随着科技的迅速发展,芯片作为现代科技的核心组件,在人工智能、信息安全及智能武器等领域扮演着至关重要的角色。第一,未来AI技术的持续发展将更加依赖于芯片技术的迭代。第二,芯片作为信息系统的核心硬件基础,承载着处理和存储敏感数据的任务,对于确保信息安全极为重要。第三,芯片对智能武器的性能和功能产生着重要的影响,已成为推动智能武器技术不断迭代升级的核心动力。然而,芯片的迭代和进步并非孤立的,它依赖于全产业链的技术发展。
一、芯片技术进步驱动人工智能迭代
近年来,人工智能技术得到了广泛的关注和应用,正深度渗透颠覆现有的传统行业。AI技术涉及多个领域,包括自然语言处理(NLP)、计算机视觉(CV)、语音识别等。AI技术的快速发展离不开三个要素:数据、算法和算力。自2022年ChatGPT的诞生以来,AI大模型正成为行业渗透的主流AI技术,而且随着AI模型参数量的不断攀升,大数据和先进算力在AI大模型技术迭代和应用中的重要性愈发突出。未来,AI技术的持续发展将更加依赖于底层计算硬件(也称为半导体、集成电路或简称为芯片)技术的发展,底层计算硬件技术的进步也会成为推动AI技术不断迭代的关键因素。
从广义上讲,人工智能模型指能够从数据中学习并做出预测、推荐或分类等决策的计算系统。目前,比较普遍的AI模型是基于深度神经网络算法构造,神经网络算法能够模拟人脑中神经元复杂的链接方式。AI模型通常包括两个阶段:训练和推理。在训练阶段,AI通过有标签或无标签的大量数据进行训练学习,以提升AI模型整体性能。在推理阶段,经过训练的AI模型被用于进行指导决策。上述两个阶段中,AI模型在训练阶段需要依赖底层硬件强大的计算能力才能完成。例如,2023年3月,美国AI公司OpenAI发布多模态大模型GPT-4。据行业人士估计,GPT-4包含1.8万亿的参数量,使用了13万亿词元(Tokens)的文本训练数据,在1万到2.5万块英伟达A100 GPU上训练了6个月左右。
2023年9月,美国国会研究局(Congressional Research Service,CRS)发布《半导体和人工智能》(Semiconductors and Artificial Intelligence)报告,其目的是为国会议员阐述半导体与AI技术进步之间的逻辑关系。报告表示,AI的技术进步在很大程度上得益于底层计算硬件的进步,这些硬件可提供强大的数据处理能力以改善AI系统性能。就具体技术参数而言,AI模型训练通常收益于AI芯片两项技术参数的提升:一个是芯片的数据处理能力〔一般以每秒万亿次(TOPS)为单位衡量〕,另一个是芯片间的传输速度〔一般以每秒千兆字节(GB/s)为单位衡量〕。此外,目前没有标准的方法来衡量训练AI模型的计算能力,至少TOPS可能不是最佳的衡量指标。如果能够标准化AI训练算力测算指标,可能有助于AI芯片的监管。
二、芯片安全是信息安全的基石
随着物联网、大数据、人工智能等新兴技术的快速发展和应用,隐私泄露、系统崩溃、网络瘫痪等信息安全问题日益突出。芯片作为信息系统的核心硬件基础,承载着处理和存储敏感数据的任务,其被广泛应用于各种设备和系统,包括个人电脑、智能手机、物联网设备、工业控制系统、军工武器等。可见,芯片的安全性对于确保信息安全至关重要。
芯片作为电子设备的核心组成部分,其性能和安全性直接关系到整个系统的稳定性和可靠性。一旦芯片出现安全问题,影响范围和修复难度将难以估量。在信息系统中,涉及信息安全的环节包括信息设备的中央处理器(CPU)、信息流指挥管理中枢操作系统(OS)、信息传输以及信息存储,其中CPU承担着执行指令和处理数据的重要任务。然而,由于CPU的高度复杂性和极度集成化,存在难以提前发现漏洞和后门的问题。
2018年,安全研究人员相继发现“熔毁”(Meltdown)和“幽灵”(Spectre)两个芯片级漏洞,影响Intel、ARM、AMD等芯片厂商生产的芯片,导致全球数十亿电脑都暴露在极大的安全风险中,其中还包括几百万台用于云计算的服务器。这些漏洞主要产生于芯片设计缺陷,所有能访问虚拟内存的CPU,都可能被人通过这项漏洞进行访问。黑客则可以利用这些漏洞读取设备内存,获取用户安全密码等敏感信息。
三、芯片是智能武器的关键器件
AI技术的快速发展使得智能化武器的概念越来越清晰,特别是智能无人机技术的应用,将开启智能武器装备广泛应用的新时代。智能武器装备正朝着自动化、拟人化、智能化的方向发展,并且逐步实现识别、检测、修正、跟踪等一系列自主处理行为。智能武器已逐渐具备人机协同或自主决策的能力,在实现这一能力的过程中,芯片对智能武器的性能和功能产生着重要的影响,已成为推动智能武器技术不断迭代升级的核心动力。
智能武器依赖于大量的传感器来感知环境和支持自主决策,包括雷达、红外线传感器、摄像头等。这些传感器通过感知周围的物理环境,不断收集大量的数据信息。智能武器系统需要在短时间内对海量的数据进行处理,以便迅速做出准确的决策,而芯片决定了实时处理大量数据的速度和能效,进而影响智能武器的性能优劣。芯片的高速计算能力和并行处理能力使其能够快速处理数据,并从中提取出关键的变量和特征。这些变量和特征可以用于目标识别、目标跟踪、环境感知等任务,并为智能武器系统自主行动提供了准确的决策支持。以下是芯片对智能武器的几个关键性能支撑:
1.数据处理和决策能力:智能武器通过芯片来处理和分析传感器收集到的大量数据。芯片能够进行高速计算和复杂算法运算,从而提取出关键的信息并做出准确的决策。例如,在目标识别和分类方面,芯片可以通过比对传感器数据和预先建立的目标库来确定目标的类型,从而帮助智能武器做出相应的反应。
2.传感数据的解析和融合:芯片能够对不同类型的传感器数据进行解析和融合。智能武器系统通常配备多种传感器,如雷达、红外线传感器、摄像头等,它们收集到的数据需要通过芯片进行解析和融合,以提供全面的环境感知和目标信息。芯片能够将不同传感器的数据进行整合,从而形成更准确、全面的情报图谱,为智能武器系统提供更好的决策依据。
3.实现人机协同与自主决策:芯片是智能武器系统中实现人机协同和自主决策必不可少的器件。通过与人类操作员的交互,芯片能够接收指令、获取情报和预测结果,并作出相应的决策。同时,芯片也能够利用自身的学习和适应性能力,通过分析历史数据和经验,自主地做出决策。这使得智能武器系统能够更加灵活、高效地应对不同的战场情况和挑战。
4.算法优化与人工智能模型加速:芯片技术的不断进步使得智能武器系统能够应用更加复杂、高效的算法和人工智能模型。芯片能够支持深度学习、机器学习和推理推断等算法,从而提高智能武器系统在目标识别、路径规划、目标跟踪等方面的性能。通过算法优化和模型训练,芯片能够不断提升智能武器系统的智能化水平和作战效能。
四、芯片迭代依赖于全产业链的技术发展
随着科技的迅速发展,芯片作为现代科技的核心组件,在人工智能、信息安全及智能武器等领域扮演着至关重要的角色。然而,芯片的迭代和进步并非孤立的,它依赖于全产业链的技术发展。芯片全产业链包括芯片设计、制造、封装测试等环节。
芯片设计是芯片产业链的上游环节,也是最具创新性和附加值的环节,决定了整个链条中后续环节的可行性和发展方向,涉及到电路设计、物理布局、功能验证等多个方面。芯片设计工具EDA(Electronic Design Automation)在芯片设计中起着核心作用,被业内成为“芯片之母”,EDA提供了丰富的芯片设计功能,可显著提高芯片设计效率、确保设计有效性并降低开发成本。2022年8月,美国商务部对设计全栅场效应晶体管(GAAFET)结构集成电路所必须的EDA软件实施出口管制,以阻碍中国芯片设计厂商向3纳米及以下先进制程芯片获得突破。
芯片制造是芯片产业链的中游环节,也是最具技术壁垒和资本密集度的环节。芯片制造涉及多个工艺步骤,如光刻、扩散、离子注入、刻蚀、沉积等,每个步骤都需要高精度和高稳定性的设备和材料。芯片制造的核心指标是工艺节点,即晶体管的最小尺寸,工艺节点越小,代表芯片的集成度越高,性能越强,功耗越低。目前,全球最先进的工艺节点是3纳米,由台积电和三星等企业掌握。其中光刻机是芯片制造环节推动芯片制程升级的核心设备,其主要功能是将图案从光掩模高精度地转移到衬底(通常是硅片)上,它也被称为掩模对准曝光机、曝光系统、光刻系统等。2023年6月,荷兰政府颁布新的出口管制规定,要求光刻机制造商必须获得政府许可才能向其他国家出口其最先进的浸润式深紫外光刻机(DUV)光刻系统,这意味着荷兰已将光刻机出口管制的范围由最先进的极紫外光刻机(EUV)扩大到了DUV,将进一步影响中国芯片企业向7纳米以下制程演进的进度。
芯片封测是芯片产业链的末端环节,也是最具规模效应和成本控制能力的环节。芯片封测涉及多个步骤,如焊线、封装、测试等,每个步骤都需要高速度和高精准度的设备和技术。芯片封测的核心指标是封装形式和测试项目,封装形式越先进,代表芯片的体积越小,性能越好;测试项目越多,代表芯片的功能越完善。2023年12月,英特尔表示,其将通过先进封装技术继续推进摩尔定律的研究进展,包括背面供电和直接背面触点(Direct Backside Contacts)的3D堆叠CMOS晶体管,计划在2030年前实现在单个封装内集成1万亿个晶体管。
五、总结
作者简介
刘纪铖 国务院 发展研究中心国际技术经济研究所研究二室
研究方向:信息领域战略、技术和产业前沿
联系方式:liujc206@163.com
联系客服