在 5G、AI、IoT 可说是近几年半导体产业最热门的议题的情况下，为因应 5G 时代 AI 边缘运算需求持续增加，如何提升 IoT 芯片 AI 运算效率却不增加功耗，已成为 IC 设计产业难题。对此，TwIoTA（台湾物联网产业技术协会）理事长，同时也是力积电董事长黄崇仁表示，透过力积电新开发的 AI 芯片，可以有效降低 AIoT 应用服务设备开发成本。
黄崇仁 20 日于 2019 日本嵌入式&物联网技术大展（ET & IoT Technology 2019）上进行专题演讲时表示，力积电开发中的 AI 芯片（AI Memory）技术，是将 MCU 与 DRAM 整合到单一芯片上，并让内存资料可依照需求进行非循序存取，进而提升影像神经网络运算 10 倍处理效率，让 IC 设计业者开发出体积更小的单芯片电脑（Single Chip Computer），进而降低 AIoT 应用服务设备开发成本。
黄崇仁进一步指出，人类大脑有大约 10 的 11 次方个神经元（neuron）与 10 的 15 次方个突触 （synaptic），形成一个连接线路高达数千英里的立体性神经网络架构。但是，整个大脑的耗电量只有 25 瓦，可说是非常省电。力积电在研究分析大脑神经元运作架构之后，耗费许久开发出 AI 芯片（AI Memory，AIM） 技术，协助 IC 设计业者可以开发出给 AI 运算用的 AI 芯片，不仅低耗电，AI 运算效率也能符合应用需求。
他还表示，IC 设计业者可以透过 AIM Innovation Service Platform 架构，与力积电、智成电子、爱普科技合作，将 CPU 与 DRAM 相关 IP 放在同一颗芯片中。如此一来，MCU 到 DRAM 的资料传输，可以从常用的 32 位元大幅提升至 4096 位元，不仅增加资料传输带宽，并且达到低延迟与低耗电效果。甚至，还可以把 Wi-Fi 芯片功能包进去，让单一芯片可以获得相当于单芯片电脑所需功能，并能降低芯片耗电量。
而以行车安全最需要的 ADAS（先进驾驶辅助系统，Advanced Driver Assistance Systems）应用为例，若是采用 AIM 技术所开发的单芯片，搭配影像神经网络加速运算程式（Video Neuron Network Accelerator，VNNA），在进行 1080p RGB 影像物件分离处理上，可以达到 10 倍的执行效率，但耗电量却只要原来的十分之一，可说是非常省电又有 AI 运算效率。同样的架构与技术可以让自驾车、无人车、摄影机、影像监控等芯片供应业者采用，协助相关芯片业者开发出具有特定领域的 AI 加速芯片产品。
此外，由于在范纽曼型架构（von Neumann architecture）下，传统 AI 运算上会碰到的频颈是资料需要循序处理，不符合 AI 运算情境上其实是要能非循序存取的需求。而力积电的 AI Memory 技术，就可开发出后范纽曼型架构的内存处理方式，除了将 CPU 到 DRAM 的带宽大幅提升，甚至可以在内存存取上加入控制电路，以非循序存取的方式高速读取 DRAM 资料，进而提升 AI 运算执行效率。
最后，黄崇仁还同步介绍由 TwIoTA 所倡议成立的台湾 RISC-V 联盟（RISC-V Taiwan Alliance，RVTA）与日本业界合作，共同加速 RISC-V 产业发展。并介绍台湾 RISC-V 供应链与 IC 设计生产代工服务，也希望日本业者若有 RISC-V 开发需求，可以跟台湾的半导体产业上中下游合作，进而开发更多 5G、AI 与 IoT 应用。
(首图来源:科技新报摄)
