摩尔定律放缓，可重构计算芯片未来可期
当下，数字化升级成为诸多行业领域重要发展趋势，作为核心的技术驱动力，AIoT技术的深度赋能加快了行业数字化升级的步伐。AIoT推动着万物互联时代的到来，不过从万物互联到万物智联，很大程度上也还依赖AIoT技术本身的升级迭代，算法、算力、数据的持续演进缺一不可。
从算力角度来看，AIoT的迅猛发展对芯片提出了更高的要求，主要表现在更高算力、高灵活性、高能效以及安全性这四大方面。
AIoT时代芯片的要求
高算力：随着AI技术应用的不断深化，越来越多的应用场景诸如智能视频监控、自动驾驶等需要实现实时的高速运算，这个过程非常依赖高算力的大力支持。
高灵活性：万物互联已成大趋势，但也带来了更复杂多样的应用需求，面对海量且碎片化的应用需求，标准的专用芯片不仅研发成本高并且可适用场景也会受限，这就驱动了高灵活性芯片的应用需求。
高能效：很多AIoT设备的性能发挥往往会受限于使用环境、设备体积、电池容量等因素的影响，因此，提高芯片的能效也是提升设备性能的有效途径。
安全性：万物互联趋势下，设备安全、信息安全、隐私保护的建设也受到极大关注，这也是AIoT应用展开的前提。
摩尔定律增长放缓 可重构计算芯片开启新思路
众所周知，计算芯片的性能提升很大程度上依赖于工艺集成的提升，随着半导体工艺集成越来越接近物理极限，摩尔定律的增长已出现了明显放缓趋势，依赖工艺提升性能的思路，已经不可持续。
与此同时，在人工智能领域，尤其随着深度学习的兴起，AI算力需求增长迅猛。据相关调研显示，自2012年-2018年期间，初步统计，6年时间AI算力的增长已达30万倍。
一边是摩尔定律的逐步实效，另一边是算力的迅猛增长，强烈的反差趋势下，要实现芯片性能的大幅提升无疑需要开启新的路径，探索实践新型体系架构成为提高处理器性能的唯一出路。
如此背景之下，改变传统芯片的指令驱动计算方式成为探索新型架构芯片的重要入口。
近年来呼声渐涨的可重构计算芯片采用的是一种将指令流驱动处理器的功能灵活性和数据流驱动处理器的高能量效率(即性能功耗比) 结合在一起的计算方式，其在性能、功耗和功能灵活性等芯片的关键指标之间具有更好的平衡。
作为国内可重构计算芯片的领军企业，从清华大学出身的清微智能自2006年成立清华可重构实验室发展到目前，已在可重构计算架构技术方面积累了较为丰厚的经验，并从2015年起开始实践将可重构架构应用在AI计算、神经网络计算场景，设计了一系列可重构计算架构的AI芯片，为智能安防、智能家居、智能可穿戴领域带来了高能效、高灵活性的算力方案。
在四月下旬于深圳举行的华南AI安防产业链对接会上，清微智能首席架构师于义现场详细讲述了关于可重构计算芯片的计算原理及其创新性和应用优势。
什么是可重构计算架构?
清微智能首席架构师于义表示，可重构架构也可以称之为软件定义硬件架构。
顾名思义，可重构计算芯片采用的是不同于传统芯片的计算方式，在具体计算原理上，于义解释，可重构计算架构基本由可重构的数据通路和可重构的控制器两部分组成。可重构的数据通路是由可重构的计算单元(PEA))构成一个二维阵列，经过配置后形成专用的数据通路来实现计算。
也就是说当我们将计算阵列配置成我们需要的算法，它将形成一个专用的数据通路，其运算方式也由此变成以数据流驱动的形式，代替了传统的指令驱动方式。
“在运行时，根据数据流的特点，让配置好的硬件资源互连形成相对固定的计算通路，以接近“专用电路”的方式进行计算，当算法和应用变换时，再次通过配置，重构为不同的计算通路去执行不同的任务。” 于义补充道。
简而言之，可重构计算架构是一种全新的芯片架构技术，可根据算法和应用的不同，灵活配置硬件资源，执行不同的任务，同时具备通用芯片的灵活性和专用集成电路的高效性。
可重构计算架构的优势
众所周知，传统的计算架构更多还是依赖于指令驱动的计算形式，比如需要把编辑好的程序以指令的形式存储在存储器中，等到用的时候再将程序提取出来，做一些云码翻译，最后再进行计算。
