在當(dāng)下科技飛速發(fā)展的時(shí)代，人工智能融入我們?nèi)粘Ｉ畹某潭炔粩嗉由?。如今越?lái)越多的智能終端，例如智能家居系統(tǒng)、智能安防設(shè)備，與用戶主要通過(guò)語(yǔ)音交互等途徑實(shí)現(xiàn)使用，在讓人們享受到了一定的便利的同時(shí)，也提高了對(duì)智能終端的期待：希望終端可以反應(yīng)更敏捷、語(yǔ)音識(shí)別更準(zhǔn)確、降低對(duì)網(wǎng)絡(luò)的依賴、用電續(xù)航時(shí)間更長(zhǎng)、體積更輕便等等，這些也正是目前市面上部分智能終端急需解決的痛點(diǎn)。

?而以上幾乎所有問(wèn)題，基本都與一個(gè)核心部件的技術(shù)水平息息相關(guān)，即智能終端的AI芯片。

AI芯片的出現(xiàn)，與深度學(xué)習(xí)技術(shù)的成熟及應(yīng)用密不可分。無(wú)芯片不AI，作為人工智能大潮中的底層核心部件，當(dāng)前絕大多數(shù)的AI芯片都基于計(jì)算機(jī)經(jīng)典體系結(jié)構(gòu)——馮諾依曼架構(gòu)，以指令或計(jì)算為中心進(jìn)行優(yōu)化設(shè)計(jì)，通過(guò)優(yōu)化計(jì)算部分的資源來(lái)提升效能的CPU架構(gòu)。

但在實(shí)際使用中，因?yàn)榇鎯?chǔ)數(shù)據(jù)到計(jì)算單元之間的搬運(yùn)過(guò)程中，會(huì)產(chǎn)生數(shù)據(jù)資源和計(jì)算速度的損耗，致使計(jì)算能力與計(jì)算資源都大為降低。所以，目前深度學(xué)習(xí)算法在芯片中最大的瓶頸，即來(lái)自存儲(chǔ)墻問(wèn)題。與過(guò)去的大部分算法相比，過(guò)去的算法的計(jì)算復(fù)雜度較高，而深度學(xué)習(xí)的計(jì)算復(fù)雜度和存儲(chǔ)復(fù)雜度的關(guān)系是倒置的，存儲(chǔ)部分帶來(lái)的性能瓶頸和功耗瓶頸遠(yuǎn)大于計(jì)算部分。

而芯片作為智能終端的核心器件，其功能和效率對(duì)于整體系統(tǒng)的性能影響極大;以上技術(shù)瓶頸的存在，也就必然導(dǎo)致了市面上現(xiàn)有的大部分智能終端，出現(xiàn)了使用功能上的各種局限：需要連接互聯(lián)網(wǎng)、語(yǔ)音識(shí)別精度不夠等等。

智能終端的突破又主要?dú)w功硬件處理能力和操作系統(tǒng)。顯然，硬件處理能力的提升仍然是依靠芯片。芯片具有更高的數(shù)據(jù)處理效率與性能，才能使智能終端最終提供給用戶更完整的功能和更便捷的使用體驗(yàn)。

為切實(shí)解決這些用戶體驗(yàn)痛點(diǎn)，探境科技另辟蹊徑，提出了一個(gè)具有行業(yè)顛覆性的架構(gòu)方案：以存儲(chǔ)為中心來(lái)帶動(dòng)計(jì)算，重新設(shè)計(jì)整個(gè)AI芯片的系統(tǒng)架構(gòu)——即SFA架構(gòu)。

整個(gè)SFA架構(gòu)由數(shù)據(jù)層、計(jì)算層和控制層組成。它是一個(gè)以存儲(chǔ)調(diào)度為核心的計(jì)算架構(gòu)，數(shù)據(jù)在存儲(chǔ)之間的搬移過(guò)程之中就完成了計(jì)算，計(jì)算對(duì)于數(shù)據(jù)來(lái)說(shuō)只是一種“演變”，但這樣做可以讓能效比提升10倍甚至100倍，計(jì)算資源利用率可以從常見(jiàn)的30~40%提高到80%，DDR帶寬占用率更是大幅度下降。