- 可重构架构是未来AI芯片的主流方向
可重构的概念最早在20世纪60年代被提出。到了80、90年代，可重构芯片技术源头的高层次综合理论和方法诞生。进入新的世纪，2015年国际半导体技术发展路线图（ITRS）认为，粗颗粒度可重构架构（CGRA）是未来最有发展前途的新兴计算架构之一。
2018年，美国DARPA正式启动旨在支撑美国2025-2030年电子技术能力的“电子复兴计划”（ERI），提到研发具有软件和硬件双编程能力，并获得接近专用电路性能的技术。从60年前可重构概念的提出，到2019年有可重构AI芯片量产，可重构并不是一个新概念，却是一个挑战众多的技术。这种挑战很大程度来源于，动态可重构芯片既要有CPU和GPU级别的软件可编程性，也要有FPGA级别的硬件可编程性。
在魏少军教授的报告中，认为可重构芯片预期的特点有以下几个方面：
（1）软硬件可编程；
（2）硬件架构的动态可变性及高效的架构变换能力；
（3）兼具高计算效率和高能量效率；
（4）本征安全性；
（5）应用简便性，不需要芯片设计的知识和能力；
（6）软件定义芯片；
（7）实现智能的能力
与 CPU、GPU、FPGA 和 ASIC 相比，粗粒度可重构体系结构(CGRA) 最大的优势在于，一是没有传统指令驱动的计算架构取指和译码操作的延时和能耗开销，二是在计算过程中以接近“专用电路”的方式执行，因此平均计算能效分别是前三者的 1000 倍以上、100~1000 倍、100 倍以上，相比 NPU 也有 10 倍以上的性能提升。另外，由于 CGRA 基于配置方式执行，执行效率与 ASIC 相当，但是灵活性远远好于 ASIC。更重要的是，CGRA 架构算力可以弹性扩展，适用于从云端到边缘端对高能效和灵活性有综合要求的场景。下图为清华清微智能研究出的AI芯片可重构架构图，可重构模式动态重组计算资源和带宽，根据精度表示，让计算资源和带宽接近满负荷进行计算，从而将混合精度网络下的计算资源和带宽的利用率逼近极限，高效支持多种混合精度的神经网络。
集众多优势与一身，可重构计算芯片成为即将到来的 5G 时代下终端设备的最佳候选之一，可重构架构可以提升 AI 芯片的能效比，在保证 AI 计算效率和精度前提下降低功耗。而基于可重构计算架构的软件定义芯片使得硬件架构功能随软件的变化而变化，实现更灵活的芯片设计，同时也具备处理器的通用性和 ASIC 的高性能和低能耗，被一些专家视为 AI 通用芯片的方向之一。
