为什么说做芯片要软硬结合？
2016年，第一颗基于可重构计算的人工智能芯片诞生于清华。该成果曾发表在《IEEE 固态电路期刊》，《麻省理工科技评论》也报道过该芯片。
这是清华可重构计算实验室 “十年磨一剑” 的成果。2006 年起，清华开始研究可重构计算并成立实验室。
2018 年，该实验室开始走向产品化，并成立清微智能公司。两年来，公司已在语音识别、视觉识别等领域研发出规模化应用产品，并和阿里巴巴等互联网巨头建立合作。如今，清微智能将最新技术运用于 AI 编译工具链中，并服务于其量产芯片 TX5 系列中，通过编译优化，全球首款多模态智能计算芯片 TX510 用于人脸识别时，其处理速度能够提升一倍。
DeepTech 近日联系到清微智能首席科学家、清华大学微电子与纳电子学系教授尹首一，就该公司的主要产品、和他本人近日以通讯作者发表的新论文进行了深度交流。
自 2018 年以来，清微智能针对终端产品的语音和视觉两大应用场景，量产出货两款芯片产品：超低功耗的智能语音 SoC 芯片 TX210，已应用至多款 TWS 耳机、电子产品及多种智能家居产品中；TX510 芯片于 2020 年 7 月实现量产，在金融支付、智能安防、工业机器人、航空等领域也已分批交付客户，出货量已超十万片，并承担多个国家重大项目的建设。
图｜TX 510 应用领域
以清微智能的 TX510 智能视觉芯片系列为例，该芯片的休眠功耗为 10uW、支持中断唤醒，冷启动下的人脸检测识别时间小于 100ms，典型工作功耗为 350mW，算力达 1.2T (Int8)/9.6T (Binary)，AI 有效能效比达 5.6TOPS/W。
TX510 还拥有可重构 AI 引擎，其支持 AlexNet、GoogleNet、ResNet、VGG、Faster-RCNN、YOLO、SSD、FCN 和 SegNet 等主流神经网络，可实现人脸识别、物体识别和手势识别等功能，适用于 AIoT、智能安防、智能家居、智能穿戴、智能制造等领域。
TX510 内置 3D 引擎，支持 3D 结构光、TOF（Time of flight，飞行时间）和立体视觉，误识率千万分之一的情况下识别率大于 90%。
在接口方面，TX510 支持市面上主流的视频接口、存储接口和通用接口，可保证产品兼容性。
尽管从硬件层面芯片性能已经取得了较大进步，但尹首一告诉 DeepTech，业界向来有一个共识，光有芯片架构还不够，编译工具和开发工具等软硬件体系也必须做好。否则，很难完全把硬件功能的优势发挥出来。
在软件上面，其团队已经有新进展。
做芯片要软硬结合
在近日的第 16 届 ACM/IEEE 国际嵌入式系统会议 上，清华微电子所魏少军、尹首一教授团队的论文《面向神经网络处理器的非规则网络结构高效调度技术》(“Efficient Scheduling of Irregular Network Structures on CNN Accelerators”) 获得最佳论文奖。
尹首一表示，这是中国完成单位首次在 AI 编译优化领域获得国际学术会议最佳论文奖。该研究成果填补了大规模、非规则神经网络编译映射这一技术空白，可大幅提升神经网络处理器的计算性能。
该成果解决的痛点在于，随着 AI 算法的不断普及，以 AIoT 为代表的嵌入式系统应用，给 AI 芯片的性能、功耗、成本、可靠性和可编程性等提出了严格且迫切的需求。为此，基于可重构架构、专用指令集架构、存内计算架构等技术的神经网络处理器应运而生。
相比 CPU/GPU 等传统架构，神经网络处理器可将 AI 算法的计算能效提高 1~2 个数量级，目前其已在移动设备、可穿戴设备、智能传感器等应用场景中获得广泛的应用。
但是，神经网络处理器的应用离不开编译器的支撑，编译器一方面实现了 AI 应用到芯片的自动化部署，另一方面通过优化算法到芯片架构的适配，能为 AI 应用的执行效率带来大幅提升。
当架构设计经过工艺制造并固化为硬件电路后，硬件电路的运算行为则由编译器所生成的机器码来指挥，执行速度和能量开销也将因此而确定。因此，编译器的优化程度是研发 AI 芯片的关键所在。
然而，当前最先进的神经网络模型，仍旧具备不可预测的非规则网络拓扑结构，在编译层面表现为错综复杂的数据流图、和呈指数增长的解空间，而这给编译器中的表达式优化、算子调度、资源分配、循环优化、自动代码生成等关键技术环节带来严峻挑战。
现有的深度学习编译框架，如 TVM、TensorRT 等仅针对网络中的某些特定模式进行优化，它们没有处理任意结构的能力，因此未能有效解决上述难题。
针对上述问题，魏少军、尹首一团队在本次研究中，研发出支持任意网络拓扑结构的端到端深度学习编译框架（下称编译框架），相比同类编译映射方法实现了 1.41-2.61 倍的计算加速。
图｜支持任意网络拓扑结构的端到端深度学习编译框架
具体来说，本次编译框架有三大创新性技术贡献点。
第一， 针对结构复杂的数据流图，提出了基于计算节点深度聚类的编译方法，该方法可对图结构进行复杂度降维和搜索路径生成，进而可求解到具备全局最优特性的图调度方案，在硬件处理器上表现为多级存储系统间的数据传输开销、与额外计算开销之间的最佳平衡，即推理计算性能达到最优；
第二，针对非规则网络结构导致的解空间指数增长，提出了一种基于回溯搜索和参数匹配的启发式资源分配方法，并对神经网络基本算子在时空域上的分布进行联合优化，从而实现硬件层面上处理器缓存资源利用率最大化；
第三，针对新型网络结构的循环优化问题，该团队推导得出最小循环变换粒度，并在编译框架中建立了最优阵列映射机制，使得嵌套循环的运算与计算资源达到最优匹配。
由于该编译框架的优化方法具备通用性，因此它也能用于专用神经网络处理器以外的其他架构。
对于研究该问题的初衷，尹首一表示，这来自该团队亲身经历的痛点。过去，在开发神经网络处理器时，人们往往只考虑到处理单元阵列的搭建和底层的数据复用等问题。而对于神经网络算法编译，由于当时的模型结构简单、调度空间有限，仅仅采用常规编译优化就已足够。
然而，在面对近年来基于神经架构搜索（NAS）等方法所生成的复杂网络结构时，之前的设计范式不再能提供具备接近最优性能的解决方案，从而大大制约了算力的发挥。因而该团队认识到，必须要有针对性的软件编译工具，才能对新型 AI 应用进行充分的优化和加速。
尹首一告诉 DeepTech，在编译方面他们并非 “新人”。他和团队十多年来一直研究通用可重构处理器编译问题，已具备较为深厚的研究基础，因而在面对神经网络编译这一新问题时，能迅速把握问题本质，从而得以快速完成研究。
据他介绍，目前由其担任首席科学家的清微智能，已经将该论文的技术发明运用在 AI 编译工具链中，并已服务于量产芯片 TX5 系列中。对终端客户而言，这意味着可用同样的费用买到更多的算力。例如，通过编译优化，TX510 芯片用于人脸识别时，其处理速度能够提升一倍。
目前，清微智能的 AI 编译工具链还在不断升级优化中，旨在使实际运行中的神经网络处理器逼近其理论算力上限。
AI 芯片公司应 “软硬” 结合
尹首一认为，和所有初创公司一样，AI 芯片企业要想构建成功的商业模式，在市场竞争中站稳脚跟，就得扎实细致地研究客户实际需求。
当前，AI 芯片的客户多数是整机和应用开发相关企业，这类客户主要面向算法和应用来开发神经网络模型，他们急需的是将生成的模型、便捷高效地在硬件设备上进行部署，因此他们不太关心硬件的底层架构和编译细节。
但是，芯片公司光有先进的硬件和架构是不够的，因为这无法让客户快速用起来，也无法将硬件算力转化为可观的计算性能。这时，AI 芯片公司就得提供软硬件全栈式解决方案。参照英伟达在图形加速领域的成功经验，有两点值得其他公司学习：其一是先进的 GPU 硬件架构，其二则是 GPU 开发工具链的成熟和完善。
目前，尹首一把主要精力集中在前沿研究上，这些研究成果不断支撑着产品的竞争优势。以清微智能 AI 编译工具链为例，它集成了模型自动量化、定点训练、通用算法计算和网络调度映射等多方面的先进技术，可高效处理神经网络和及其他 AI 算法，并且兼容主流的深度学习框架，因而实现了从应用算法、到可重构计算硬件的端到端部署。
通过这套 AI 工具链，开发者可在不改变编程习惯的情况下，快速高效地部署 AI 算法。以已经量产出货的视觉智能芯片 TX510 为例，开发者可以仅仅通过调用功能级 API，就实现包含剪枝参数和权值位宽参数在内的最优模型压缩策略，以及包括数据流图优化、算子时空域映射在内的最优调度结果。
尹首一最后总结到，和操作系统一样，编译器也是核心基础软件，它是一切可编程芯片的灵魂，应当受到国内公司的更多重视。做 AI 芯片的公司，应当从开发伊始就对软硬件两方面的技术路线进行充分布局，这样才能走得更远。
