2017年的國際固態(tài)半導(dǎo)體電路大會落下帷幕已經(jīng)半個多月，半導(dǎo)體業(yè)的同仁們又回到了工作狀態(tài),。我們不妨回過頭來好好檢視今年ISSCC上的議程和論文,，看看2017年半導(dǎo)體電路行業(yè)哪些方向正在變得熱門。

用于人工智能的深度學(xué)習芯片

今年ISSCC的主題是“Intelligent Chips for A Smart World”,，“人工智能”這個關(guān)鍵詞幾乎呼之欲出,。2012年后，人工智能以Alexnet誕生為標志迎來了高速發(fā)展期,。隨著去年AlphaGO戰(zhàn)勝李世石,，人們對這輪人工智能大潮的期待又上了一個臺階。

這一代人工智能的主要技術(shù)是深度神經(jīng)網(wǎng)絡(luò)（DNN）,。具體地，目前深度學(xué)習應(yīng)用最火的領(lǐng)域是在計算機視覺領(lǐng)域,，而該領(lǐng)域由于應(yīng)用的特性（圖片中特征的本地性）,，最適合的網(wǎng)絡(luò)結(jié)構(gòu)是深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）。最初,，人工智能應(yīng)用都是運行在CPU上,，目標是評估深度學(xué)習模型的性能（預(yù)測/分類準確度等），運行速度并不是最關(guān)鍵的指標,。然而,，隨著深度學(xué)習逐漸實用化，具體的硬件部署和運行效率變得越來越重要,，畢竟如果一次人臉識別需要1分鐘才能完成那么用戶體驗太差了,。這時候，大家發(fā)現(xiàn)CPU已經(jīng)不夠用了,，原因是CPU中太多的芯片面積用在了復(fù)雜的控制邏輯上,，用于計算的單元其實并不多，而DCNN需要的是大量并行運算,，其控制流并不復(fù)雜,。因此CPU并不適合DCNN應(yīng)用。AlexNet的部署中用到了GPU,，可以說是深度學(xué)習硬件上的第一次革命,。相比CPU，GPU中的控制流較簡單,，大部分芯片面積都用做運算,，因此非常適合深度學(xué)習應(yīng)用。而且，GPU使用SIMT（單指令流多線程）的架構(gòu),，能夠?qū)?nèi)存訪問延遲帶來的影響降低到最小,，從而實現(xiàn)高性能計算。

然而,，GPU雖然能夠減小內(nèi)存訪問延遲的影響,，卻不能減小內(nèi)存訪問次數(shù)。GPU每次訪問內(nèi)存都伴隨著能量消耗,，因此一旦內(nèi)存訪問次數(shù)多了,，能量消耗就很大，這就使得GPU無法使用在對能量消耗約束較多的場合,。為了能夠普及人工智能,，專用的ASIC勢在必行。也正因為ASIC需要優(yōu)化能量,，所以機器學(xué)習ASIC的主要指標是能量效率OPS／W=OP／J,，即單位能量可以實現(xiàn)的操作數(shù)。

機器學(xué)習ASIC在ISSCC上其實很早就有相關(guān)論文,，例如來自韓國KAIST的Yoo組在近五年來一直在發(fā)表相關(guān)論文,，但是之前機器學(xué)習往往是作為視覺SoC的一個特性，而不是最大的賣點,，發(fā)表的論文也是以視覺SoC的名義,。直到2016年，來自MIT的陳喻新在ISSCC發(fā)表了Eyeriss,，深度學(xué)習加速器的概念一炮而紅,，天下群雄響應(yīng)。Eyeriss明確提出了傳統(tǒng)GPU方案的問題在于數(shù)據(jù)流中的內(nèi)存訪問太浪費能量并且會成為性能瓶頸,，而DCNN算法中許多數(shù)據(jù)是可以復(fù)用的,，因此優(yōu)化數(shù)據(jù)訪問是深度學(xué)習加速器的重要優(yōu)化方向。Eyeriss的能量效率可達200GOPS／W左右,，相對于GPU是巨大的進步,。

Eyeriss架構(gòu)圖

在去年，Eyeriss發(fā)表的session名叫Next-Generation Processors,，而在Eyeriss名震江湖后,，無數(shù)人做了follow up，于是今年這個session干脆改名成了Deep-Learning Processors,，因為大家都在做深度學(xué)習加速,。今年論文的主要賣點仍然是數(shù)據(jù)流優(yōu)化，除此之外還有計算精度優(yōu)化,。今年論文能量效率已經(jīng)從去年Eyeriss的200GOPS／W進化到了2.9TOPS／W（STMicroelectronics）,，8.1TOPS／W（KAIST）甚至10TOPS／W（KU Leuven）,，照這么玩下去恐怕能量效率很快就會到瓶頸，接下來要做的優(yōu)化就是要做差異化了,。

同頻全雙工收發(fā)機

隨著無線通訊技術(shù)的發(fā)展,，各種應(yīng)用對于帶寬需求越來越高，頻譜資源也顯得越來越捉襟見肘,。如何提高頻譜資源的利用率,？之前的FDM（頻分復(fù)用）通訊協(xié)議往往需要給上行鏈路和下行鏈路分配不同的頻段，那么有沒有可能使用同一個頻段同時做上行鏈路和下行鏈路,，即全雙工,？如果使用全雙工同頻收發(fā)機，那么頻譜資源利用率一下就翻倍了,！

如果要做全雙工的話,，主要問題就是如何解決發(fā)射機（TX）和接收機（RX）互相干擾。TX的射頻信號能量可以比RX接收到的能量高5-6個數(shù)量級,，因此如果同時同頻傳輸?shù)脑扵X對RX的干擾問題不解決好RX這邊一定就沒法工作了,。這個問題其實已經(jīng)有不少人研究了很久，之前也有不同切入點的解決方案,，例如UCLA Ethan Wang組的秦逝寒就利用時變傳輸線實現(xiàn)能很好地隔離TX／RX的全雙工,。另外的一條路則是利用較傳統(tǒng)的射頻系統(tǒng)（包括基于CMOS的射頻電路以及標準的射頻前端元件例如雙工器）來實現(xiàn)全雙工，這種方案往往使用電路系統(tǒng),，在RX鏈路合適的位置加入一個和TX干擾信號完全相反的信號來抵消TX的干擾。這條路主要先驅(qū)者是哥倫比亞大學(xué)的Prof. Harish Krishnaswamy,。2014年ISSCC,，Prof. Harish Krishnaswamy組的Jin Zhou發(fā)表了他們組第一篇使用干擾抵消技術(shù)的論文，引發(fā)了半導(dǎo)體行業(yè)極大的興趣,，來自學(xué)術(shù)界和工業(yè)界的同行們基于這篇論文做了許多后續(xù)工作,，而Krishnaswamy組自己也繼續(xù)做了不少改進。而也正是Krishnaswamy組這幾年在ISSCC連續(xù)發(fā)表關(guān)于全雙工TRX的高質(zhì)量論文今年的ISSCC才會有這樣的一個session,，而發(fā)表第一篇論文的Jin Zhou也憑借著漂亮的工作順利拿到了UIUC的教職,。

今年該Session的三篇論文，分別來自于華盛頓大學(xué)（西雅圖）的Tong Zhang,，哥倫比亞大學(xué)Krishnaswamy組的Negar Reiskarimian和臺灣清華大學(xué)的Yu-Hsien Kao,。兩篇是工作在傳統(tǒng)2GHz以下頻段的射頻收發(fā)機，另一篇則是10GHz X-band的FMCW雷達,。

毫米波／THz為主流接受

毫米波／太赫茲電路在前幾年的ISSCC都有單獨的session,，但是今年卻不再有單獨的session。但是,，并不是因為毫米波／THz電路不再受到青睞,，而是這些電路被歸到了TX and RX Building Blocks的session中（Session 17）。可見,，原本這些電路因為工作頻率較高而不被認為是常規(guī)電路需要單獨的session,，而在經(jīng)過多年的努力并被主流半導(dǎo)體電路社區(qū)接受后，毫米波／THz電路今年進入了一個常規(guī)的session,。

來自日本的廣島大學(xué)的論文展示了載波在300GHz,，數(shù)據(jù)率高達105Gb／s的CMOS發(fā)射機，令人印象深刻,。

GaN Driver電路

GaN是最近很火的器件,，因為其卓越的性能得到了越來越多的應(yīng)用，例如在高壓電源管理,，功率放大器等等,。這次在ISSCC 2017，有了一個關(guān)于GaN的新session,，即Session 25： GaN Drivers and Galvanic Isolators,。

ISSCC今年新加的這個session說明了GaN正在獲得越來越多的認可。有趣的是,，該session中,，GaN主要還是用在電源管理，尤其是設(shè)計高電壓的電源電壓轉(zhuǎn)換電路,。GaN由于很高的擊穿電壓以及較小的寄生效應(yīng),，在高電壓應(yīng)用時可以做到損耗較小，目前已經(jīng)有許多大廠（例如TI等）推出了相關(guān)產(chǎn)品,。GaN在電源產(chǎn)品中將會得到更大程度的普及,。而目前看來TI也是GaN領(lǐng)域的領(lǐng)先者，該session四篇論文中的三篇來自于TI,。