在芯片架构设计领域中，可重构计算技术并非一项新的不存在。20世纪60年代末，加利福尼亚大学的GeraidEstrin首次明确提出重构计算出来，后过去二十余年，Xilinx才基于这一原型系统发售该技术的最重要分支——FPGA架构，月打开现代重构计算技术。

即便如此，由于此前芯片发展仍然回头在摩尔定律预设的方向上，FPGA一直无法转入公众的视野中，而在学术研究领域，它也仍然只是芯片技术研究中较少有人注目的冷门项目。未曾想要，在这一波AI浪潮的推展下，可重构计算技术很快从学术边缘南北了主流。AI浪潮与芯片架构创意任何技术的蓬勃发展都是市场需求、技术递归与产业发展合力推展的结果，AI不值得注意，芯片的变革更是如此。

在算力市场需求持续增长的背景下，AI算法对芯片运算能力的拒绝下降到传统芯片的百倍以上，想象一下，使用了人工智能算法的AlphaGo必须中用上千块传统处理器（CPU）和上百块图形处理器（GPU）。类似于，传统处理器显然无力反对智能家居、自动驾驶和智能终端等应用于场景的极大算力市场需求，因此基于传统CPU搭起出有新的架构就变得迫在眉睫，AI芯片也早已问世。

对于这一新兴的芯片市场，摩根大通的分析师HarlanSur曾公开发表回应，到2022年为止，AI芯片市场将以每年59％的茁壮速度快速增长，预计市场规模未来将会超过330亿美元。用快速增长之势来形容AI芯片产业的发展从不为过，这一新兴事物也超越了整个市场既有的产业形态。在新兴芯片市场占有龙头地位的英伟达，其CEO黄仁勋就多次在公开场合中回应：“摩尔定律时代早已落幕。

”这也并非一家之言，作为摩尔定律的明确提出者，Intel也多次公开发表否认这一点。没摩尔定律的约束，在接下来很长一段时间内，芯片产业不致将转入权利生长状态，AI芯片产业呈现出了前所未有的百花齐放。但只不过了解去看，它却也被有章法的前进着。

事实上，尤为显著的就是，预示着整个市场对功能的市场需求变化和终端的发展，GPU、ASIC等主流芯片架构技术于是以逐步有序得的递归和不断扩大自己的市场占到比。目前，因市场对智能的构建尚能正处于初期，AI中关键的应用于市场需求更加偏向于训练末端，因而，在训练市场中坐大的GPU沦为芯片市场的主流架构也就从不怪异。但确实的智能一定必不可少逻辑推理部分。

大自然，作为这一功能构建的主力军，ASIC和FPGA倍受业内注目，其中，热度蹭蹭下跌的FPGA可以说道是十分引进注目。FPGA热潮启示录在AI并不火热的时间段，FPGA长年来被用于专用芯片（ASIC）的小批量替代品。因传统计算机冯·诺依曼结构的约束，比CPU甚至GPU能效更高的FPGA仍然仍未用武之地，直到神经网络算法的经常出现。

被迫说道，从初入商用市场到独立国家成产品，FPGA架构技术或许未曾和AI算法分离开了过，硬件上的节点与算法的神经元结构构成天然的交织，甚有天造地设的意味。如所料，FPGA最先一经常出现就预示着神经网络算法研究，2011年，Altera发售OpenCL，其中的CNN算法研究就是基于FPGA的，这让FPGA重返了人们的视野中；后时隔三年，微软公司发售Catapult项目，研发了高陡然CNNFPGA加速器，将这种架构更加密切的与神经网络算法构建绑在了一起；2015年，陷于转型情绪的Intel必要自由选择并购Altera，这一行径后来甚至蔚为了一波CPU＋FPGA热，但这一刻FPGA的魅力还没确实被展现出出来。直到一年后，Intel惜利用BP算法在FPGA上构建了5GOPS处置能力，这一架构的优势惜锋芒显露。

一步一步，预示着深度自学的应用于和渗入，FPGA架构技术也更加不受各芯片厂商注目，在多次大会的行业交流中，多位芯片研发人员都认为：综合考虑到成本、可行性等因素，在可见的未来里，架构创意是唯一算力提高解决方案。而FPGA毫无疑问为整个行业带给架构设计上的新思路。第一次，FPGA被用作产品末端是在iPhone7上，苹果构建了LatticeiCE40FPGA，将其作为超强低功耗的逻辑处置兼任传感器部件。

从技术到产品末端，这一技术架构要用了短短七年，而苹果的顺利尝试也为这一技术架构特分不少。现在，业内人士也广泛将它列入旧有半导体甚至终端架构的关键颠覆者，也因此，FPGA这七年的持续热度得出了整个行业的风向标：半导体架构转入了新的征程，特别是在为AI芯片的设计获取了关键思路。

车站在FPGA的肩膀上，可重构芯片问世对于AI芯片的优势，寒武纪陈天石曾这样形象的叙述道：“如果把深度自学看做切肉，传统的处理器就是瑞士军刀，我们的专用神经网络处理器则相等于菜刀。瑞士军刀通用性很好，什么都可以腊，但腊得不悦，菜刀是专门用来吃饭的，在切肉这件事情上，效率当然更高。”按理，效率越高，算力越高，芯片产业发展应该轻返回此前活跃快速增长的阶段，但在近两年整个产业却经常出现了一种怪象：芯片产业转入了一种陈旧的兴旺状态，现有的AI产品的数量只有两位数，而单价完全恒定，特别是在是AI终端产品，产业利润完全在个位数。

在产业链末端，产品开发费用、产品可玩性都在持续上升，在市场空间受限的条件下，产品的盈利空间直线上升。事实上，意味着融合FPGA架构设计的高效对整个产业的发展来说是仍然过于的，菜刀注定还是菜刀，AI芯片的应用于场景和所求能力觉得十分受限。回应，清华大学微电子所所长魏少军就必要点出有：“要想要让AI芯片需要在用于中显得更加‘聪慧’，架构创意就是它不能规避的课题。

”产业末端，为了超越这一现状，地平线、寒武纪、Arm等众多新的老玩家争相得出了各自的平台性商用解决方案，但惜不是长久之计。回应，业内的联合理解是：若想釜底抽薪，设计出有一款动态可重构的并行计算芯片，以构建一块芯片可以跑完多种算法，节省资源，大大提高通用性，很大程度上增进整个产业的发展。所幸，在国内，目前另有两款芯片代表：一款是清华大学的Thinker可重构AI芯片，它取得了2017年国际低功耗电子与设计会议设计竞赛奖，这是一款由65nm工艺做成的芯片，不过其峰值性能需要超过410GOPS，能效约5TOPS／W。第二款是南京大学RAPS可重构芯片，它由40nm工艺做成，可以构建25种与信号处理有关的算法，峰值性能69GFLOPS，能效超过32GFOPS／W。

与TMS320C6672多核DSP较为，性能需要提升一个数量级。值得一提的是，两款芯片制程一般，工艺泛泛，却进账如此高效的性能，架构创意的四两拨千斤功效可见一斑。最后纵观第三波AI浪潮下的半导体产业，有两个现象级事件奠下了当下芯片产业的基调：曾多次逃出半导体行业的风投又争相新的返回了半导体行业；历年来观潮的中国，现在出了弄潮儿。

不言而喻，这两大趋势撞到在一起再次发生的化学效应首度超越了整个半导体行业既有的产业形态。但不可忽视的是，作为工业的粮食，芯片架构创意造就的产业活力才将沦为推展第三波AI浪潮长久发展的动力。吴伟衍居院士所言：未来10年，整个半导体产业将不会从cSoC时代南北rSoC时代。

但是可重构芯片发展还必须突破众多考验，如基于可重构计算出来搭起的硬件平台是必须搭起一个统一的标准平台还是意味着只研发一个标准化的编程模型？使用双编程如何区分软硬件任务并处置好之间的通信问题？这些问题依旧是卷曲在可重构芯片发展之路上的藤蔓，披荆斩棘，路且漫长。

本文来源：gd55光大在老品牌-www.jzhyly.com