，進而取得市場領先地位。 

聚焦四大 AI 晶片議題重點

AI on Chip 計畫整合台灣產學研研發能量的計畫平台，工研院為成員之一，計畫聚焦「半通用 AI 晶片」、「異質整合 AI 晶片」、「新興運算架構 AI 晶片」與「AI 晶片軟體編譯環境開發」四大議題，推動台灣 AI 晶片發展藍圖，建立起世界領先的 AI 晶片供應鏈。 

張世杰說明，「半通用型 AI 晶片」著重在發展特定應用的邊緣運算推論及深度學習晶片；「異質整合 AI 晶片」可把不同晶片透過異質整合技術提升系統效能，同時縮小體積、減少功耗、降低成本，讓 AI 系統方便應用於更多情境，以應付少量多樣的需求。 

至於「新興運算架構 AI 晶片」則發展類比、記憶體及類神經新興運算架構，以大幅突破目前 AI 運算的耗能及運算效能瓶頸，重點放在研發類腦神經運算晶片，預計明年可望問世，目標在打造出規格全球前三名的 AI 晶片。 

「AI 晶片軟體編譯環境開發」則會提供最適化的 AI 晶片軟體開發環境，以充分發揮 AI 硬體效能。張世杰說，AI 晶片多需配合實際系統應用進行客製化設計，台灣除了少數一線 IC 設計大廠，中小型 IC 設計公司多缺乏軟體開發能力，更遑論進行專利布局，工研院研發的「AI 晶片架構設計與軟體編譯解決方案」，就是為此設計，可大幅縮短設計時程、快速搶進 AI 晶片市場。 

產學研打造高效超低功耗 AI 晶片

AI on Chip 示範計畫第一階段將以發展超低功耗 AI 晶片為主，應用目標為裝置端產品，第二階段則鎖定發展高性能 AI 晶片，應用目標為邊緣運算伺服器。由於規劃發展的技術極具挑戰性，計畫執行將以業界引導、學研共同開發的模式來進行，預計今年 6 月成立 AI on Chip 產業聯盟，結合國內主要 IC 設計業者和平台軟硬體廠商，屆時將有 20 家以上廠商加入。 

除了晶片技術的發展，新一代 AI 晶片的應用場域，也是規劃的重點。張世杰表示，整合物聯網晶片化整合服務計畫，發展相關的智慧物聯網（AIoT）產品，協助一般中小企業發展更具競爭力的 AI 方案，應用於智慧製造、智慧醫療與智慧城市等場域，協助產業數位轉型。初步規劃以某百貨商場為示範場域，將 AI 晶片導入監視攝影機裝置中，進行消費者購物分析。 

整體而言，在邊緣運算越來越重視終端裝置運算能力的趨勢下，我國發展 AI on Chip 的策略，是運用台灣資通訊硬體的優勢，提供高性價比、低耗能的 AI 晶片，連結服務驗證場域，訴諸互利關係以連結國際大廠，吸引國際 AI 平台採用台灣 AI 晶片產品，進而促成台灣在 AI on Chip 的出口國地位，保有台灣半導體產業在 AI 時代的領先優勢。 

轉載自《工業技術與資訊》月刊第 329 期 2019 年 05 月號，未經授權不得轉載。