新思科技Chekib：AI芯片架构创新面临四大挑战( 八 )_智东西（公众号：zhidxcom）文|司北3月

SFA能带来什么好处呢？首先数据访问量能降低10到100倍，所以存储子系统的功耗能下降10倍以上；在28nm条件下，系统能效比超过4 TOPS/W，计算资源利用率也很高，超过80%，我们可以看到现在公开的很多AI架构芯片资源利用率都只在50%上下浮动。另外SFA面积非常小，在28nm工艺条件下的Post Layout面积是每TOPS 0.5平方毫米。

图6/8

同时，SFA可以做到通用型的AI芯片，可以支持任意已知的神经网络，等同于GPU的兼容性。很多设计芯片的朋友都知道，想要做一款通用型的AI芯片非常非常困难，有的只能支持几个神经网络，有的会在神经网络的参数上有非常大的限制，只能支持一些，有些可能就不支持了。

SFA对所有的神经网络参数、架构没有任何限制，对数据类型也任何限制，包括INT8、INT16、浮点16、浮点32、甚至包括一些自定义的浮点，全都可以支持；并且对于深度学习里所讲到的稀疏化的数据，也是可以自适应去支持，不用事先做任何的预处理。我们知道通用型对芯片设计是非常重要的，因为我们做芯片设计的人通常所面临的场景是非常广泛的，只为一个场景做一个具体的芯片可能成本就太高了。