MIT透過類似樂高的模組化，設計出AI晶片 - 工程師

MIT透過類似樂高的模組化，設計出AI晶片

https://bit.ly/3zUVprl

麻省理工學院（MIT）的工程師正朝著模組化晶片的願景邁出一步。如今他們採用了類似
樂高的設計，透過堆疊、重新配置設計出AI晶片。

這一模組化設計包括：可替換的感測和處理元件層，以及允許晶片層進行光學通訊的LED
。其他模組化晶片設計採用傳統佈線在層之間繼電訊號。簡單來說，MIT的設計是使用光
而不是實體線在晶片間傳輸訊息。因此，晶片可以重新配置，層之間可以交換或堆疊，例
如：添加新的感測器或更新的處理器等。

研究人員渴望將該設計應用於邊緣運算裝置，可透過自給自足的感測器和其他電子設備，
讓其獨立於任何中央或分佈式資源（如：超級電腦或基於雲端運算）工作。

MIT認為，隨著我們進入基於感測器網路的物聯網時代，對多功能邊緣運算設備的需求將
急劇擴大。因此，其提出的硬體架構將在未來提供高度通用的邊緣運算。

從硬體架構來看，MIT製造了一個晶片，其運算核心尺寸約為4平方公釐。該晶片堆疊了三
個影像識別“塊”，每個“塊”包括一個影像感測器、光通訊層和人工突觸陣列。然後他
們將像素化影像照射到晶片上，並測量每個神經網路陣列響應產生的電流。

研究小組發現，該晶片可以正確識別清晰影像，但它無法區分模糊影像。透過快速更換晶
片的處理層之後，可以獲得更好的“去噪”處理器，強化晶片能力，然後提升識別影像能
力。

例如：其可為手機的相機模組添加影像層，以便可以識別更複雜的影像，或者將這些影像
製作成可以嵌入穿戴式電子皮膚的醫療保健監視器，進而開發出一種智慧皮膚，用於監測
重要身體跡象的改變。

未來廠商可以透過製作一個通用的晶片平台，每一層都可單獨銷售。不同廠商可以製作不
同類型的神經網路，例如用於影像或語音辨識，讓客戶選擇他們想要的東西，並添加到現
有的晶片中，達到獲利的目的。

想像一個更可持續的未來，人們所擁有的手機、智慧手錶和其他穿戴式裝置不必為了更新
型號而被擱置或丟棄。相反，它們可以使用最新的感測器和處理器進行升級，這些以類似
樂高積木配置在內部晶片的感測器和處理器，可讓廠商重新配置的晶片零組件，讓設備保
持最新狀態，減少電子裝置浪費的情況。

--