近年来科学家开始在软硬体研发议题上提出诸多技术解决方案, 像是藉由对人脑神经元及神经突触机理研究获得启发的人工智能运算芯片解决方案, 也就是利用神经网路分散架构进行巨量资料运算与学习, 进而满足人工智能时代下对巨量资料运算效率提升和处理时间缩短的需求.
文献资料显示, 人工智能运算芯片主要类型可区分为: 神经形态芯片, 人工智能系统芯片, 云端中央处理器系统.
神经形态芯片: 以生物神经系统构成, 讯号传递, 运算和记忆功能, 进行电子电路材料, 元件, 电路模拟, 电路设计, 运算架构, 演算法, 系统的工程仿真, 像是人工神经元, 人工神经突触, 脉冲神经网路等.
其中, 人工神经突触是连接人工神经元, 并让讯号从一个人工神经元传递到另一个人工神经元的桥梁. 神经形态芯片把处理器当作人工神经元, 把记忆体当作人工神经突触, 并将记忆体和处理器整合在一起, 与传统电脑运算架构明显不同. 主要技术发展方向, 包括: 运算架构电路设计, 演算法, 忆阻器 (Memristor) 等, 典范代表为IBM开发的TrueNorth.
人工智能系统芯片: 一种专门用来为智慧装置提供人工智能和机器学习运算与处理的客制化ASIC芯片, 其内部运算架构通常配置有CPU, GPU, 数位讯号处理器 (DSP) 等传统电脑运算架构, 而比较特别的是, 额外配置专门用于机器学习和人工智能应用程式的神经处理引擎或是神经网路处理单元, 典范代表为高通发表的骁龙845以及华为的麒麟970.
云端中央处理器系统: 专为智慧装置提供人工智能和机器学习运算与处理的客制化ASIC芯片, 其配置在云端数据中心机柜的硬盘驱动器插槽中, 用以执行特定运算处理任务, 典范代表为Google发表的TPU.
产业讯息显示, 科技界对于研发成果多数会采取专利申请程序来加以保护, 进行系统化专利分析与研究来掌握科技界在人工智能运算芯片已进行那些研发成果布局, 同时也想知道台湾与其他国家或是国际大厂相较, 在人工智能运算芯片存在着哪些机会与挑战?
针对人工智能运算芯片美国专利进行分析后发现, 美国权利人 (Assignee) 囊括最多专利, 其次依序为韩国权利人, 日本权利人等. 其中, 专利涉及的35项领域细项, 发现美国权利人在运算科技专利最多, 其次依序为基础通讯程式, 半导体等; 韩国权利人主要布局在运算科技, 半导体; 日本权利人则集中布局在运算科技.
资料也显示, 中国权利人已拿到2件美国专利, 且专利涉及的35项领域细项主要分布在运算科技.
另一方面, 专利涉及的37项技术细项分布中, 美国权利人, 韩国权利人, 日本权利人相对着重布局神经网路的硬体设计- 采用电子方式, 神经网路模式- 体系建构, 且美国在数位计算元件- 学习机器, 神经网路模式- 学习方法的专利, 明显多于韩国和日本.
另外, 中国权利人拿到的2件美国专利涉及的37项技术细项, 主要分布在神经网路的硬体设计- 采用电子方式, 神经网络模式- 体系建构, 影像资料处理或处理器结构/ 处理器配置, 数位计算元件- 学习机器, 应用电子设备进行识别的方法或装置.
目前尚未发现台湾权利人拿到人工智能运算芯片美国专利, 然而中国权利人已拿到美国专利, 台湾在此项新兴科技专利布局明显落后中国, 值得注意. 研究也发现, IBM拿到最多人工智能运算芯片美国专利, 其次依序为Google, 高通, 三星等.
人工智能运算芯片美国专利涉及的35项领域细项分布, 发现IBM在运算科技领域专利最多, 其次依序为半导体, 测量, 视听科技, Google和高通集中布局在运算科技, 三星主要布局在运算科技及半导体.
另一方面, 专利涉及的37项技术细项分布中, 发现IBM, 高通, Google, 三星相对着重布局神经网路之硬体实现- 采用电子方式, 神经网络模式- 体系建构, 且IBM在神经网络模式- 学习方法, 数位计算元件- 学习机器的专利布局多于高通, Google以及三星.
值得一提的是, 神经形态芯片涉及的数位储存记忆体- 模仿神经细胞的元件 (如忆阻器) 技术领域, IBM拥有最多专利, 其次则为三星, French Alternative Energies and Atomic Energy Commission, 韩国首尔大学. 资料显示, 目前尚未发现台湾厂商拿到人工智能运算芯片美国专利, 值得关注.
另外, IBM研发的神经形态芯片是交由三星进行研制, 双方的合作关系从研发阶段就开始了, 因而造就三星在神经形态芯片研制能力上比台湾厂商更具有先发优势, 建议台湾半导体产业相关厂商应尽早投入研发, 以缩短与韩厂的研制技术落差.