让AI“少吃饭多干活”，后摩智能发布存算一体芯片鸿途™️H30

如果要实现万物智能，那需要一块什么样的芯片？

在2023年5月11日后摩智能发布会上，后摩智能创始人兼CEO吴强给出了答案，一个更高效率的芯片，这个效率体现在算力更大、功耗更低、成本更廉、面积更小。

计算机对效率的追求和依赖，在历史中早已得到了充分的体现。

我们现在用的智能手机，体积小巧，但是却能聊微信、刷B站、玩原神，计算能力和效率是2000年“大脑袋”的家用电脑的1000倍以上。而2000年这台只能玩俄罗斯方块和简单办公的电脑，计算能力和效率又是1970年屋子一样大的超级计算机的1000倍以上，当年阿波罗11号成功登月靠的就是这台庞然大物。

不难看出，信息时代人类每一次生活方式上的重大突破，都离不开芯片效率的提升。而现在的芯片效率，远远达不到万物智能的要求。比如AlphaGO和李世石的那场围棋大赛，AlphaGO消耗了20000W电，折合人民币2000元，而李世石大脑功耗只有20W，下一盘棋只需要消耗两碗米饭。所以人类要想进入AI时代，研发效率更高的芯片是唯一出路。

随着人类对算力的要求越来越高，摩尔定律也在不断逼近极限，现有架构能否发展出超过现有芯片1000倍效率的芯片还很难说。

在后摩尔时代的压力之下，后摩智能并没有选择沿着传统技术方向去做国产替代，而是选择了在底层架构上创新，推出了存算一体芯片——鸿途™️H30。

存算一体，在底层架构实现创新

要想明白明白鸿途™️H30和其他芯片的区别，就必须先了解存算一体。

在冯诺依曼结构下，数据和指令通过设备输入存储器，处理器再从存储器中提取指令和数据，计算完成后再进行输入，该架构的一大问题，就是计算单元和存储单元之间会有频繁的数据交流，不仅繁琐，而且遇到大量数据时计算速度会受带宽的影响。如果要提高带宽和数据传输速度，那成本和功耗也会有大幅度上升，现有的GPU、CPU及多核CPU都无法彻底突破冯诺依曼结构的限制。

现在备受关注的人工智能，尤其是自动驾驶，大多基于卷积神经网络来对图像和影像进行处理，计算量巨大。

在经典的16层全卷积神经网络中，每个卷积操作里有9个乘法和1个加法，需要处理器不断去存储器中读取指令、读取权重以及读取数据，再进行计算。算完一张分辨率224x224大概5万像素的图片，需要计算5x10^9次，在一个CPU核心上大概需要运行3秒。对于需要大量处理图像影像且需要及时做出反应的自动驾驶来说，实在是太慢了。

存算一体架构，就是把运算器带着运算步骤和参数一起集成在显存上，在计算的过程中便实现了数据的读写，省去了冯诺依曼结构中处理器和存储器之间的大量数据交互，在实现更高能耗比的同时，还降低了对制作工艺的要求，可以用制作工艺更成熟的12nm芯片提供更高的性能。

落地智驾，软硬件平台全链条服务

至于鸿途™H30落地后性能究竟如何，后摩智能在发布会上也给出了答案。

后摩智能联合创始人兼研发副总裁陈亮告诉亿欧汽车，鸿途™H30有六大特点，分别是大算力、全精度、低功耗、车规级、可量产和通用性。

后摩智能联合创始人兼产品副总裁信晓旭对鸿途™H30的产品性能与优势做了更详细的介绍。

鸿途™H30基于12nm工艺制程，在Int8数据精度下实现高达256TOPS的物理算力，所需功耗不超过35W，整个SoC能效比达到7.3Tops/W，其AI核心IPU能效比高达15Tops/W，是传统架构芯片的7倍以上，具有高计算效率、低计算延时、低工艺依赖等特点。在实际性能测试中，鸿途™H30基于Resnet 50模型的Benchmark，在Batch Size等于1和8的条件下分别达到了8700帧/秒和10300帧/秒的性能。

为了更好地发挥存算一体带来的高计算效率，后摩智能面向智能驾驶场景打造了专用 IPU（处理器架构）——天枢架构，采用多核、多硬件线程的方式扩展算力，实现了计算效率与算力灵活扩展的完美均衡。

此外，后摩智能还推出了基于鸿途™H30芯片打造的智能驾驶硬件平台——力驭®，以及软件开发工具链——后摩大道™，以推动产品更好地落地。

据亿欧汽车了解，力驭®平台CPU算力高达200Kdmips，AI算力高256Tops，支持多传感器输入，平台功耗仅为85W。后摩大道™则支持PyTorch、TensorFlow、ONNX等主流开源框架，编程兼容CUDA前端语法，同时支持SIMD和SIMT两种编程模型。

发布会最后，信晓旭还透露，鸿途™H30将于6月份开始给Alpha客户送测，量产指日可待。

在后摩智能发布存算一体鸿途™H30芯片后，各主机厂在芯片领域又多了一种选择，而在智能电动汽车快速发展的浪潮之下，后摩智能或将会有更多的机会进行产品迭代，在万物智能领域进行更深层次的探索。