近年來科學家開始在軟硬體研發議題上提出諸多技術解決方案, 像是藉由對人腦神經元及神經突觸機理研究獲得啟發的人工智慧運算晶片解決方案, 也就是利用神經網路分散架構進行巨量資料運算與學習, 進而滿足人工智慧時代下對巨量資料運算效率提升和處理時間縮短的需求.
文獻資料顯示, 人工智慧運算晶片主要類型可區分為: 神經形態晶片, 人工智慧系統晶片, 雲端中央處理器系統.
神經形態晶片: 以生物神經系統構成, 訊號傳遞, 運算和記憶功能, 進行電子電路材料, 元件, 電路類比, 電路設計, 運算架構, 演演算法, 系統的工程模擬, 像是人工神經元, 人工神經突觸, 脈衝神經網路等.
其中, 人工神經突觸是連接人工神經元, 並讓訊號從一個人工神經元傳遞到另一個人工神經元的橋樑. 神經形態晶片把處理器當作人工神經元, 把記憶體當作人工神經突觸, 並將記憶體和處理器整合在一起, 與傳統電腦運算架構明顯不同. 主要技術發展方向, 包括: 運算架構電路設計, 演演算法, 憶阻器 (Memristor) 等, 典範代表為IBM開發的TrueNorth.
人工智慧系統晶片: 一種專門用來為智慧裝置提供人工智慧和機器學習運算與處理的客制化ASIC晶片, 其內部運算架構通常配置有CPU, GPU, 數位訊號處理器 (DSP) 等傳統電腦運算架構, 而比較特別的是, 額外配置專門用於機器學習和人工智慧應用程式的神經處理引擎或是神經網路處理單元, 典範代表為高通發表的驍龍845以及華為的麒麟970.
雲端中央處理器系統: 專為智慧裝置提供人工智慧和機器學習運算與處理的客制化ASIC晶片, 其配置在雲端數據中心機櫃的硬碟驅動器插槽中, 用以執行特定運算處理任務, 典範代表為Google發表的TPU.
產業訊息顯示, 科技界對於研發成果多數會採取專利申請程序來加以保護, 進行系統化專利分析與研究來掌握科技界在人工智慧運算晶片已進行那些研發成果布局, 同時也想知道台灣與其他國家或是國際大廠相較, 在人工智慧運算晶片存在著哪些機會與挑戰?
針對人工智慧運算晶片美國專利進行分析後發現, 美國權利人 (Assignee) 囊括最多專利, 其次依序為韓國權利人, 日本權利人等. 其中, 專利涉及的35項領域細項, 發現美國權利人在運算科技專利最多, 其次依序為基礎通訊程式, 半導體等; 韓國權利人主要布局在運算科技, 半導體; 日本權利人則集中布局在運算科技.
資料也顯示, 中國權利人已拿到2件美國專利, 且專利涉及的35項領域細項主要分布在運算科技.
另一方面, 專利涉及的37項技術細項分布中, 美國權利人, 韓國權利人, 日本權利人相對著重布局神經網路的硬體設計- 採用電子方式, 神經網路模式- 體系建構, 且美國在數位計算元件- 學習機器, 神經網路模式- 學習方法的專利, 明顯多於韓國和日本.
另外, 中國權利人拿到的2件美國專利涉及的37項技術細項, 主要分布在神經網路的硬體設計- 採用電子方式, 神經網路模式- 體系建構, 影像資料處理或處理器結構/ 處理器配置, 數位計算元件- 學習機器, 應用電子設備進行識別的方法或裝置.
目前尚未發現台灣權利人拿到人工智慧運算晶片美國專利, 然而中國權利人已拿到美國專利, 台灣在此項新興科技專利布局明顯落後中國, 值得注意. 研究也發現, IBM拿到最多人工智慧運算晶片美國專利, 其次依序為Google, 高通, 三星等.
人工智慧運算晶片美國專利涉及的35項領域細項分布, 發現IBM在運算科技領域專利最多, 其次依序為半導體, 測量, 視聽科技, Google和高通集中布局在運算科技, 三星主要布局在運算科技及半導體.
另一方面, 專利涉及的37項技術細項分布中, 發現IBM, 高通, Google, 三星相對著重布局神經網路之硬體實現- 採用電子方式, 神經網路模式- 體系建構, 且IBM在神經網路模式- 學習方法, 數位計算元件- 學習機器的專利布局多於高通, Google以及三星.
值得一提的是, 神經形態晶片涉及的數位儲存記憶體- 模仿神經細胞的元件 (如憶阻器) 技術領域, IBM擁有最多專利, 其次則為三星, French Alternative Energies and Atomic Energy Commission, 韓國首爾大學. 資料顯示, 目前尚未發現台灣廠商拿到人工智慧運算晶片美國專利, 值得關注.
另外, IBM研發的神經形態晶片是交由三星進行研製, 雙方的合作關係從研發階段就開始了, 因而造就三星在神經形態晶片研製能力上比台灣廠商更具有先發優勢, 建議台灣半導體產業相關廠商應儘早投入研發, 以縮短與韓廠的研製技術落差.