【導(dǎo)讀】聲音是人與人交戶的重要手段，在AI興起的現(xiàn)今，也是人與機(jī)器相互溝通的手段之一。從模擬階段的留聲機(jī)開始到現(xiàn)在，人類對(duì)于高清化、高保真的追求一刻沒有停歇過，也逐漸擺脫了線束的約束。對(duì)音頻來說，芯片至關(guān)重要，它既要擁有足夠的算力，也要擁有足夠低的功耗。
著名作家海倫·凱勒曾說過這樣一句話，“盲隔絕了人與物，聾隔絕了人與人?！笨梢娐犃Φ闹匾裕纱丝梢钥闯?，人的一生耳朵是最忙的感知系統(tǒng)之一。
聲音是人與人交戶的重要手段，在AI興起的現(xiàn)今，也是人與機(jī)器相互溝通的手段之一。從模擬階段的留聲機(jī)開始到現(xiàn)在，人類對(duì)于高清化、高保真的追求一刻沒有停歇過，也逐漸擺脫了線束的約束。對(duì)音頻來說，芯片至關(guān)重要，它既要擁有足夠的算力，也要擁有足夠低的功耗。
據(jù)SIG預(yù)測，到2027年藍(lán)牙音頻傳輸設(shè)備年出貨量將達(dá)18.4億臺(tái)，2023年～2027年的年復(fù)合增長率為6%，藍(lán)牙數(shù)據(jù)傳輸設(shè)備年度出貨量將達(dá)到18.7億臺(tái)，2023年～2027年的復(fù)合年增長率為11%。
ICCAD 2023上，炬芯科技股份有限公司董事長兼CEO周正宇博士博士分享了炬芯在AI大背景下，如何為音頻芯片提供更多創(chuàng)新。
20多年專注音頻領(lǐng)域
“炬芯的前身就是原來的炬力集成，我們?cè)谛袠I(yè)中做了20多年音頻，2005年炬力集成基于便攜式音頻在美國上市，2021年炬芯基于藍(lán)牙音頻在科創(chuàng)板上市?！敝苷畈┦窟@樣介紹道。
炬芯2023年半年報(bào)和官網(wǎng)顯示，其核心產(chǎn)品包括藍(lán)牙音頻SoC芯片、端側(cè)AI處理器芯片、便攜式音視頻SoC芯片三類。
藍(lán)牙音頻 SoC 芯片系列主要應(yīng)用于藍(lán)牙音箱（含TWS音箱、智能藍(lán)牙音箱）、Soundbar、智能手表、藍(lán)牙耳機(jī)（含TWS耳機(jī)、開放式OWS耳機(jī)）、無線電競耳機(jī)等。
端側(cè)AI處理器芯片系列是基于端側(cè)的帶有人工智能加速器的 系統(tǒng)級(jí)音頻處理器，致力于提供智能物聯(lián)網(wǎng)AIoT端側(cè)低功耗算力的芯片平臺(tái)，也是炬芯主營的音頻產(chǎn)品和人工智能技術(shù)的重要結(jié)合點(diǎn)，可滿足市場未來日新月異的低功耗端側(cè)設(shè)備的人工智能應(yīng)用需求。
便攜式音視頻SoC芯片系列是炬芯最早耕耘的、最成熟的產(chǎn)品線，全球市場占有率長期較高，搭載了公司長期積累的、較先進(jìn)的低功耗音視頻處理技術(shù)。該系列芯片主要針對(duì)便攜式高品質(zhì)音視頻編解碼類產(chǎn)品的應(yīng)用。
具體從市場來看，炬芯在中高端品牌藍(lán)牙音箱市場份額明顯增長，下一步會(huì)通過產(chǎn)品持續(xù)迭代升級(jí)和優(yōu)化產(chǎn)品組合繼續(xù)提升在中高端品牌的滲透率；低延遲高音質(zhì)市場從有線連接向無線連接轉(zhuǎn)換的趨勢，帶來了存量市場轉(zhuǎn)化和新增需求兩個(gè)機(jī)會(huì)，炬芯正在持續(xù)加大研發(fā)投入保持技術(shù)領(lǐng)先優(yōu)勢并與各大品牌廠商繼續(xù)保持緊密合作以把握這一波市場轉(zhuǎn)型機(jī)會(huì)；此外，在智能手表市場，炬芯對(duì)中國、歐美和印度市場做了均衡的布局和節(jié)奏把握，智能手表作為貼合人體重要的健康數(shù)據(jù)監(jiān)測產(chǎn)品，將持續(xù)深耕。
用存內(nèi)計(jì)算創(chuàng)造更大算力和更低功耗
周正宇博士表示，過去以來，炬芯的芯片架構(gòu)一般都是“CPU+DSP”的雙核架構(gòu)，未來，AI時(shí)代，炬芯會(huì)在CPU和DSP的基礎(chǔ)上，從高端音頻芯片入手，整合低功耗 AI 加速引擎，逐步全面升級(jí)為 CPU+DSP+NPU（based MMSCIM）三核異構(gòu)的AI SoC架構(gòu)，為便攜式產(chǎn)品提供更大的算力。，最新一代基于MMSCIM的高端AI音頻芯片ATS286X，將會(huì)在明年將會(huì)Sample。
“算力和功耗是一對(duì)矛盾統(tǒng)一體?！敝苷畈┦空J(rèn)為，如何在同樣的制程、同樣的架構(gòu)、同樣的設(shè)計(jì)下，創(chuàng)造更大算力和更低功耗是AI時(shí)代的關(guān)鍵。
比如說，TWS耳機(jī)電池容量通常在35m～40mAh，典型平均工作電流約在5mA左右，也就是說，留給芯片的功耗預(yù)算只有20mA左右。再比如，智能手表典型電池容量在280～300mAh，典型工作電流在3mA上下，也就是說在4.3V鋰電池中，只有15mA左右的功耗，還包括ADC、DAC等器件，也就是說留給藍(lán)牙音頻芯片功耗只有10mW。
與之相悖的是，AI驅(qū)動(dòng)下，未來算力需求越來越大，也就是說，對(duì)藍(lán)牙音頻芯片商來說，要在10mW的功耗預(yù)算下，打造200～500GOPS算力是很大難題。
AI主要以復(fù)雜矩陣運(yùn)算來形成，而復(fù)雜的矩陣運(yùn)算最主要的算力功耗都來自于乘累加運(yùn)算，過去芯片普遍采用DSP處理音頻，突破的關(guān)鍵就在于突破馮諾范式的存儲(chǔ)墻和功耗墻，即存內(nèi)計(jì)算，通俗解釋就是把計(jì)算和存儲(chǔ)放在一個(gè)房間里去，讓它們零距離溝通。
存內(nèi)計(jì)算擁有許多不同介質(zhì)，到底哪一種介質(zhì)適合做存內(nèi)計(jì)算？周正宇博士認(rèn)為各個(gè)介質(zhì)均有其特點(diǎn)，不論哪種路徑，最主要的問題就是寫入次數(shù)，假若AI需要做自適應(yīng)或模型不斷更新，那么它在寫入多次之后就會(huì)報(bào)廢，所以這種介質(zhì)不適合做自適應(yīng)應(yīng)用，類似于Transformer這一類擁有自學(xué)能力的模型。
對(duì)比來看，SRAM讀寫速度快，擁有無限次讀寫能力，不僅采用標(biāo)準(zhǔn)工藝制造，還可以集成在SoC內(nèi)，但它的弱點(diǎn)是存儲(chǔ)密度低。不過，雖然如此，SRAM依舊是低功耗AI算力的首選。一方面，音頻只需要200～500GOPS的算力，而非幾十TOPS，密度低的缺陷因此而被規(guī)避，另一方面，標(biāo)準(zhǔn)的CMOS工藝不僅可以現(xiàn)在就能大規(guī)模量產(chǎn)，還可以集成在單芯片上跟隨制程工藝演進(jìn)到2nm。加之無限次寫入，可以支持自適應(yīng)計(jì)算，長遠(yuǎn)來看，RL（強(qiáng)化學(xué)習(xí)）和ML（機(jī)器學(xué)習(xí)）可能也會(huì)為它帶來更多驚喜。
存內(nèi)計(jì)算也擁有模擬和數(shù)模混合兩個(gè)技術(shù)路徑，它們最大的差異主要在于運(yùn)算用ADC+模擬電路實(shí)現(xiàn)的，還是基于數(shù)字電路實(shí)現(xiàn)。
炬芯科技選擇的是模數(shù)混合的存內(nèi)計(jì)算，暫時(shí)命名為“Mixed-Mode SRAM based CIM”，簡稱MMSCIM，其優(yōu)勢是精度無限，可靠性和量產(chǎn)的一致性非常高，容易在制程上升級(jí)，容易提升速度或PPA。
目前，該芯片雖然還沒有進(jìn)入量產(chǎn)階段，但進(jìn)展非常快。它在全矩陣運(yùn)算情況下，未來22nm就有望達(dá)到每瓦7.8TOPS的能效比。值得一提的是，在12nm情況下，它就已經(jīng)接近50TOPS，足以挑戰(zhàn)在10mW范圍內(nèi)釋放200～500GOPS算力。
邊緣與AI融合，挑戰(zhàn)與機(jī)遇并存
在周正宇博士看來，未來端側(cè)也會(huì)實(shí)現(xiàn)像ChatGPT、Tranformoer或類似的功能，或許是手機(jī)，或者是手表，未來這些能力都能被人所觸及。就比如說，早年軟盤只有1.44MB的存儲(chǔ)空間，而現(xiàn)在TWS耳機(jī)中的存儲(chǔ)空間都超過了幾十兆。
端側(cè)是AI非常好的載體，以手表為例，它是唯一一個(gè)長時(shí)間佩戴且緊貼皮膚的裝置，因此，非常方便成為健康監(jiān)測裝置，隨著傳感器發(fā)展，心率、血壓信息都成為了可測量的數(shù)據(jù)。而最終，它會(huì)成為一個(gè)能夠隨時(shí)監(jiān)測健康狀態(tài)的能手。
把幾億人的信息全部送到云端處理顯然不現(xiàn)實(shí)，而當(dāng)邊緣端擁有AI，把專業(yè)的醫(yī)學(xué)知識(shí)灌注給它，它就會(huì)像一個(gè)移動(dòng)醫(yī)生一樣，隨時(shí)判斷心率、血氧變化是否健康。這就是邊緣AI的重要意義，這樣的例子在邊緣AI中不勝枚舉。
當(dāng)然，挑戰(zhàn)與機(jī)遇并存。對(duì)國產(chǎn)來說，在端側(cè)做AI挑戰(zhàn)有兩方面，一方面如何以更好的能效比、PPA來實(shí)現(xiàn)人工智能，另一方面則是在于芯片制造，如何利用主流制程做到先進(jìn)制程的產(chǎn)品性能，這是國產(chǎn)芯片設(shè)計(jì)公司必須面對(duì)的挑戰(zhàn)。
自從ChatGPT問世，最大的變化是自學(xué)習(xí)和自適應(yīng)，而在其中隱私是很大問題，未來端側(cè)也必然也要面對(duì)這樣的挑戰(zhàn)。
”我認(rèn)為現(xiàn)在AI最缺乏的是生態(tài)?！笔聦?shí)上，芯片行業(yè)大多情況都會(huì)把重點(diǎn)放在硬件設(shè)計(jì)，但實(shí)際上，一個(gè)行業(yè)必須擁有自己的生態(tài)，國內(nèi)更需要自己的生態(tài)。就比如說，TensorFlow與算力之前其實(shí)中間還間隔了很多層，或者說工具，如果能做好這一層，就能建設(shè)好更好的國產(chǎn)生態(tài)。炬芯也會(huì)持續(xù)深耕，為國產(chǎn)芯片與生態(tài)建設(shè)添磚加瓦。
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請(qǐng)聯(lián)系小編進(jìn)行處理。
推薦閱讀：
以工藝窗口建模探索路徑：使用虛擬制造評(píng)估先進(jìn)DRAM電容器圖形化的工藝窗口
如何設(shè)計(jì)電池充電速度快4倍的安全可穿戴設(shè)備
電池冷卻系統(tǒng)對(duì)電動(dòng)汽車如何重要？
如何為ADAS 域控制器構(gòu)建多攝像頭視覺感知系統(tǒng)？
