AI 晶片將為人類生活品質帶來什麼轉捩點?

「現今 AI 晶片發展，將為人類生活品質帶來質變與量變的轉捩點。 」王偉彥首先指出AI 晶片持續進展，將在短時間內改變各種家電用品的特性，有機會快速讓我們周邊的電器「智慧化」。 王偉彥近期的研究焦點就在「小而美」的 AI 邊緣運算機制，與廠商合作研發全球最小型的 AI 晶片「AI Mipy」。 王偉彥分析，AI 的運算發展至今，可以分成兩個發展的方向。 首先是「雲端運算」，將資料上傳到龐大的伺服器進行處理，最後透過 AI 模型以及演算法得出結果。 其次則為「邊緣運算」，於在地端直接使用高效率的晶片進行 AI 運算、直接獲得結果。 考量到 AI 功能的多樣化與產業、資源的效益，邊緣運算預計將成為未來 AI 發展的趨勢。 同樣都是晶片，AI 晶片又有什麼特別之處呢？

人工智慧與晶片設計之間的交互作用為何?

他對人工智慧與晶片設計之間的交互作用頗有研究與卓見。 Stelios也為此做出一些行動；他從事的一項備受矚目的應用研究，會使用人工智慧來學習以往晶片設計工作中的事物，使每項專案都能始終如一地取得更好的工作成果。 此項技術稱為設計空間最佳化 (design space optimization; DSO)。 因為他說明事情的功力比我強，所以在此就節錄Stelios部落格文章中的一段話，來解釋這項技術的作用。 人工智慧在晶片設計中的一項顛覆性創新應用，正是設計空間最佳化 (DSO)。 這是一種生成型最佳化範式 (generative optimization paradigm)，使用強化學習技術自主搜尋設計空間而取得最佳解決方案。

晶片設計要驗證嗎?

大部分的晶片設計專案要花費30%時間進行驗證，主要重複執行相同測試。 人工智慧可協助工具僅查看有改變或調整的地方，並將驗證重點放在設計的部分，可大幅減少運算時間與加速結果產出。 新思科技自 2020年引入DSO.ai 以來，近期內已開闢新的應用領域。

晶片製造商面臨的挑戰是什麼?

目前晶片製造商所面臨的挑戰，不僅只與被壓縮到正在進行設計的晶片中的電晶體數量有關。 除了傳統摩爾定律的進展，尚具有許多利用與發展系統複雜度 (systemic complexity)的新機會。 正如Aart de Geus所說， 在這個「SysMoore」的年代 ，需要新的工具與策略以持續推動業界向前發展，在必要的速度下滿足製造商與產業不斷增長的需求—無論規模大小，以看似永遠無法被滿足的需求，盡可能製作出「智慧型」的新產品。 Aart de Geus進一步解釋，半導體產業主要挑戰在於，如何在未來的十年內，能達到從雲端到邊緣的1,000倍AI運算效能；這意味著要更快速、以更低的成本建構出更好的晶片。 他認為AI工具是關鍵，而改變遊戲規則的破壞性創新將使其成為可能。