整理不断发展的 AI 需求
人工智能 (AI) 的出现将需要多样化的新型微电子解决方案，以满足大型数据中心、自动驾驶汽车和机器人等“中型”系统以及越来越多的移动设备、家用电器、可穿戴设备、和尚未设想的应用程序。最重要的是需要在数据收集和分析方面实现前所未有的效率和速度，同时还要管理功耗和外形尺寸。
在硬件领域，这将需要传感器、处理器、内存、互连和封装方面的创新思维和新范式。已有的和新兴的研究工作开始出现有希望的选择，我们将在边缘人工智能和其他广泛趋势的背景下对其进行审查。展望未来，将需要跨学科的前工业合作，以通过这些努力创建实用、可制造的解决方案。
通过比较基于计算能力和功耗要求的应用程序，我们可以预见即将到来的 AI 市场（图 1）。可穿戴设备具有最大的功率限制和（相对而言）最低的计算需求。数据中心在另一端，智能设备、增强现实、机器人和自动驾驶汽车介于两者之间。
<中心>
图 1.（来源：Leti）
大多数数据分析发生在收集点的边缘 AI 非常适合左侧的应用程序。虽然这很容易描述，但它需要在极小的封装中具有前所未有的传感器和处理器能力。传感器需要从人的眼睛和耳朵中汲取灵感，通过基于认知和局部智能改变它们的特性（例如动态范围）来提高适应性。
与此同时，更大规模的应用程序将给传统计算范式带来压力，特别是消耗时间和精力的恒定内存读/写周期。
考虑到这些要求，Leti 优先研究智能传感器和创新计算方法。
一个焦点是现代计算的一个基本问题：现在在内存和处理器之间移动数据的成本远高于计算，无论是时间消耗还是能源消耗。数据传输和内存访问占系统能耗的 90%，并且由于人工神经网络等应用依赖于大型数据库和简单的计算操作，因此减少数据移动变得至关重要。
将内存堆叠到处理器上以缩短物理链接是 Leti 长期研究 3D 电路的主题。我们现在也在追求新的存储器设计，允许在 SRAM 内执行加法、减法和布尔逻辑。面积成本可以忽略不计，更重要的是，数据永远不会离开内存。这些内存计算 (IMC) 处理器在神经网络和密码学等应用中具有强大的潜力，我们相信，到 2020 年代，它们可以在人工智能应用中提供传统处理器 100 倍的吞吐量，同时保持相同的频率和能量预算。
物联网技术