模拟芯片能否为可持续的人工智能铺平道路？

人工智能已经彻底改变了各个行业，实现了突破性的数据处理、决策和自动化进步。然而，人工智能的强烈计算需求，特别是在机器学习 （ML） 和深度学习 （DL） 应用中，引发了人们对能源消耗和环境可持续性的极大担忧。

 

例如，人工智能技术目前消耗了全球约7%的电力，相当于印度的年用电量。随着 AI 的不断扩展，探索更可持续的 AI 硬件方法势在必行。模拟芯片的开发和利用是一条前景广阔的发展道路。

 

为什么选择可持续的人工智能？

 

人工智能应用的指数级增长显着增加了能源消耗，这主要是由于所需的大量计算资源。传统的数字计算是当前人工智能系统的支柱，其能源密集型程度明显更高，导致碳足迹增加。数据中心是人工智能计算的核心，目前消耗了全球约1%的电力，如果目前的趋势持续下去，这一数字在未来几十年内可能会上升到3%至8%。

 

除了能源使用外，人工智能对环境的影响还包括电子硬件的生产和处置，从而产生电子废物（电子废物），从而对环境造成重大危害。大型数据中心的冷却要求进一步加剧了用水和环境退化。这些考虑因素凸显了对可持续人工智能技术的需求，这些技术可以减少能源和资源消耗，并最大限度地减少电子垃圾。可持续人工智能涉及开发节能硬件和优化算法，以降低功耗。模拟芯片以其大幅节省能源的潜力而闻名，是应对这些挑战的可行解决方案。

 

模拟芯片的工业创新

 

IBM 一直处于开发用于 AI 应用的模拟芯片的最前沿，以其受大脑启发的设计引领创新。IBM 的模拟芯片采用相变存储器 （PCM） 技术，与传统数字芯片相比，该技术的运行能耗明显降低。相变材料技术改变了晶体和非晶态之间的材料相，实现了高密度存储和快速访问时间，这些都是高效 AI 数据处理所必需的品质。在IBM的设计中，PCM被用于模拟人工神经网络中的突触权重，从而促进节能的学习和推理过程。

 

除了 IBM，各种初创公司和研究机构也在推进模拟芯片在 AI 中的潜力。Mythic是一家位于奥斯汀的初创公司，它设计了将内存和计算融合在一起的模拟AI处理器。这种集成允许 AI 任务直接在内存中执行，从而最大限度地减少数据移动并提高能源效率。此外，Rain Neuromorphics 专注于神经形态计算，其模拟芯片旨在模仿生物神经网络。这些芯片连续处理信号并执行神经元计算，使其成为创建可扩展且适应性强的人工智能系统的理想选择，这些系统可以实时学习和响应。

模拟芯片在人工智能中的应用

 

模拟芯片通过提供节能和可扩展的硬件解决方案，有可能彻底改变各种人工智能应用。模拟芯片可以产生重大影响的一些关键领域包括：

 

边缘计算：边缘计算涉及在靠近源头的地方处理数据，例如传感器或物联网设备，而不是依赖集中式数据中心。这种方法可以减少延迟，改善实时决策，并降低与数据传输相关的能源成本。模拟芯片具有低功耗和紧凑的设计，是边缘计算应用的理想选择。它们可以使人工智能驱动的设备在边缘执行复杂的计算，从而减少数据传输的需求并最大限度地减少能源使用。

 

神经形态计算：神经形态计算旨在复制人脑的结构和功能，以实现更高效、适应性更强的人工智能系统。模拟芯片特别适用于神经形态计算，因为它们可以处理连续信号并并行执行计算。通过模仿神经过程的模拟性质，模拟芯片可以实现节能且可扩展的人工智能系统，这些系统可以实时学习和适应。

 

AI 推理和训练效率：模拟芯片本身就具有一些功能，这使得它们特别适合用于人工智能推理和训练，这不仅仅是作为一种应用，而是一种基本的设计特性。这些芯片擅长执行矩阵乘法运算（神经网络计算的核心组成部分），其效率远高于数字芯片。这种内在效率转化为在 AI 训练和推理阶段可节省大量能源。因此，部署人工智能模型可以更切实地扩大规模，避免通常与数字芯片相关的令人望而却步的能源成本。这使得模拟芯片成为增强人工智能技术可持续性和可扩展性的自然选择。

 

挑战与未来展望

 

虽然模拟芯片为可持续人工智能提供了大量机会，但要充分利用其潜力，必须克服一些挑战。一个主要的挑战是开发模拟计算架构，以实现数字计算的精度和准确度。鉴于模拟计算本质上容易受到噪声和变化的影响，这些问题可能会影响 AI 模型的可靠性。

 

目前的研究致力于开发能够缓解这些担忧并增强模拟人工智能系统鲁棒性的技术。即使面临这些挑战，模拟芯片仍然非常适合传感器数据处理和实时环境监测等应用，在这些应用中，噪声带来的微小变化并不能抵消降低功耗和加快处理速度的好处。另一个挑战是将模拟芯片集成到当前人工智能系统的主要数字基础设施中。这种过渡将需要对硬件和软件堆栈进行大量修改。

 

创建融合模拟和数字计算优势的混合架构的努力正在推进，从而促进向更可持续的 AI 硬件更平稳地过渡。尽管存在这些障碍，但人工智能领域模拟芯片的前景是乐观的。材料科学、电路设计和 AI 算法的不断改进推动了更高效、更可扩展的模拟 AI 系统的开发。随着对环保 AI 解决方案的需求增加，模拟芯片有望在推动节能 AI 技术方面发挥关键作用。

 

作者：Simran Khokha，英飞凌科技公司的产品经理。

原文链接：

https://www.eetimes.com/can-analog-chips-pave-the-way-for-sustainable-ai/