11月23日，在上海浦东临港新片区，在由临港新片区管委会、上海市经济信息化委指导，由临港集团主办、临港科投与AspenCore承办的“2023中国临港国际半导体大会”上，清华大学集成电路学院教授魏少军发表了“智能化助力半导体产业发展”主题演讲，探讨智能化时代半导体产业的发展思路。

人工智能延伸人类的认知能力

现阶段，人类社会正在经历第三轮智能化浪潮。不同于第一轮（上世纪40年代中期开始）主要是通用计算装置出现、电子计算机的诞生，以及第二轮（1990年开始）以日本第五代计算机作为标志、使用手工知识库和规则库做逻辑判断，现如今的第三轮浪潮（2017年开始）主要是机器学习。

魏少军教授认为，第三轮智能化浪潮开始出现本质上的变化，具体表现为“机器在很多方面都已经超越了人类”。比方说：ImageNet项目(图像识别)可以AI用识别2万多种物件，AI语音识别错词率降低到了5.9%，LipNet(自动唇读技术)准确度高达93.4%……

在他看来，前两次的工业革命、信息革命，其实都没有解决“大脑”的问题；而现在正在出现的智能化革命，正是在尝试着解决人类的大脑，也就是延伸人类的认知，对人类的认知能力将是一个巨大的提升。

如果要深入讨论智能化，就不得不回顾一项技术——人工神经网络。

1943年，美国神经生理学家沃伦·麦卡洛克（Warren McCulloch）和数学家沃尔特·皮茨(Walter Pitts)合作，对大脑的神经元进行类比和建模，发明了人工神经网络。麦卡洛克不懂数学，皮茨不懂神经学，两者跨界融合，产生了影响世界的神经网络。他们创建了一个神经原的模型，前面是很多突触进来，一个加权和，通过一个激活函数，最后产生突触，又往外输出。

虽然这个模型并没有马上发挥作用，直到上世纪80年代，加拿大神经学家David Hunter Hubel搞清楚了视觉神经的基本工作原理，才带来了今天深度学习的一次重大进步。可以看到它对人脑的理解，大脑工作的过程是一个对接收信号不断迭代，不断抽象概念化的过程。因此它带来的影响巨大无比。

“iRobot的董事长兼CEO科林·安格尔说过一句话——‘观察全社会将如何对待人工智能技术将会很有趣，这一技术无疑会很酷’。我认为他这句话讲得很深刻，我们开始进入智能化时代，这是一个非常令人激动的事情。当然，它为人类社会带来的影响，我们今天还没有完全看到，相信未来肯定会巨大无比。”魏少军教授指出。

此外，魏少军教授也分享了现阶段人工智能的两大分类：一类叫类脑计算，一类叫深度学习。

类脑计算主要是模拟人脑的工作原理。比如说最典型的是存内计算架构：直接用存储单元做乘累加运算，将存储和计算融为一体，避免了权重参数的反复搬运，大幅提升矩阵乘法的计算效率，可并行加速深度学习算法。它可以使传统的算力提升10倍，能效提升10倍。

深度神经网络和深度学习是另外一个分支。深度神经网络(DNN)是一种多层无监督神经网络，并且将上一层的输出特征作为下一层的输入进行特征学习，通过逐层特征映射后，将现有空间样本的特征映射到另一个特征空间，以此来学习对现有输入具有更好的特征表达。深度神经网络有三个基本因素：算法、数据、算力。

计算技术驱动半导体产业不断成长

智能计算时代有一个基本特点，它是跟人工智能密切相关的。人工智能由于算法多样性和复杂性，所以产生一个很有趣的现象：每一种算法之间都是不一样的，即便要处理的事情十分相近。比如，识别文字、识别图像、识别视频内容，都是用眼睛去看，但是它的算法是不一样的，最终呈现三种算法。

魏少军教授认为，人工智能需要一款“计算引擎”。一方面，需要可编程能力适应各类应用；另一方面，计算和存储密集型；第三方面，从“云端”向“边缘”的迁移，需要高能效计算，能量效率~TOPS/W。

对此，人工智能芯片面临着两大难题：一是算法在不断演进，新算法层出不穷；二是一种算法对应一种应用，没有统一的算法。

“这两个问题对我们做芯片的人来说非常关键。怎么办呢？我们现在想到就是用大算力。”魏少军教授说道，在人工智能芯片的主流架构演进图中可以发现，从AI Chip 1.5到AI Chip 2.0，中间不得不增加了AI Chip 1.7，目的是解决通用性的问题。通用性带来的好处是各种各样的模型都可以训练，因此大模型用芯片去训练带来的便利性是非常明显的。

另一方面，高性能计算机的计算能力已经进入E级时代，很快将冲击Z级计算。

E级超算是指每秒可进行百亿亿次数学运算的超级计算机，是国际上高端信息技术创新和竞争的制高点，被全世界公认为“超级计算机界的一顶皇冠”。而Z级计算，也就是10万亿亿次，比现在E级计算大概要快1000倍。

魏少军教授指出：“倘若这样发展，我们是有需求的，因为我们的数据在不断地增长，到2024年我们的数据大概可以达到100ZB，这实际上比我们计算能力增加一点不慢，我们的计算能力是跟不上数据增长的。”

“总而言之，目前我们找到一个可突破点——就是把硬件的可编成性和软件的可编成性分别做成横轴和纵轴变成四个象限，把现在的芯片、CPU、DSP放到第二象限里面去，ASIC、SoC就进入第三象限，FPGA等等就进入第四象限。”

至于第一象限，魏少军教授表示，可能是一个新型架构。目前软件硬件还是分离的。但是当两者结合在一起，或许就能形成一种完整的全新架构，我们称其为叫软件定义的芯片。

如今，美国和欧洲高度重视软件定义芯片技术的研究；而中国在软件定义芯片领域的突破早于并优于世界同行。

全球半导体产业大变局

在产业发展层面，目前地缘政治博弈正在破坏半导体全球供应链。最重要的是占世界95%产能的六个国家和地区，包括美国、中国、韩国、日本、欧盟和中国台湾，都各自出台了自己的芯片相关法案，而且都强调要生产本地化，要自给自足，形成自己的完整产业链，前提是保证自己的产业安全。

魏少军教授表示，半导体领域的“军备竞赛”将加剧全球供应链的碎片化。就正如张忠谋先生所说，“全球化与自由贸易几乎已死，而且不太可能再恢复”，对此问题，魏教授也表示“比较悲观”。

智能化助力中国半导体产业自立自强

在智能化时代的浪潮下，在全球产业的大变革中，中国半导体产业该如何走出自己的道路？魏少军教授认为，“扬长避短、掌握发展主动权”。

（1）人工智能：中国在人工智能领域所拥有的优势并不比别人差，从下图可知，中国人工智能的优势比除美国以外的其他国家都要显著。

（2）5G：中国所拥有的5G基站数量是世界其他国家加起来的总和，因此我们在国内感受5G网络使用远远好于其他国家。

（3）AR、VR应用：强化用户对真实场景的理解，目前中国已有许多落地应用和案例。

（4）开辟车规芯片新赛道：在从燃油车向纯电动车升级过程中，单车半导体价值量将提升100%。

（5）打造高算力平台：智算中心是智慧时代最主要的计算力生产中心，它以融合架构计算系统为平台，以数据为资源，能够以强大算力驱动AI模型对数据进行深度加工，源源不断产生各种智慧计算服务，并通过网络以云服务形式供应给组织及个人。

（6）三维混合键合技术：利用三维混合键合技术（3D Hybrid Bonding Processing）实现存储器晶圆和逻辑电路晶圆的异质集成。

（7）软件定义芯片+异质堆叠集成=软件定义近存计算芯片技术：如果把逻辑层和存储器层加上中国自己做的软件定义芯片技术，还有近存计算技术的话，其实是可以解决当前计算中很多问题。

小结

演讲的最后，魏少军教授呼吁道：“大家要对半导体有信心，对摩尔定律有信心。”尽管经常有人会争论摩尔定律到底行还是不行，但说“摩尔定律大概不灵了”的人，也正是摩尔本人。

“所以现在如果有人说半导体快不行了，千万别信他的话，我觉得半导体产业还有很光明的未来。”魏少军教授如是说。