[00318527]基于数据特征驱动的低功耗可重构人工智能处理器芯片

技术成果介绍：

本项目提出基于数据特征驱动的智能计算体系结构设计方法，基于数据分析，提取共性规律从而指导新型架构的设计。数据特性的有效利用可以大幅度降低神经网络实际所需计算数量，提高并行度、可重构与可扩展性，同时降级算力能耗比。团队前期完成两版智能芯片设计与流片，主持广东省重点领域研发计划"可敏捷定 制的智能视觉处理器及系统应用"项目，针对视觉应用联合国内成像、算法与计算领域顶尖大学与科研机构。

主要技术指标及优势：

技术参数

1. 投片时间:2018.09;

2. 工艺：UMC65nm LL;

3. IMECMPW流片、封装；

4. 动态重构卷积、池化、全连、LSTM、残差等网络层；

5. 动态重构时间：200ns;

6. 现有ASIC版本：主频 100MHz, 16个可重构RePE,面积：3.2mm2, 108KB SRAM,功耗7.51mW, 功能动态重构时间200ns;

7. 设计中ASIC版本：主频300MHz, 2048个RePE, DDR4 DRAM 1 333MT/S；

8. FPGA原型机展示：50MHz,64个PE, MobileNet 0.43s/frame, VGG16 1 3s/frame;

9. 自研软件工具链，兼容Keras网络编程框架。

技术优势

创新提出MWMT （多权重多线程执行模型）、TSRU（时空计算共享架构）及多层级缓冲优化技术, 实现数据驱动、超低功耗、动态重构、并行协同的人工智能计算架构，兼具学术创新性与高实用性。

知识产权：

1. 专利名称：卷积神经网络的某存储介质和计算机设备，申请号：CN2020101****2.8

2. 专利名称：一种多线程数据某系统，申请号：CN2019109****7.4

3. 专利名称：神经元某系统及其方法、存储介质，申请号：CN2018110****8.0

4. 专利名称：卷积神经网络计算的某设备及存储介质，申请号：CN2018110****5.8

5. 专利名称：强化学习网络的某存储介质，申请号：CN2018108****2.5

主要应用领域：

智能传感器、智能家居、智能工厂、智慧海洋、可穿戴设备。

市场前景及经济效益预测：

人工智能技术方兴未艾，其在航空航天、军工、医疗、探测等领域尚有大量应用亟待挖掘。现有智能芯片 功耗基本在1W~100W之间，其在特种应用领域，特别是依靠电池供电场景部署困难，而低功耗MCU又不具备 智能计算所需算力，无法保证实时性。本项目设计芯片基于算法、数据、架构、电路层的联合设计与优化，降 功耗于mW级别，并具备支持主流智能算法的灵活性，可支持广大中小企业开展装备智能化的工作，这将带来 巨大的经济效益。

市场化需求及生产条件：

1. 需要投资支持下一代芯片的第三方IP购置与流片。

2. 需要和企业开展联合应用开发。