AI芯片峰会沸腾深圳！50强榜单重磅揭晓，三大新技术惊艳交锋

8月27日，GTIC 2022全球AI芯片峰会在深圳市南山区圆满落幕。会上，2022「中国AI芯片企业50强」榜单正式揭晓。

▲智一科技联合创始人、总编辑张国仁揭晓榜单

这场高规格产业会议，由芯东西与智东西公开课联合主办，以“不负芯光 智算未来”为主题，汇集了来自AI芯片领域的产学研投专家及创业先锋代表，展示智能计算底层创新与落地的最新光景。

两天内，32位嘉宾通过主题演讲和巅峰对话，分享了干货满载、深入浅出的行业见解。峰会全场座无虚席，全网直播人数累计高达220万+人次。作为智一科技产业对接平台GTIC落地深圳的首场产业峰会，GTIC 2022全球AI芯片峰会得到了深圳产业人士的广泛好评。

15位大牛分别出席边缘端AI芯片专题论坛、存算一体芯片专题论坛、新型计算技术专题论坛，畅谈AI芯片创新路径，以及在加速落地商用过程中积累的心得。

01.

南科大余浩：“种草”低碳AI芯片，高精度与低功耗并存

南方科技大学深港微电子学院创院副院长余浩教授在现场“种草”了低碳AI芯片。

我们向往着让机器来做计算，帮助我们“躺平”，但就目前的算力中心而言，其在功耗和效率上都需要付出很大代价，如电力、能源的消耗。因此，在数字经济、可持续经济的背景下，我们需要一块高能效的低碳芯片。

▲南方科技大学深港微电子学院创院副院长余浩教授

现有的有效解决途径包括并行的GPU、脉动的TPU，不过这些解法或多或少仍存在功耗高、能效低的问题。那么，如何在保证精度、降低功耗的情况下训练出多精度、多复杂度模型并实现高能效的硬件计算？

余浩教授团队的做法是通过网络架构自动搜索设计，对网络进行逐层优化，得到高能效的混合精度神经网络；并在硬件层面，让每个数据单元都支持多精度并行处理，同时每个并行的多精度阵列又可以进行数据复用，就可以高能效地运行多复杂度的网络模型。

南方科技大学团队已经研发了4款AI芯片，其中，在平均能效情况下，X-Edge芯片达到200TOPS/W，超越人脑的10TOPS/W。

基于上述研发理念，X-Edge芯片可以应用于搭建低碳边缘算力平台、机器人平台、移动巡检平台、元宇宙平台等。

02.

软硬件协同设计，应对AI落地碎片化难题

相对云端AI芯片，边缘侧与端侧的AI芯片企业面临着更为多元的应用场景，不止要通过优化底层技术，还必须抓住时间窗口，加速实现芯片及相应解决方案的规模化落地。

在上午举行的边缘端AI芯片专题论坛期间，来自时擎科技、爱芯元智、Imagination、齐感科技、英诺达、嘉楠科技的行业大牛，分享了他们观察到的下游市场需求之变，以及应对这些变化的产品创新、落地打法与实战经验。

1、时擎科技仇健乐：分布式存储与计算，应对端侧AI落地碎片化挑战

在AIoT时代，AI应用越来越多地以“云边端协同”形式出现。与云端AI芯片相比，端侧AI芯片需要满足一些特定需求，比如：算力能支持本地预处理或简单决策即可，对功耗和成本更敏感，传感器接口和应用市场碎片化等。

面向这样的市场特点，端侧智能芯片公司时擎科技选择采用DSA（领域专用架构）芯片设计方案，时擎采用神经网络数据压缩引擎，支持自主研发的基于RISC-V架构的端侧DSA智能处理器。

据时擎科技研发副总裁仇健乐分享，该处理器可进行分布式存储和计算，适应AI算法快速演进，保持高计算效率，目前已能在128GOPS-2TOPS算力范围内实现较强伸缩性。

▲时擎科技研发副总裁仇健乐

当进入客户应用场景进行部署，设计好的AI端侧芯片又面临一大新的挑战——部署模型多为小型化网络模型，数据量化难度大。

为此，时擎通过TimesFlow平台提供多种量化方法，包括INT8/INT16的对称/非对称量化选项，从而降低量化过程中的精度损失。时擎还配备一键部署功能、丰富算子库、多种预处理方法，以优化客户的应用部署体验。

2、爱芯元智刘建伟：两大核心技术，加速端侧AI芯片落地

近10年AI技术发展迅猛，随着算力越来越大，市场空间暴涨，端侧和边缘侧的AI芯片也迎来发展机遇。在端侧、边缘侧对智能要求越多，需要的算法也就越多，同时，AI的应用也对感知和计算提出了更高的需求。

爱芯元智联合创始人、副总裁刘建伟说：“爱芯元智在AI芯片领域对感知和计算的探索，已经成功量产两代四颗芯片，并布局于消费电子、智慧城市领域。”

▲爱芯元智联合创始人、副总裁刘建伟

爱芯元智将感知和计算作为两大基础技术进行研发，其中，AI-ISP技术将AI与ISP（图像信号处理）相结合，选取传统ISP中的模块进行增强。混合精度NPU提供基础算力，可以实现模块间并行计算。

此外，爱芯元智提供的不仅是AI芯片，而是面向场景的解决方案，在设计整个芯片时，会帮助客户从芯片、应用到算法进行协同设计。

3、Imagination郑魁：CPU+GPU+AI异构计算，满足边缘智能多样化需求

随着人工智能市场快速增长，PC、智能手机、安全、汽车等市场都需要不同算力，为此，IP解决方案商Imagination最新推出了覆盖AI、GPU和CPU等IP的异构计算架构。

Imagination中国区⼈⼯智能及汽车产品市场副总郑魁谈道，作为一家IP设计公司，PPA（性能、功耗、面积）是产品一直强调的要素。同时面向手机、自动驾驶等各个领域的算力需求多样化，对硬件计算架构乃至软件栈有更高的需求。异构计算是未来的发展方向，对此，Imagination已在IP层面将所有计算异构能力整合，提供具备灵活性、标准化、开放性的解决方案。

▲Imagination中国区⼈⼯智能及汽车产品市场副总郑魁

在AI方面，Imagination推出了NNA（神经网络加速器）等IP产品，已落地自动驾驶、consumer等多个领域；在CPU方面，最新推出基于RISC-V的RTXM-2200，是其首款实时嵌入式的高度可扩展的实时、确定性、32位嵌入式CPU；在GPU方面，基于PowerVR开拓性架构除了出色的PPA，还具备强大的算力可拓展性。Power VR架构走过30载，如今高算力IMG GPU已拓展至桌面、车载、高性能计算等多个新市场。

4、齐感科技刁勇：芯片+解决方案，助不同AI场景的应用快速落地

齐感科技市场副总裁刁勇谈道，AI产业市场正在高速发展，目前较典型的AI应用包括语音识别、自然语言处理、视觉应用，其中视觉应用是成长最快速的。

▲齐感科技市场副总裁刁勇

智慧家居、智慧零售、智慧农牧、机器人、智慧教育等落地场景，对AI视觉芯片有非常强的需求。对于AI视觉芯片公司来说，仅利用自己的经验来应对不同业务需求，可能会面临很多的挑战。对此，齐感科技以AI SoC芯片为核心，推出全套解决方案，来帮助客户在设计相关产品时快速落地。

目前，齐感科技已经推出两代芯片平台QG21、QG31，包含8颗芯片，并在此基础上布局了智能网络摄像机、低功耗视觉应用，智能门锁、AI智能分析盒子、智能云台、翻译机等解决方案。

此外，很多不带AI的摄像头已经部署应用，但它们可能有实际上有升级、增加AI加速能力的需求，齐感科技的AI智能分析解决方案则给这些产品提供了升级路径。

5、英诺达李曦：大型AI芯片验证平台，应对芯片设计上云需求

算力成为半导体行业的新增长点，人们在追求更先进的制程工艺时，IC设计成本随之快速上升，芯片设计软件EDA上云成为新趋势。

英诺达市场与销售总监李曦谈道，IC设计上云面临数据安全、商务模式、技术支持等多重挑战。EDA龙头Cadence推出的Palladium硬件仿真加速器是业界较通用的硬件仿真器，支持百亿门级的SoC全芯片验证；但它价格昂贵，安装及维护要求高，中小公司往往难以负担。

▲英诺达市场与销售总监李曦

为此，英诺达推出国内首个基于且由Cadence独家授权的Palladium的异构云平台，在国内搭建异构机房以保证安全可控和数据快速传输，并将费用降低到中小公司可负担的范围，目前已形成按需使用、按时收费的商业模式。

同时，该平台也会提供机器故障诊断及维修、客户配置初始调试、验证环境搭建等技术支持。在疫情期间，英诺达的云服务优势明显，客户的机器利用率保持在80%以上，不仅可以让用户持续推进研发进度，还可以让用户把更多精力放在体现其核心竞争力的芯片设计上。

6、嘉楠科技汤炜伟：拥抱软硬件开源生态，算法平台和仓库帮助轻松部署

“AI应用的发展逐渐变得场景化、设备化、多样化。”嘉楠科技副总裁汤炜伟说。AI先起于云端，随着技术不断成熟、AI算法模型裁剪量化，AI芯片性能和性价比不断提升，边缘的AI算力变得更加普及。

▲嘉楠科技副总裁汤炜伟

边缘AI计算设备形态多元化，这导致未来该领域的开发并不只在大公司，更多中小公司、个人开发者都会参与进来。不过在开发过程中，开发者往往直面很多门槛，比如选择芯片平台、买不到芯片硬件、获取开发资料和获得支持等。在他看来，降低门槛最好的途径就是开源。

因此，嘉楠科技采用RISC-V的通用处理器核架构，多代自研KPU架构，实现全流程的研发自主研发，能够对开源开放、快速迭代和客户支持有更好支撑。近两三年嘉楠科技已经实现超200万颗RISC-V AI芯片出货。

另外，新的AI算法平台和仓库计划年底推出，该工具将极大降低AI开发门槛。在体验已有AI demo集的基础上，开发者可空中升级新增的AI算法demo 以及算法二次开发，并轻松优化部署在硬件上。

嘉楠科技的AI工具链，软件SDK等代码和文档已全面开源在Github等平台上，以勘智Kendryte AI品牌呈现。

03.

存算一体核心力量集结！从小算力走向大算力

存算一体是当前AI芯片领域最热门的架构创新方向。这个有望突破传统算力瓶颈的创新赛道，不仅是国际芯片学术顶级会议的焦点话题，而且在产业界开始频频“吸金”，连获各路资本的倾投。

下午，五位国内存算一体AI芯片创企的创始人兼CEO齐聚GTIC 2022全球AI芯片峰会·存算一体芯片专题论坛，展示前沿架构与落地进展，探讨高能效、低成本的可行之径。

1、知存科技王绍迪：存内计算芯片能效、成本优势明显，WTM系列芯片率先布局生态

相比于传统计算架构，存算一体更适合AI计算。利用欧姆定律乘法的计算原理，这种架构就可以实现百万级、千万级并行计算，使得AI计算算力能效提升数倍到数十倍，相比CPU、GPU具备更高密度、更高并行度、更高能效、更大算力。

知存科技创始人兼CEO王绍迪谈道，存算一体在成本、算力、功耗上有很大优势，但还需要补齐通用型、工具链、精度。

▲知存科技创始人兼CEO王绍迪

知存科技已经量产商用存内计算SoC芯片WTM2101，AI算力达到50Gops，功耗仅5uA-3mA，主要应用于可穿戴场景中的语音识别、语音增强、健康监测等功能。未来5年内，还将发布更高算力芯片序列WTM8系列、WTM-C系列、WTM-S系列。

接下来，凭借存内计算产品研发和商用的先发优势，知存科技会持续投入算法体系、架构创新与工具链、底层工艺三个层面，推动存内计算生态构建。王绍迪表示，存内计算未来也要拥抱Chiplet，将兼容性、能效做的更好。

2、苹芯科技杨越：AI算力下沉时代，用SRAM突破“存储墙”限制

进入AI时代，算力正在下沉到移动物联网及AIoT终端，计算更加注重能耗及效率。

为了解决“存储墙”问题，减少数据在存储器与处理器之间的传输损耗，业界出现了CMOS加速器、近存计算、存内计算等多种路径。苹芯科技联合创始⼈兼CEO杨越认为，在可实现存内计算的多种存储器技术中，SRAM（静态随机存取存储器）具有较大计算优势。

▲苹芯科技联合创始⼈兼CEO杨越

聚焦这一领域，苹芯科技推出了SRAM数字存内计算内核，支持常见的定点/浮点运算，能实现超5倍效率提升，纳秒级读写延迟，无擦写次数限制，并且能够向高级工艺节点兼容，引入ADC-less设计，从而实现精度无损效果。从内核硬件到SoC产品，苹芯科技在可挂载的PIM核、软件构建等方面加大布局，目前正在陆续推出NE002、NE003、PIMCHIP S230等几款芯片。

权威报告显示，2030年全球AI芯片市场规模有望达到2021亿美元。杨越说，苹芯定位的市场不局限于AI识别算法，还覆盖了包括降噪算法、SLAM算法、ISP算法等其他矩阵类运算，目标落地智慧可穿戴、机器人、工农业智能化设备等领域。

3、亿铸科技熊大鹏：基于ReRAM的全数字化存算一体大算力芯片技术

AI芯片正在从通用CPU、专用加速器发展为存算一体阶段，而冯·诺依曼架构的存储墙、能效墙、编译墙正在阻碍AI芯片算力和能效比的持续发展。

亿铸科技创始人、董事长兼CEO熊大鹏谈道，存算一体架构在突破这些瓶颈上具有先天优势。目前实现存算一体架构主要通过模拟、数模两种方式。模拟能够提高两个数量级以上的能效比，数模混合能部分解决精度问题，不过这两种方式会牺牲部分精度，同时数模、模数转换会带来能耗、面积和性能瓶颈。

▲亿铸科技创始人、董事长兼CEO熊大鹏

为了突破上述瓶颈，亿铸科技基于ReRAM打造了全数字化存算一体AI大算力芯片技术，通过数字化彻底解精度问题，在整个计算过程中，不受工艺环境的影响，实现高精度、大算力、超高能效比，切实将存算一体架构应用于大算力领域。

不同存储介质应用在不同场景上各有优劣势。熊大鹏认为，面向AI大算力场景，ReRAM是目前最合适的存储介质。亿铸选择ReRAM的优势在于非易失、密度大、密度上升空间巨大、能耗低、读写速度快、成本低、稳定、兼容CMOS工艺等特点。目前ReRAM的制造工艺已经成熟，且已经有ReRAM产品量产落地。

4、智芯科张钟宣：解决AI落地中的“将大象塞进冰箱”难题

杭州智芯科微电⼦创始⼈兼CEO张钟宣说，千千万万的AI公司做AI落地，面临“将大象塞进冰箱”的问题。例如，一个手机的功耗不能超过5W，否则热散不去，AI模型落地到手机上，就会损失很多效果。

▲杭州智芯科微电⼦创始⼈兼CEO张钟宣

看到这一市场发展瓶颈，智芯科选择基于SRAM（静态随机存取存储器）的存内计算技术，解决后摩尔时代的“大算力、低功耗”市场痛点。智芯科主要聚焦视觉处理芯片、GPNPU（通用神经网络处理器）两个落地方向。

张钟宣谈道，智芯科的视觉处理器AT700 AI CIM，int8能耗比达到10TOPS/W。AT700X Pre-ISP图像增强能使算力超过20TOPS，同时功耗低于1W；落地网络摄像机领域，能实现0.5~2W低功耗，算力达10~50TOPS（int8），实现暗光全彩效果；AT800 GP CIM是其代表性的边缘AI处理器，采用12nm制程，int8能耗比达到30TOPS/W，几乎达到当下5nm同类芯片的水平。

在软件方面，智芯科推出了一套AI工具流程，面向客户提供网络优化、量化浮点达int8的算力服务，并支持神经网络图形编译、可执行二进制文件生成的相关硬件。

5、九天睿芯刘洪杰：基于混合信号SRAM存算一体，多模态传感器协同

人机交互系统智能程度提升，带来了传感器数量、时间空间分辨率要求及神经网络应用规模的提升，对多维度数据同步采集、传输、处理、运算和存储操作的能效、面效和时效性能提出了更高的要求。

九天睿芯创始人、董事长兼CEO刘洪杰谈道，基于SRAM的混合信号存内计算能够实现更小的运算单元、更高的能效，同时保持符合商用的精度，体现了该架构良好的应用优势，在面积上，九天睿芯的产品大小仅为1.4x1.4平方毫米。

▲九天睿芯创始人、董事长兼CEO刘洪杰

混合信号SRAM存算一体同时结合模拟预处理和高性能ADC，九天睿芯使整个信号链更智能更高效率，这一架构能打破传感器端ADC速度和精度性能瓶颈，存算一体实现了NPU突破功耗瓶颈，因此适用于追求极致低功耗和低延时、高精度的场景。面向两个应用：1，VR/AR领域的未来应用，基于混合信号SRAM感存算一体可帮助实现眼动追踪，以及VR/AR头显设备的超低功耗语音识别、SLAM同步定位与构图。2，集成模拟预处理或高速ADC与存算一体的车用传感器端（视觉，激光雷达等）的低延时低功耗高集成度处理。

04.

锻造新型计算钥匙，打开通用智能未来之门

在后摩尔时代，AI芯片日渐面临来自器件、工艺、架构、能耗、成本等诸多芯片设计与制造层面的挑战。同时，尽管深度学习算法的落地愈发广泛，产学界仍在探索实现通用智能的更多可能路径，这要求AI芯片从底层架构创新，来应对主流AI算法变化的不确定性。

除了存算一体方兴未艾，还有几类新型计算架构走出学术象牙塔，走向产业化。在新型计算技术专题论坛上，类脑计算创企代表灵汐科技、光子计算创企代表曦智科技、量子计算创企代表玻色量子发表主题演讲，分享他们如何通过将前沿技术转化落地，闯向AI计算加速的“无人区”。

1、灵汐科技华宝洪：类脑芯片已量产落地，异构融合成新趋势

灵汐科技副总经理华宝洪认为，类脑计算是后摩尔时代颠覆性战略技术，已成中美欧科技竞争必争之地。这一方法受人脑启发产生，是一个融合生物脑科学原理和计算机科学原理的计算系统，具有近似计算、抗噪音、稀疏、时空相关性等特点。

▲灵汐科技副总经理华宝洪

华宝洪说，异构融合是类脑计算的发展趋势。灵汐科技的相关成果于2019年登国际学术顶刊《自然》封面，基于此灵汐科技已流片和量产了边端首款商用类脑芯片Lynchip KA200，兼容人工神经网络和生物神经网络，采用12nm制程，支持25万神经元、2500万突触，稀疏模式支持200万神经元，DNN算力达到32TOPS（int8），16TFLOPS（FP16），功耗范围在1-14瓦，运行ResNet50-64、yolo5等主流网络时，芯片在能效比和性价比远高于NVIDIA T4。

目前灵汐科技的类脑计算芯片已经用于脑科学和类脑计算，同时也覆盖安防、机器人、无人机等传统AI应用领域。

2、曦智科技胡永强：光电混合，重新定义算力基建

半导体工艺从硅基时代的10μm工艺发展到3nm工艺，进入后摩尔时代，企业开始探索光子计算、量子计算、存内计算的发展。曦智科技全球副总裁胡永强谈道，光子计算的底层优势是低延迟、低能耗、高通量。与电传输相比，光信号以光速传输，能实现微米至百米级的TB级数据传输能力。

▲曦智科技全球副总裁胡永强

基于光子矩阵计算oMAC、片上光网络oNET、片间光网络oNOC的三大光核心技术，曦智科技打造了光子计算和光子网络两大产品线。

相比于电子芯片，光的计算单元并行能力很强，可以利用波分复用同时计算多路数据，同时获得更高的能效比以及极低的计算延迟，且对工艺制程的要求也更低。此外，片上光网络oNOC技术将CMOS硅电子芯片堆叠在光芯片上，这种光电技术能通过光波导实现高带宽、低能耗、低延迟的chiplet网络互联方案。

去年，曦智科技发布了第二代光计算处理器PACE，采用64x64光学矩阵乘法器，单个光子芯片中集成超过10000个光子器件，其运行特定神经网络的计算速度可以达到目前高端GPU的数百倍。今年下半年，曦智科技将推出全球首颗基于oNOC技术的光电混合3D封装AI加速计算芯片，并搭载自研软件栈。

3、玻⾊量⼦⽂凯：光量子芯片正从理论优越性走向实用优越性

量子计算代表着下一代算力的重要突破方向。在量子计算世界中，运算的基本单元是量子比特，它的基本状态是0和1的叠加。对N个量子比特进行一次操作，相当于对经典比特进行2的N次方次操作。这体现了量子计算机的巨大运算潜力，可应用于模拟、优化、机器学习、密码学等方向。

玻色量子创始人兼CEO文凯分享说，光量子计算是商用化量子计算机的新形态，目前正从空间光发展到集成光学芯片，从理论优越性走向实用优越性。比如中科大“九章”去年研制的113个光量子的“九章2.0”完成了高斯玻色采样计算实验，比经典超级计算机快了大约10的24次方倍，验证了量子计算的理论优越性。近年来，北京大学王剑威团队、美国PsiQuantum公司，加拿大Xanadu公司等都进行了光量子计算芯片化的相关探索。

▲玻色量子创始人兼CEO文凯

创立于2020年底的玻色量子是一支来自斯坦福大学、麻省理工、清华大学、中科院等学府的团队，多年研究基于DOPO（简并光学参量振荡器）的相干量子计算方案，并在量子神经元生成芯片、通用光量子计算芯片等方向展开了攻关。

目前，玻色量子已推出第一代“天工”光量子计算验证平台，在国内首次实现25节点任意相连可编程的MAX-CUT问题的优化求解验证，能在50微秒内在3000多万种可能性中筛选出4个最优解之一。在商业化场景应用上，玻色量子在金融、交通、生物制药等方面也都实现了突破。

05.

结语：AI芯片长坡厚雪，奔向智能计算未来

在这场AI芯片盛宴上，我们看到技术创新的力量依然熠熠生辉，从竞逐有效算力到聚焦解决现实问题，许多创新方案提供了更多破解AI芯片瓶颈的差异化思路，多个创业团队积淀的AI芯片实力也开始厚积薄发。

同时，我们也看到，无论是大算力还是小算力的AI芯片，无论是相对成熟的领域专用架构、通用GPU，还是存算一体、类脑计算、光子计算、量子计算等前沿技术路线，都有越来越多的高性能产品走向规模化量产与商用落地。

随着疫情得到有效控制，行业秩序逐步恢复，面对智能化、数字化、电动化带来的海量数据计算需求，承载着智能计算核心动力的AI芯片产业，继续快速奔跑，未来市场发展空间广阔。

我们希望GTIC 2022全球AI芯片峰会成为前沿技术交流和产业落地对接的平台，通过邀请各条细分赛道极具代表性的AI芯片企业们同台，共同谱出AI芯片产业的最强音。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。