在芯片架構設計領域中，可重構計算技術并非一項新的存在。20世紀60年代末，加利福尼亞大學的Geraid Estrin首次提出重構計算，后過去二十余年，Xilinx才基于這一原型系統(tǒng)推出該技術的重要分支——FPGA架構，正式開啟現代重構計算技術。

即便如此，由于此前芯片發(fā)展一直走在摩爾定律預設的方向上，FPGA始終無法進入公眾的視野中，而在學術研究領域，它也一直只是芯片技術研究中少有人關注的冷門項目。不曾想，在這一波AI浪潮的推動下，可重構計算技術迅速從學術邊緣走向了主流。

AI浪潮與芯片架構創(chuàng)新

任何技術的興起都是市場需求、技術迭代與產業(yè)發(fā)展合力推動的結果，AI不例外，芯片的變革更是如此。

在算力需求持續(xù)增長的背景下，AI算法對芯片運算能力的要求上升到傳統(tǒng)芯片的百倍以上，想像一下，采用了人工智能算法的AlphaGo需要用到上千塊傳統(tǒng)處理器（CPU）和上百塊圖形處理器（GPU）。類似，傳統(tǒng)處理器根本無力支持智能家居、自動駕駛和智能終端等應用場景的巨大算力需求，因此基于傳統(tǒng)CPU搭建出新的架構就顯得迫在眉睫，AI芯片也就此誕生。

對于這一新興的芯片市場，摩根大通的分析師Harlan Sur曾公開表示，到2022年為止，AI芯片市場將以每年59％的成長速度增長，屆時市場規(guī)模有望達到330億美元。

用迅猛之勢來形容AI芯片產業(yè)的發(fā)展毫不為過，這一新興事物也打破了整個市場既有的產業(yè)形態(tài)。在新興芯片市場占據龍頭地位的英偉達，其CEO黃仁勛就多次在公開場合中表示：“摩爾定律時代已經終結?！边@也并非一家之言，作為摩爾定律的提出者，Intel也多次公開承認這一點。

沒有摩爾定律的約束，在接下來很長一段時間內，芯片產業(yè)勢必將進入自由生長狀態(tài)，AI芯片產業(yè)呈現了前所未有的百花齊放。但其實深入去看，它卻也被有章法的推進著。事實上，最為明顯的就是，伴隨著整個市場對功能的需求變化和終端的發(fā)展，GPU、ASIC等主流芯片架構技術正逐步有序得的迭代和擴大自己的市場占比。

目前，因市場對智能的實現尚處于初期，AI中關鍵的應用需求更偏向于訓練端，因而，在訓練市場中獨大的GPU成為芯片市場的主流架構也就毫不奇怪。但真正的智能一定離不開邏輯推理部分。自然，作為這一功能實現的主力軍，ASIC和FPGA備受業(yè)內關注，其中，熱度蹭蹭上漲的FPGA可以說是格外引入注目。

FPGA熱潮啟示錄

在AI并不火熱的時間段，FPGA常年來被用作專用芯片（ASIC）的小批量替代品。因傳統(tǒng)計算機馮·諾依曼結構的約束，比CPU甚至GPU能效更高的FPGA一直未有用武之地，直到神經網絡算法的出現。

不得不說，從初入商用市場到獨立成產品，FPGA架構技術似乎從未和AI算法分離開過，硬件上的節(jié)點與算法的神經元結構形成天然的呼應，頗有天造地設的意味。

如所料，FPGA最早一出現就伴隨著神經網絡算法研究，2011年，Altera推出OpenCL，其中的CNN算法研究就是基于FPGA的，這讓FPGA重回了人們的視野中；后時隔三年，微軟推出Catapult項目，開發(fā)了高吞吐CNN FPGA加速器，將這種架構更緊密的與神經網絡算法實現綁在了一起；2015年，陷入轉型焦慮的Intel直接選擇收購Altera，這一舉動后來甚至帶起了一波CPU＋FPGA熱，但這一刻FPGA的魅力還沒有真正被展現出來。直到一年后，Intel終利用BP算法在FPGA上實現了5GOPS處理能力，這一架構的優(yōu)勢終鋒芒初現。

一步一步，伴隨著深度學習的應用和滲透，FPGA架構技術也越來越受各芯片廠商關注，在多次大會的行業(yè)交流中，多位芯片研發(fā)人員都指出：綜合考慮成本、可行性等因素，在可見的未來里，架構創(chuàng)新是唯一算力提升解決方案。而FPGA無疑為整個行業(yè)帶來架構設計上的新思路。

第一次，FPGA被用于產品端是在iPhone 7上，蘋果集成了Lattice iCE40 FPGA，將其作為超低功耗的邏輯處理兼傳感器部件。從技術到產品端，這一技術架構只用了短短七年，而蘋果的成功嘗試也為這一技術架構加分不少?，F在，業(yè)內人士也普遍將它列為舊有半導體甚至終端架構的關鍵顛覆者，也因此，FPGA這七年的持續(xù)熱度給出了整個行業(yè)的風向標：半導體架構進入了新的征程，尤其為AI芯片的設計提供了關鍵思路。

站在FPGA的肩膀上，可重構芯片誕生

對于AI芯片的優(yōu)勢，寒武紀陳天石曾這樣形象的描述道：“如果把深度學習看作切肉，傳統(tǒng)的處理器就是瑞士軍刀，我們的專用神經網絡處理器則相當于菜刀。瑞士軍刀通用性很好，什么都可以干，但干得不快，菜刀是專門用來做飯的，在切肉這件事情上，效率當然更高?！?/p>

按理，效率越高，算力越高，芯片產業(yè)發(fā)展應當重回到此前活躍增長的階段，但在近兩年整個產業(yè)卻出現了一種怪象：芯片產業(yè)進入了一種低效的繁榮狀態(tài)，現有的AI產品的數量只有兩位數，而單價幾乎不變，尤其是AI終端產品，產業(yè)利潤幾乎在個位數。在產業(yè)鏈端，產品開發(fā)費用、產品難度都在持續(xù)上升，在市場空間有限的條件下，產品的盈利空間直線下降。

事實上，僅僅融合FPGA架構設計的高效對整個產業(yè)的發(fā)展來說是依然不夠的，菜刀終究還是菜刀，AI芯片的應用場景和變現能力實在十分有限。對此，清華大學微電子所所長魏少軍就直接點出：“要想讓AI芯片能夠在使用中變得更‘聰明’，架構創(chuàng)新就是它不可回避的課題?！?/p>

產業(yè)端，為了打破這一現狀，地平線、寒武紀、Arm等眾多新老玩家紛紛給出了各自的平臺性商用解決方案，但終不是長久之計。對此，業(yè)內的共同認知是：若想釜底抽薪，設計出一款動態(tài)可重構的并行計算芯片，以實現一塊芯片可以跑多種算法，節(jié)省資源，大大提高通用性，極大程度上促進整個產業(yè)的發(fā)展。

所幸，在國內，目前尚有兩款芯片代表：一款是清華大學的Thinker可重構AI芯片，它獲得了2017年國際低功耗電子與設計會議設計競賽獎，這是一款由65nm工藝制成的芯片，不過其峰值性能能夠達到410GOPS，能效達5TOPS／W。第二款是南京大學RAPS可重構芯片，它由40nm工藝制成，可以實現25種與信號處理有關的算法，峰值性能69GFLOPS，能效達到32GFOPS／W。與TMS320C6672多核DSP比較，性能能夠提高一個數量級。

值得一提的是，兩款芯片制程一般，工藝泛泛，卻收獲如此高效的性能，架構創(chuàng)新的四兩撥千斤功效可見一斑。

最后

縱觀第三波AI浪潮下的半導體產業(yè)，有兩個現象級事件奠定了當下芯片產業(yè)的基調：曾經逃離半導體行業(yè)的風投又紛紛重新回到了半導體行業(yè)；歷來觀潮的中國，現在成了弄潮兒。

不言而喻，這兩大趨勢撞在一起發(fā)生的化學效應率先打破了整個半導體行業(yè)既有的產業(yè)形態(tài)。但不可忽視的是，作為工業(yè)的糧食，芯片架構創(chuàng)新帶動的產業(yè)活力才將成為推動第三波AI浪潮持久發(fā)展的動力。

如許衍居院士所言：未來10年，整個半導體產業(yè)將會從cSoC時代走向rSoC時代。但是可重構芯片發(fā)展還需要突破眾多難關，如基于可重構計算搭建的硬件平臺是需要搭建一個統(tǒng)一的標準平臺還是僅僅只開發(fā)一個通用的編程模型？采用雙編程如何劃分軟硬件任務并處理好之間的通信問題？這些問題依舊是纏繞在可重構芯片發(fā)展之路上的藤蔓，披荊斬棘，路且漫長。