被業界譽為芯片設計界的國際奧林匹克盛會的國際固態電路大會（ISSCC 2023）近日在美國舊金山舉行。今年恰逢ISSCC 70周年大慶，也是自2020年疫情以來首次全線下模式召開的芯片設計領域的國際盛會，來自全球工業界與學術界的數千名領域專家齊聚舊金山。本次大會，清華大學電子工程系教授、長江學者、湃方科技首席科學家劉勇攀團隊的兩項高能效端側AI加速芯片技術成功入圍。 邊緣計算技術是新一代智能物聯網技術驅動引擎。高效的邊緣計算技術有利于算力的去中心化，從而有效地增加物聯網端側的功能范圍，實現更高效、更及時、更可靠的端側計算。湃方科技團隊長期致力于硬件與算法聯合優化的技術路線，研發了Sticker系列、tritium 103等多種端側AI加速芯片，覆蓋稀疏量化、變換域加速、差分加速、近似計算、存內計算等多項技術維度，7次入選ISSCC大會。本次團隊再次入選，標志著相關技術的新突破。 論文介紹：
劉勇攀、賈弘洋、楊華中教授等發表題為“A 28-nm 38-to-102-TOPS/W 8-b Multiply-less Approximate Digital SRAM Compute-In-Memory Macro for Neural-Network Inference”的論文。數字存內計算技術相比于模擬存內計算具有高精度、易集成的特點，但其能量效率和面積效率受數字乘累加電路限制難以進一步提升。針對該關鍵問題，研究團隊設計并流片驗證了一款基于SRAM的高能效近似數字存內計算芯片。該芯片采用加法網絡近似傳統卷積網絡，通過L1距離代替乘法運算，大幅削減了數字電路開銷。同時采用預計算重塑數據流，將絕對值計算進一步簡化為比較操作。此外，設計的高密度動態邏輯比較器通過電路級的可約束近似計算進一步提升能效和面積效率。基于以上創新點設計的存內計算芯片采用28nm工藝制造，峰值8比特計算能量效率達到102TOPS/W，相比于相同工藝下數字存內計算工作能效提升3倍以上，展示了近似數字存內計算電路的性能優勢。
存內計算核心芯片及硬件指標
劉勇攀、楊華中教授等發表題為“A 28nm 2D/3D Unified Sparse Convolution Accelerator with Block-Wise Neighbor Searcher for Large-Scaled Voxel-Based Point Cloud Network”的論文。相比2D視覺信息，3D點云數據可以提供豐富的幾何、形狀和深度信息，使得深度3D點云模型在自動駕駛、智能機器人等領域得到廣泛應用。然而3D點云數據具備稀疏、非規則的分布特性，帶來隨機數據存取訪問、2D/3D多樣稀疏卷積計算、非均衡計算核心調度等硬件難題，限制其面向實際應用落地。為提升點云模型的硬件運行效率，研究團隊設計并發布了2D/3D融合的稀疏點云加速器芯片。團隊基于分塊存儲管理機制實現無序稀疏數據的連續、高效傳輸，設計2D/3D多稀疏度可重構卷積計算電路實現4類稀疏卷積的高效支持，提出多核心混合調度優化策略解決稀疏計算存在的負載不均衡、數據復用效率低的問題。該芯片是首款支持大規模化點云模型端到端運行的智能芯片，在TSMC 28nm工藝下成功流片，峰值處理能效達到4.68TOPS/W，相比2022年文獻中的相關工作能效提升2倍以上。同時團隊將該芯片與激光雷達集成實現了可演示實時系統，并在ISSCC Demo環節中進行展出，顯示出其對點云模型強大的實時推理能力。
點云加速器芯片及硬件指標
