日前， Elsevier（愛思唯爾）云論壇暨絡繹學術 Online 第九期線上學術會議成功舉辦，我們與 Elsevier 一同為大家呈現了信息技術芯片的發展與創新。

本次論壇由上海交通大學集成量子信息技術研究中心主任金賢敏教授主持，特邀上海交通大學人工智能研究院首席科學家徐雷教授、浙江大學光電科學與工程學院副院長戴道鋅教授、北京大學人工智能研究院類腦智能芯片研究中心主任楊玉超教授、上海交通大學物理與天文學院副研究員唐豪、以及愛思唯爾核心內容客戶顧問許靖博士，圍繞信息技術芯片的基本技術原理、產品應用及未來發展展開主題分享。

本文將結合論壇的重點內容和當前信息處理芯片的現狀，對三種未來備受關注的信息技術芯片進行概念解讀及產業分析。
信息技術芯片的演進，背后透射出算力的螺旋式上升

在算力需求大幅提升的背景下，信息技術芯片所承載的計算處理能力不足，來源于架構側、智能化水平、功耗、軟件能力等多方面的挑戰。

最早以 CPU 為代表的計算芯片采用的依然是傳統的馮·諾依曼架構，存算分離是最大的特點，也是馮諾依曼架構的瓶頸所在。在計算之前需要從存儲器當中讀取數據，之后再進行計算。這個過程中，功耗和延時花費在搬運數據的環節上。從單次操作來講，大多數情況下，搬運數據需要的功耗占據了整個功耗的約 70% 。解決這個問題最直接的思路，即是實現存算一體。

同時，存儲器性能的提升遠遠落后于計算器性能的提升。由于馮·諾依曼瓶頸和存儲墻的存在，導致存算分離架構下，算力的提升面臨天花板。為了解決這種困境，更多類型的非馮·諾依曼架構芯片出現，例如類腦芯片、光子芯片等。

除了架構側的限制，智能化水平的提升也趨勢計算芯片向更智能的階段邁進。2011 年，風險投資公司 Andreessen Horowitz 的普通合伙人 Marc Andreessen 在《華爾街日報》上發表了一篇非常有影響力的文章，名為“ Why Software Is Eating the World-軟件為何在吞噬世界”。十年后的今天，我們正站在“ Deep Learning is Eating the World-深度學習正在吞噬整個世界”的節點。

基于人工智能的自然語言處理、圖像識別和自動駕駛的技術進步，是以消耗計算資源和能源為代價的。工程師和計算機科學家正在付出巨大的努力，以找出更有效地訓練和運行深度神經網絡的方法。這也是未來計算芯片升級和演化的主要目的，為了讓其更好地執行 AI 計算。

第三代神經網絡技術預計向類腦脈沖神經網絡技術演進，對更高智能水平的人工智能技術的需求，也驅使計算平臺的架構升級和智能化升級。

不難發現，人腦是自然界中存在的典型高智能、低功耗的單體計算平臺。類腦芯片則是典型的存算一體、高度智能化的計算架構。全球范圍內對類腦智能和類腦芯片的研究，已經是非常重要的前沿課題。