5G、AI、IoT（物联网）可说是近几年半导体产业最热门的议题，因应5G时代AI边缘运算需求持续增加，如何提升IoT晶片AI运算效率却不增加功耗，已成为IC设计产业难题。

对此，TwIoTA（台湾物联网产业技术协会）理事长，同时也是力积电董事长黄崇仁，受主办单位JASA嵌入式系统技术协会之邀，昨（20）日於2019日本嵌入式&物联网技术大展（ET & IoT Technology 2019）的专题演讲当中，说明力积电开发中的AI晶片（AI Memory）技术，将MCU与DRAM整合到单一晶片上，并让记忆体资料可依照需求进行非循序存取，进而提升影像神经网路运算10倍处理效率，让IC设计业者开发出体积更小的单晶片电脑（Single Chip Computer），进而降低AIoT应用服务设备开发成本。

AIM技术将记忆体与处理器整合至单一晶片 提升记忆体资料处理效率

黄崇仁表示，人类大脑有大约10的11次方个神经元（neuron）与10的15次方个突触（synaptic），形成一个连接线路高达数千英里的立体性神经网路架构，但是整个大脑的耗电量只有25瓦，可说是非常省电。力积电在研究分析大脑神经元运作架构之後，耗费许久开发出AI晶片（AI Memory，AIM）技术，协助IC设计业者可以开发出给AI运算用的AI晶片，不仅低耗电，AI运算效率也能符合应用需求。

黄崇仁指出，IC设计业者可以透过AIM Innovation Service Platform架构，与力积电、智成电子、爱普科技合作，将CPU与DRAM相关IP放在同一颗晶片中，如此一来，MCU到DRAM的资料传输宽度，可以从常用的32位元大幅提升至4096位元，不仅增加资料传输频宽，并且达到低延迟与低耗电效果，甚至还可以把WiFi晶片功能包进去，让单一晶片可以获得相当於单晶片电脑所需功能，并能降低晶片耗电量。

此外，由於在范纽曼型架构（von Neumann architecture）下，传统AI运算上会碰到的频颈是资料需要循序处理，不符合AI运算情境上其实是要能非循序存取的需求。而力积电的AI Memory技术，就可开发出後范纽曼型架构的记忆体处理方式，除了将CPU到DRAM的频宽大幅提升，甚至可以在记忆体存取上加入控制电路，以非循序存取的方式高速读取DRAM资料，进而提升AI运算执行效率。

AIM技术可提升AI运算效率 并降低所需功耗

以行车安全最需要的ADAS（先进驾驶辅助系统，Advanced Driver Assistance Systems）应用来说，若是采用AIM技术所开发的单晶片，搭配影像神经网路加速运算程式（Video Neuron Network Accelerator，VNNA），在进行1080p RGB影像物件分离处理上，可以达到10倍的执行效率，但耗电量却只要原来的十分之一，可说是非常省电又有AI运算效率。同样的架构与技术可以让自驾车、无人车、摄影机、影像监控等晶片供应业者采用，协助相关晶片业者开发出具有特定领域的AI加速晶片产品。

台日半导体产业可在RISC-V领域进行上下游合作

在专题演讲当中，黄崇仁理事长也同步介绍由TwIoTA所倡议成立的台湾RISC-V联盟（RISC-V Taiwan Alliance，RVTA）与日本业界合作，共同加速RISC-V产业发展。并介绍台湾RISC-V供应链与IC设计生产代工服务，也希??日本业者若有RISC-V开发需求，可以跟台湾的半导体产业上中下游合作，进而开发更多5G、AI与IoT应用。