【深圳：鼓励高端微控制器 (MCU) 、计算芯片等汽车芯片实现自主突破】

【深圳：鼓励高端微控制器 (MCU) 、计算芯片等汽车芯片实现自主突破】 深圳发布促进新能源汽车和智能网联汽车产业高质量发展的若干措施。其中提到，实现重大核心环节突破。围绕车规级芯片、车用操作系统、中央计算平台、新体系动力电池等产业核心领域和重要环节，支持针对重大技术系统、重大工程、重大装备等进行重点攻关，按项目总投资的一定比例予以不超过3000万元资助。采用“赛马制””“揭榜挂帅”等方式，鼓励高端微控制器 (MCU) 、功率器件、电源控制模拟芯片、车内/车间通信芯片、高算力主控芯片、计算芯片、系统级芯片 (SOC) 等汽车芯片实现自主突破。

清华大学研究超高速光电模拟芯片：“挣脱”摩尔定律，算力提升 3000 倍

清华大学研究超高速光电模拟芯片：“挣脱”摩尔定律，算力提升 3000 倍 清华大学自动化系戴琼海院士、吴嘉敏助理教授与电子工程系方璐副教授、乔飞副研究员联合攻关，提出了一种“挣脱”摩尔定律的全新计算架构：光电模拟芯片，算力达到目前高性能商用芯片的3000余倍。相关成果以“高速视觉任务中的纯模拟光电芯片”（All-analog photo-electronic chip for high-speed vision tasks）为题，以（article）形式发表在《自然》（Nature）期刊上。如果用交通工具的运行时间来类比芯片中信息流计算的时间，那么这枚芯片的出现，相当于将京广高铁8小时的运行时间缩短到8秒钟。 在这枚小小的芯片中，清华大学攻关团队创造性地提出了光电深度融合的计算框架。从最本质的物理原理出发，结合了基于电磁波空间传播的光计算，与基于基尔霍夫定律的纯模拟电子计算，“挣脱”传统芯片架构中数据转换速度、精度与功耗相互制约的物理瓶颈，在一枚芯片上突破大规模计算单元集成、高效非线性、高速光电接口三个国际难题。 实测表现下，光电融合芯片的系统级算力较现有的高性能芯片架构提升了数千倍。然而，如此惊人的算力，还只是这枚芯片诸多优势的其中之一。 在研发团队演示的智能视觉任务和交通场景计算中，光电融合芯片的系统级能效（单位能量可进行的运算数）实测达到了74.8 Peta-OPS/W，是现有高性能芯片的400万余倍。形象地说，原本供现有芯片工作一小时的电量，可供它工作500多年。

清华大学研制出全球首颗“机器学习能在硬件端直接完成”的芯片

清华大学研制出全球首颗“机器学习能在硬件端直接完成”的芯片 近日，清华大学集成电路学院教授吴华强、副教授高滨团队基于存算一体计算范式，研制出全球首颗全系统集成的、支持高效片上学习（机器学习能在硬件端直接完成）的忆阻器存算一体芯片，在支持片上学习的忆阻器存算一体芯片领域取得重大突破，有望促进人工智能、自动驾驶可穿戴设备等领域发展。 该芯片包含支持完整片上学习所必需的全部电路模块，成功完成图像分类、语音识别和控制任务等多种片上增量学习功能验证，展示出高适应性、高能效、高通用性、高准确率等特点，有效强化智能设备在实际应用场景下的学习适应能力。相同任务下，该芯片实现片上学习的能耗仅为先进工艺下专用集成电路（ASIC）系统的3%，展现出卓越的能效优势，极具满足人工智能时代高算力需求的应用潜力，为突破冯·诺依曼传统计算架构下的能效瓶颈提供了一种创新发展路径。

清华大学集成电路学院教授魏少军：依靠工艺技术进步已几乎无法实现更高性能的计算

清华大学集成电路学院教授魏少军：依靠工艺技术进步已几乎无法实现更高性能的计算 今日中国半导体行业协会IC设计分会理事长、清华大学集成电路学院教授魏少军在以“创芯未来 共筑生态”为主题的2023中国临港国际半导体大会上对记者表示，当前依靠工艺技术进步几乎无法实现更高性能的计算，特别是从现有计算芯片的主流路线推演，已难以满足Z级超算的性能、功耗和成本需求，需要研发新的计算芯片架构来应对智能化、大算力的新挑战。 来源：

清华团队发布中国AI光芯片“太极” 号称受《周易》启发

清华团队发布中国AI光芯片“太极” 号称受《周易》启发 该研究成果于北京时间4月12日凌晨以《大规模光芯片“太极”赋能160 TOPS/W通用人工智能》为题发表在最新一期的《科学》（Science）上。方璐、戴琼海为论文的通讯作者，电子工程系博士生徐智昊、博士后周天贶（清华大学水木学者）为论文第一作者。“挣脱”算力瓶颈的中国光计算睿智尝试作为人工智能的三驾马车之一，算力是训练AI模型、推理任务的关键。倘若把大模型当作是做一道精致的菜肴，算力就好比一套称手的烹饪工具。世人皆知巧妇难为无米之炊，但再好的厨子，没有一口好锅、一把好刀，面对鲜美的食材也只能望而兴叹。光计算，顾名思义是将计算载体从电变为光，利用光在芯片中的传播进行计算，以其超高的并行度和速度，被认为是未来颠覆性计算架构的最有力竞争方案之一。光芯片具备高速高并行计算优势，被寄予希望用来支撑大模型等先进人工智能应用。智能光计算作为新兴计算模态，在后摩尔时代展现出有望超越硅基电子计算的潜力。然而其计算任务局限于简单的字符分类、基本的图像处理等。其痛点是光的计算优势被困在了不适合的电架构中，计算规模受限，无法支撑亟需高算力与高能效的复杂大模型智能计算。行胜于言，直面科研领域痛点问题，帮助光计算“挣脱”算力瓶颈，另辟蹊径，“从0到1”重新设计适合光计算的新架构，是这个清华团队迈出的关键一步。光电智能技术交叉创新团队部分成员合影（左三为戴琼海院士、右二为方璐副教授）从“无极”而至“太极”的双向奔赴从构思到实验，开辟新赛道、做第一个吃螃蟹的人往往都伴随着巨大的困难与压力。每一个研究成果的背后，都凝缩了团队每一位成员的心血，是历经无数失败与彻夜难眠后，结出的那颗最耀眼的结晶。但方璐却将这次科研历程比拟为一场浪漫的“双向奔赴”：从算法架构上自顶向下探索，在硬件芯片设计上自底向上推演。相异于电子神经网络依赖网络深度以实现复杂的计算与功能，“太极”光芯片架构源自光计算独特的‘全连接’与‘高并行’属性，化深度计算为分布式广度计算，为实现规模易扩展、计算高并行、系统强鲁棒的通用智能光计算探索了新路径。据论文第一作者、电子系博士生徐智昊介绍，在“太极”架构中，自顶向下的编码拆分-解码重构机制，将复杂智能任务化繁为简，拆分为多通道高并行的子任务，构建的分布式‘大感受野’浅层光网络对子任务分而治之，突破物理模拟器件多层深度级联的固有计算误差。化“深”为“广”：分布式广度光计算架构团队以周易典籍‘易有太极，是生两仪’为启发，建立干涉-衍射联合传播模型，融合衍射光计算大规模并行优势与干涉光计算灵活重构特性，将衍射编解码与干涉特征计算进行部分/整体重构复用，以时序复用突破通量瓶颈，自底向上支撑分布式广度光计算架构，为片上大规模通用智能光计算探索了新路径。通俗来讲，干涉-衍射的组合方式仿佛就是在拼乐高玩具。乐高积木可以通过一个模块刘海与另一个模块凸起的契合来完成两个组件的拼接。在科研团队眼中，一旦把干涉、衍射变成基础模块，进行重构复用，可以凭借丰富的想象力搭建出变化无穷的造型。两仪一元：干涉-衍射融合计算芯片据论文报道：“太极”光芯片具备879 T MACS/mm²的面积效率与160 TOPS/W的能量效率，首次赋能光计算实现自然场景千类对象识别、跨模态内容生成等人工智能复杂任务。“太极”光芯片有望为大模型训练推理、通用人工智能、自主智能无人系统提供算力支撑。复杂智能任务实验结果展示方璐表示，“之所以将光芯片命名为‘太极’，也是希望可以在如今大模型通用人工智能蓬勃发展的时代，以光子之道，为高性能计算探索新灵感、新架构、新路径 。”学科交叉融合，探索无限可能“太极”光芯片的诞生是多学科交叉碰撞、探索无限的过程。从一个初步设想到打破常规思维、确立科研思路，从理论计算到架构创新，再到模拟试验、现场实测......每一个重大突破性研究，都涉及不同学科高度交叉融合，催生出“0到1”的成果。北京信息科学与技术国家研究中心的光电智能技术交叉创新团队由来自电子系、自动化系、集成电路学院、软件学院的领域学者和专门研究人员组成。在这里，“理学思维融合工科实践，交叉领域践行原始创新”的理念一以贯之，团队始终致力于为中国成为世界科学中心和创新高地贡献出清华力量。和团队的对话中，“初心”和“坚持”两个词语，被多人反复提及。恰如团队成员所言，“科学研究是一个厚积薄发的过程，不是一蹴而就的，就像在黑暗中来回摸索，可能会经历反复失败，但一定要坚持自己的初心。”一次次“推翻重来”“背水一战”的底气背后，是什么支撑着团队的坚持求索？答案是：良好的学术环境和有组织科研的全方位保障。2021年4月19日，习近平总书记在清华大学考察时强调，重大原始创新成果往往萌发于深厚的基础研究，产生于学科交叉领域，大学在这两方面具有天然优势。要保持对基础研究的持续投入，鼓励自由探索，敢于质疑现有理论，勇于开拓新的方向。“当时，我有幸参与向总书记汇报团队的科研进展，在现场聆听总书记的嘱托。”三年过去，方璐和许多清华人一样，是亲历者、践行者，更是答卷人。方璐认为，这次突破性科研成果的成功取得，是清华大学深入推进有组织科研的一次生动实践。该课题受到科技部2030“新一代人工智能”重大项目、国家自然科学基金委杰青项目、基础科学中心项目，清华大学-之江实验室联合研究中心支持。在合作者中，有来自各个学科、不同背景的成员。他们集思广益，多学科、多角度地探索更多解决途径。跨界交叉、深度融合，创新的火花在学科碰撞中不断迸发，为科研团队厚植基础、勇攀高峰提供了新动能。 ... PC版： 手机版：

AMD CEO 认为计算机领域的下一个最重要挑战是能效

AMD CEO 认为计算机领域的下一个最重要挑战是能效 AMD CEO 苏姿丰（Lisa Su）在 IEEE ISSCC 会议上指出，未来十年计算机领域的最重要挑战将是能效。摩尔定律预测的芯片性能增长速度虽然放缓了，但今天的芯片计算能力仍然能每两年半翻一番，超算翻倍所需的时间更短。然而计算机的能效并没有跟上这一步伐，十年后未来的超算可能需要多达 500 兆瓦的电力。她说，没人真正知道如何实现下一个运算千倍增长的 zetta 级超算，这必定需要全面的改进效率，不仅包括改进芯片的能效，还需要高效的芯片间通信和低功耗的内存访问。苏姿丰谈论了 AMD 在数据中心 APU MI300 上采取的改进能效的众多措施。 来源 ， 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot