5G、AI、IoT（物聯網）可說是近幾年半導體產業最熱門的議題，因應5G時代AI邊緣運算需求持續增加，如何提升IoT晶片AI運算效率卻不增加功耗，已成為IC設計產業難題。

對此，TwIoTA（台灣物聯網產業技術協會）理事長，同時也是力積電董事長黃崇仁，受主辦單位JASA嵌入式系統技術協會之邀，昨（20）日於2019日本嵌入式&物聯網技術大展（ET & IoT Technology 2019）的專題演講當中，說明力積電開發中的AI晶片（AI Memory）技術，將MCU與DRAM整合到單一晶片上，並讓記憶體資料可依照需求進行非循序存取，進而提升影像神經網路運算10倍處理效率，讓IC設計業者開發出體積更小的單晶片電腦（Single Chip Computer），進而降低AIoT應用服務設備開發成本。

AIM技術將記憶體與處理器整合至單一晶片 提升記憶體資料處理效率

黃崇仁表示，人類大腦有大約10的11次方個神經元（neuron）與10的15次方個突觸（synaptic），形成一個連接線路高達數千英里的立體性神經網路架構，但是整個大腦的耗電量只有25瓦，可說是非常省電。力積電在研究分析大腦神經元運作架構之後，耗費許久開發出AI晶片（AI Memory，AIM）技術，協助IC設計業者可以開發出給AI運算用的AI晶片，不僅低耗電，AI運算效率也能符合應用需求。

黃崇仁指出，IC設計業者可以透過AIM Innovation Service Platform架構，與力積電、智成電子、愛普科技合作，將CPU與DRAM相關IP放在同一顆晶片中，如此一來，MCU到DRAM的資料傳輸寬度，可以從常用的32位元大幅提升至4096位元，不僅增加資料傳輸頻寬，並且達到低延遲與低耗電效果，甚至還可以把WiFi晶片功能包進去，讓單一晶片可以獲得相當於單晶片電腦所需功能，並能降低晶片耗電量。

此外，由於在范紐曼型架構（von Neumann architecture）下，傳統AI運算上會碰到的頻頸是資料需要循序處理，不符合AI運算情境上其實是要能非循序存取的需求。而力積電的AI Memory技術，就可開發出後范紐曼型架構的記憶體處理方式，除了將CPU到DRAM的頻寬大幅提升，甚至可以在記憶體存取上加入控制電路，以非循序存取的方式高速讀取DRAM資料，進而提升AI運算執行效率。

AIM技術可提升AI運算效率 並降低所需功耗

以行車安全最需要的ADAS（先進駕駛輔助系統，Advanced Driver Assistance Systems）應用來說，若是採用AIM技術所開發的單晶片，搭配影像神經網路加速運算程式（Video Neuron Network Accelerator，VNNA），在進行1080p RGB影像物件分離處理上，可以達到10倍的執行效率，但耗電量卻只要原來的十分之一，可說是非常省電又有AI運算效率。同樣的架構與技術可以讓自駕車、無人車、攝影機、影像監控等晶片供應業者採用，協助相關晶片業者開發出具有特定領域的AI加速晶片產品。

台日半導體產業可在RISC-V領域進行上下游合作

在專題演講當中，黃崇仁理事長也同步介紹由TwIoTA所倡議成立的台灣RISC-V聯盟（RISC-V Taiwan Alliance，RVTA）與日本業界合作，共同加速RISC-V產業發展。並介紹台灣RISC-V供應鏈與IC設計生產代工服務，也希望日本業者若有RISC-V開發需求，可以跟台灣的半導體產業上中下游合作，進而開發更多5G、AI與IoT應用。