我們生活在一個以數(shù)字處理為主的模擬世界中，但這可能會改變。領(lǐng)域特異性以及對更高水平優(yōu)化的渴望可能會為模擬計算提供一些顯著優(yōu)勢——以及卷土重來的可能。
    數(shù)字縮放和靈活性的優(yōu)勢將模擬和數(shù)字之間設(shè)立了明顯的分割線。模擬數(shù)字轉(zhuǎn)換通常在傳感器和執(zhí)行器中或非?？拷鼈鞲衅骱蛨?zhí)行器完成。而通信一直是一個難題，無論是有線的還是無線的，都不會默認(rèn)數(shù)字化的需求。
    圖 1：1960 年代的 Heathkit 模擬計算機(jī)。資料
    但即將發(fā)生一些重大變化，包括：
    從經(jīng)濟(jì)意義上講，芯片擴(kuò)展正在放緩或停止，這意味著未來數(shù)字?jǐn)U展的收益不再得到保證。這是特定領(lǐng)域架構(gòu)的主要驅(qū)動力之一。
    特定領(lǐng)域計算意味著靈活性的價值已經(jīng)降低，這在過去對模擬是不利的。
    許多系統(tǒng)將變成多芯片架構(gòu)，并且每個芯片不必在同一個技術(shù)節(jié)點中實現(xiàn)。這可能會使舊的、更便宜的節(jié)點可用于模擬工藝。
    AI 推理在很大程度上依賴于乘法/累加運(yùn)算，這在模擬中非常高效。
    近似計算可能會變得更加普遍。
    延遲正在成為更重要的性能要求。
    “世界是模擬的，所以電路也是?！盕raunhofer IIS 自適應(yīng)系統(tǒng)部工程混合信號自動化組經(jīng)理 Benjamin Prautsch 說。 “有些類別的 IP 從全數(shù)字替代中受益匪淺。但是，由于模擬和數(shù)字之間的轉(zhuǎn)換會產(chǎn)生限制，因此需要在系統(tǒng)級別研究其好處。一個聰明的模擬電路可能會勝過使用數(shù)字輔助的中等電路，其中將有許多因素和性能指標(biāo)會發(fā)揮作用。”
    除了傳感器和執(zhí)行器之外，無線通信也變得越來越重要。 “過去一切都是有線的，”Ansys 產(chǎn)品營銷總監(jiān) Marc Swinnen 說?！敖裉?，每個物聯(lián)網(wǎng)設(shè)備都需要無線連接。他們正在使用無線電通信，這創(chuàng)造出越來越多的模擬和射頻內(nèi)容。此外，當(dāng)您查看數(shù)字信號頻率時，它們一直在攀升。 5GHz 是一個神奇的數(shù)字，在這里電感將成為一個重要的參與者，即使在芯片級也是如此。然后，必須考慮電磁效應(yīng)。如果您想正確分析這些數(shù)字信號，就必須用模擬技術(shù)。當(dāng)您查看 2.5D 和 3D 結(jié)構(gòu)時，這是一個更大的問題，就芯片而言，連接線速率高同時還要走很遠(yuǎn)?！?br/>    制造進(jìn)展
    隨著每個新節(jié)點的出現(xiàn)，數(shù)字電路的性能都得到了改善。面積下降，性能上升，功率下降，電容下降。然而，對于模擬來說，情況并非如此。每個新節(jié)點通常都與電壓降低相關(guān)聯(lián)，這會損害模擬性能，因為它會降低噪聲容限，這對模擬電路的影響遠(yuǎn)大于對數(shù)字電路的影響。 同時，F(xiàn)inFET也對模擬有限制。
    這導(dǎo)致模擬不得不做出妥協(xié)。西門子 EDA 的、產(chǎn)品經(jīng)理 Sumit Vishwakarma 說：“如果你在單個芯片上制造所有東西，比如說 12nm，那么模擬需要轉(zhuǎn)移到相同的工藝節(jié)點。你被迫失去模擬性能。隨著模擬的性能在較先進(jìn)的技術(shù)節(jié)點開始惡化，它需要一些額外幫助。這就是我們看到數(shù)字輔助模擬設(shè)計火熱的原因。”
    當(dāng)模擬和數(shù)字解耦并使用合適的技術(shù)時，模擬電路不會受到影響。 Semtech 信號完整性解決方案集團(tuán)營銷和應(yīng)用副總裁 Tim Vang 說：“模擬電路在某些情況下可以提供與數(shù)字等效甚至更好的功能，而且我們可以在較舊的節(jié)點上做到這一點。成本可以更低，因為我們不需要所有的數(shù)字功能，因此芯片尺寸可以更小。我們可以降低功耗，因為我們沒有那么多功能。”
    模擬也可以利用更多的制造技術(shù)?！凹词乖谀M中，你可以從任何工藝節(jié)點中獲得的益處都是有限度的。”Vang 補(bǔ)充道?！叭绻阆胧褂?CMOS，我們甚至可以在 65nm 上開發(fā)。我們還使用其他工藝，例如 BiCMOS 或硅鍺。它們可能更適合與光學(xué)器件連接。光學(xué)器件通常喜歡將信號表示為電流，而不是電壓，而雙極工藝非常擅長驅(qū)動這些電流?！?br/>    隨著小芯片獲得更多關(guān)注，使這些技術(shù)決策增加了更多的靈活性。 Mythic 負(fù)責(zé)產(chǎn)品和業(yè)務(wù)開發(fā)的副總裁 Tim Vehling 說：“小芯片或用于集成邏輯或功能的異構(gòu)方法非常有意義。理論上，我們可以將模擬計算部分保留在 40nm 或 28nm 上。然后，您可以將其與具有處理器、內(nèi)存和 I/O 的數(shù)字小芯片相匹配，并且可能是10nm。它們可以集成到單個封裝或單個堆疊架構(gòu)中。隨著小芯片的出現(xiàn)，模擬的壽命越來越長?！?br/>    它還為光學(xué)創(chuàng)造了優(yōu)勢。 “在 IEEE 和其他標(biāo)準(zhǔn)組中，他們使用共同封裝光學(xué)器件或板載光學(xué)器件之類的詞，這一切都是為了使光學(xué)互連更接近交換機(jī)和CPU，”Vang 說?！斑@主要是為了節(jié)省用于將整個電路板驅(qū)動到位于光學(xué)器件的功率。這些是當(dāng)今使用的可插拔模塊。他們一直在推動使模擬光學(xué)器件越來越接近板上的數(shù)字開關(guān)，以降低高速下的功率消耗。我們認(rèn)為這是一個巨大的機(jī)會，實際上它們將像帶有光學(xué) I/O 的小芯片?！?br/>    延遲是一個性能指標(biāo)，它給數(shù)字帶來了困難。 “我們以數(shù)字引擎的一小部分速度運(yùn)行我們的模擬引擎，”Vehling 說。 “我們在兆赫范圍內(nèi)運(yùn)行，而不是千兆赫范圍。由于數(shù)據(jù)移動，數(shù)字架構(gòu)要抵抗延遲。使用模擬解決方案，權(quán)重是固定的，計算在元素本身內(nèi)部。從延遲的角度來看，即使在兆赫茲范圍內(nèi)，我們也比數(shù)字架構(gòu)更快?！?br/>    這對通信系統(tǒng)有很大的好處。Vang 說。 “沒有 A-D 轉(zhuǎn)換、數(shù)字處理，然后是另一端的 D-A轉(zhuǎn)換。該解決方案本質(zhì)上是零延遲，或接近零延遲。如果您談?wù)摰氖菑募~約到洛杉磯的互連，那么延遲并不那么重要，但如果您嘗試在數(shù)據(jù)中心內(nèi)走幾米，那么延遲的節(jié)省就很重要了。對于超級計算機(jī)用戶而言，模擬具有一些獨(dú)特的優(yōu)勢：成本、功耗和延遲。”
    來自 AI 的不斷變化的需求
    數(shù)字世界是非常、可預(yù)測和確定的。這些要求對模擬有效，但這種情況正在改變。 “使用人工智能，準(zhǔn)確性取決于模型，”Vehling 說。 “根據(jù)他們選擇的模型，準(zhǔn)確性會發(fā)生變化。如果您選擇更大的模型，它將具有更好的準(zhǔn)確性。較小的模型具有較低的準(zhǔn)確性。如果您選擇不同的精度，您將獲得不同的準(zhǔn)確度。如果您選擇不同的分辨率，您的精度將會改變。如果您有不同的數(shù)據(jù)集或經(jīng)過不同的訓(xùn)練，您的準(zhǔn)確性將會改變。我們看到人們會修剪模型，因為他們想讓模型更適合。如果修剪它，則會降低準(zhǔn)確性。給定應(yīng)用程序的模型精度在數(shù)字系統(tǒng)中可能以多種方式發(fā)生變化——可能與模擬系統(tǒng)中的變化方式不同，但今天肯定存在變化。在任何情況下，AI 模型的準(zhǔn)確性都有很多種變體，更不用說數(shù)字與模擬了?！?br/>    任何 AI 系統(tǒng)的都是乘法/累加函數(shù)（見圖 2）。 “執(zhí)行這些 MAC 操作所消耗的能量是巨大的，”西門子的 Vishwakarma 說?！安糠衷蚴巧窠?jīng)網(wǎng)絡(luò)具有權(quán)重，而這些權(quán)重需要存儲在內(nèi)存中。他們必須不斷地訪問內(nèi)存，這是一項非常耗能的任務(wù)。如果將計算能力與數(shù)據(jù)傳輸能力進(jìn)行比較，幾乎只有傳輸?shù)?/10功耗。為了解決這個問題，公司和大學(xué)研究人員正在研究模擬計算，它將權(quán)重存儲在閃存中。存內(nèi)計算是權(quán)重存儲在內(nèi)存中的常用術(shù)語?，F(xiàn)在我只需要輸入一些輸入并得到一個輸出，這基本上是這些權(quán)重與我的輸入的乘積?！?/p>

    圖 2：模擬電路實現(xiàn) MAC 功能。
    可以進(jìn)行其他架構(gòu)折衷。“你會看到脈沖神經(jīng)網(wǎng)絡(luò)被用于檢測基于時間的變化，然后可以組合部署，”Vehling 說?！澳憧赡軙吹揭粋€尖峰神經(jīng)網(wǎng)絡(luò)被部署在傳感器級別上，以檢測變化或運(yùn)動。一旦發(fā)生這種檢測后，您就會轉(zhuǎn)向更詳細(xì)或更的模型來識別對象。因此，您已經(jīng)開始看到一些基于分層部署的AI方法?！?br/>    但也有障礙。 “原則上，全模擬解決方案應(yīng)該更加節(jié)能，”Movellus 總裁兼執(zhí)行官 Mo Faisal 說。 “但在混合設(shè)計中實現(xiàn)模擬效率的承諾并不容易。對于大多數(shù)公司來說，模擬具有挑戰(zhàn)性，因為它不能縮微，并且在良率、性能和可擴(kuò)展性方面令人失望。然而，對于少數(shù)人來說，模擬繼續(xù)顯示出前景和潛力?！?br/>    混合意味著需要更多轉(zhuǎn)換器?！爱?dāng)你想將模擬基礎(chǔ)設(shè)施插入數(shù)字世界時，你需要轉(zhuǎn)換器，”Vishwakarma 說?！拜斎攵诵枰?DAC，輸出端需要 ADC。因此，這就是模擬將如何融入數(shù)字世界的連接方式，因為我們只需要模擬來解決計算密集型 MAC 操作。但世界其他地方都是數(shù)字化的?！?br/>    這是必須考慮系統(tǒng)級權(quán)衡的地方?！皟?yōu)化的模擬內(nèi)核可以顯著降低功耗和吞吐量，但它需要這些轉(zhuǎn)換，”Fraunhofer 的 Prautsch 說。 “轉(zhuǎn)換是否會減少模擬替代的好處是一個系統(tǒng)級決策，需要通過概念的建模和優(yōu)化來分析?！?br/>    數(shù)字世界中的模擬
    轉(zhuǎn)換器的問題能克服嗎？ “如果你可以在模擬世界中進(jìn)行數(shù)字化工作，那么效率將大大高于其他方式，”Vehling 說。“與其擁有一個隱藏在數(shù)字處理器中的模擬計算引擎，不如讓我們真正擁有一個本地模擬處理器，從傳感器中直接獲取本地模擬信號進(jìn)行計算而不是進(jìn)行轉(zhuǎn)換，這將是理想的。這將顯著改善電源效率、性能和延遲。”
    并非所有人都相信這是正確的方向。 Ambiq 的技術(shù)官兼創(chuàng)始人 Scott Hanson 表示：“將與計算相關(guān)的功能轉(zhuǎn)移到模擬域可以提供出色的性能和能源效率。幾家創(chuàng)新型初創(chuàng)公司已經(jīng)展示了出色的成果，并在這里積累了知識。然而，模擬計算的固有挑戰(zhàn)（例如，較差的節(jié)點可擴(kuò)展性、較長的設(shè)計時間、計算的不靈活性等）使其成為一個只有少數(shù)非常的才能成功的領(lǐng)域?！?br/>    相反，Hanson 著眼于實現(xiàn)技術(shù)的持續(xù)改進(jìn)，以及跨節(jié)點遷移設(shè)計相當(dāng)容易的事實。 “還有其他互補(bǔ)技術(shù)，如亞閾值和近閾值計算。流程節(jié)點縮放與亞閾值和近閾值計算的結(jié)合為令人興奮的新 AI 功能提供了巨大的空間，所有這些都沒有基于模擬的計算的復(fù)雜性。簡而言之，我們押注于數(shù)字計算?！?br/>    模擬訓(xùn)練與推理
    為了讓模擬成為人工智能的主導(dǎo)引擎，它必須滲透到訓(xùn)練和推理中。 “如果您可以從激光雷達(dá)傳感器、雷達(dá)、CMOS 圖像傳感器獲取原始信號，而不是將其轉(zhuǎn)換為數(shù)字然后返回，獲取原始輸入并將其饋送到模擬陣列，那么收益將是巨大的， ”Vehling說。 “但你必須訓(xùn)練系統(tǒng)以模擬方式識別數(shù)據(jù)。那就是模擬計算機(jī)的未來，一個真正的模擬系統(tǒng)。否則，我們不得不適應(yīng)數(shù)字架構(gòu)，盡管這會受到一些限制?！?br/>    “模擬信號的一個挑戰(zhàn)是模擬信號的呈現(xiàn)方式?jīng)]有限制，”西門子的 Vishwakarma 說。 “人工智能擅長識別模式，但我們不能只給它一個連續(xù)的信號。它需要離散化和量化。要訓(xùn)練模型，您將迭代地更新權(quán)重，直到它穩(wěn)定到可用于推理的權(quán)重。然后我可以將權(quán)重保存在非易失性存儲器中。但是，我們無法更改模擬權(quán)重的值，即閃存中電阻的值。一旦你加載它們，它就在那里。如果你需要改變權(quán)重，你需要像 DRAM 這樣的隨機(jī)存取存儲器，這就是我們的問題所在?！?br/>    結(jié)論
    有些事情模擬比數(shù)字做得更好，但的問題是如何將它們集成起來，以便在系統(tǒng)級產(chǎn)生所需的增益。然而，異構(gòu)實現(xiàn)技術(shù)為每個子系統(tǒng)提供的潛在解耦可能使模擬計算更容易被考慮用于越來越多的功能。然后他們可以以更低的成本提供卓越的性能。
    如果模擬計算變得更加普遍，那么很可能會研究和開發(fā)新的內(nèi)存技術(shù)，這將使模擬人工智能成為可能。它可以提供數(shù)量級的增益。