進化するAI要件の整理

人工知能（AI）の出現により、大規模なデータセンター、自動運転車やロボットなどの「中規模」システム、および増え続けるモバイルデバイス、アプライアンス、ウェアラブルの需要に対応するために、多様な新しいマイクロエレクトロニクスソリューションが必要になります。まだ想定されていないアプリケーション。最も重要なのは、データの収集と分析において前例のない効率と速度を達成すると同時に、消費電力とフォームファクターを管理する必要があることです。

ハードウェアドメインでは、これには、センサー、プロセッサ、メモリ、相互接続、およびパッケージングにおける革新的な考え方と新しいパラダイムが必要になります。有望なオプションは、確立された新しい研究努力から実現し始めています。これについては、EdgeAIやその他の幅広いトレンドに照らして検討します。今後、これらの取り組みから実用的で製造可能なソリューションを作成するには、学際的な産業革命前のコラボレーションが必要になります。

コンピューティング機能と消費電力要件に基づいてアプリケーションを比較することで、今後のAI市場を想像することができます（図1）。ウェアラブルには、最大の電力制限があり、（相対的な観点から）最小のコンピューティングニーズがあります。データセンターは反対側にあり、その間にスマートアプライアンス、拡張現実、ロボット、自動運転車があります。

<中央>

図1.（出典：Leti）

ほとんどのデータ分析が収集時に行われるEdgeAIは、左側のアプリケーションに最適です。これは簡単に説明できますが、非常に小さなパッケージで前例のないレベルのセンサーとプロセッサーの機能が必要になります。センサーは人間の目と耳からインスピレーションを得る必要があり、認知とローカルインテリジェンスに基づいてセンサーの特性（ダイナミックレンジなど）を変更することで、はるかに適応性が高くなります。

一方、大規模なアプリケーションでは、従来のコンピューティングパラダイム、特に時間とエネルギーの両方を消費する一定のメモリ読み取り/書き込みサイクルに負担がかかります。

これらの要件を念頭に置いて、Letiはスマートセンサーと革新的なコンピューティングアプローチの研究を優先しています。

1つの焦点は、現代のコンピューティングの基本的な問題です。メモリとプロセッサ間でデータを移動することは、時間とエネルギー消費の両方において、計算よりもはるかにコストがかかるようになりました。データ転送とメモリアクセスはシステムのエネルギー使用量の最大90％を占め、人工ニューラルネットワークなどのアプリケーションは大規模なデータベースと単純な計算操作に依存しているため、データの移動を減らすことが重要になります。

物理リンクを短縮するためにプロセッサにメモリをスタックすることは、3D回路に関する長年のLeti研究の主題です。現在、SRAM内で加算、減算、およびブール論理を実行できる新しいメモリ設計も追求しています。エリアコストはごくわずかであり、さらに重要なことに、データがメモリを離れることはありません。これらのインメモリコンピューティング（IMC）プロセッサは、ニューラルネットワークや暗号化などのアプリケーションに大きな可能性を秘めています。2020年代までに、同じ周波数とエネルギーバジェットを維持しながら、AIアプリケーションで従来のプロセッサの100倍のスループットを提供できると考えています。