1.首批“十地”，国家知识产权保护示范区建设城市（地区）确定
2.专家：AI将在几十年内达到人类水平需制定监管机制
3.北京大学集成电路学院/集成电路高精尖创新中心三篇论文入选CICC2023大会
集微网消息4月24日，《国家知识产权局关于确定第一批国家知识产权保护示范区建设城市（地区）的通知》正式印发，确定天津市滨海新区、上海市浦东新区、江苏省南京市、江苏省苏州市、浙江省杭州市、浙江省宁波市、安徽省合肥市、广东省广州市、广东省深圳市和四川省成都市为第一批国家知识产权保护示范区建设城市（地区）。
据国家知识产权局副局长胡文辉介绍，开展国家知识产权保护示范区建设是贯彻落实党中央、国务院关于全面加强知识产权保护决策部署的重要举措，也是着力打造市场化、法治化、国际化一流营商环境的重要举措。高标准高水平建设知识产权保护示范区，有助于整体提升我国知识产权保护水平，进一步优化营商环境和创新环境，激发全社会创新活力，支撑高质量发展。
集微网报道，据韩联社报道，英国牛津大学哲学系教授威廉·麦克尔斯基尔最近在接受书面采访时表示：“AI的发展速度正在加快。”
麦克尔斯基尔教授是当代年轻哲学家中被引用最广泛的学者之一，在他最近出版的读物重，他试图从“长期主义”的角度预测未来，并寻求替代方案。麦克尔斯基尔表示，对长期未来产生积极影响是我们这个时代道德上首要的，从这种长期的角度来看，AI的发展是必然的。他预测称，特别是与产业相吻合，需要巨大的利益，因此AI的发展速度会非常快。
“我确信，人类水平的人工智能（AI）将在几十年内出现。最早在几个月内，我们可能有一个很好的机会。”麦克尔斯基尔表示，人工智能工作者包括科学家和工程师，将能够确保危险的工作和3D劳动的结束，以及技术进步的急剧提高。
麦克尔斯基尔教授强调，当务之急是安全控制和管理AI，制定适当的监管机制。他认为使AI对人类生活有益和无害的同时，还要同时进行技术研究，以确保AI系统的安全性。
麦克尔斯基尔还强调低生育率问题对技术进步造成的障碍。麦克尔斯基尔教授说：“从历史上看，持续的技术进步是可能的，因为科学家和工程师的数量不断增加。如果出生率急剧下降，将无法确保足够的劳动力来维持以后的进步。”
近日，集成电路顶会之一的IEEE定制集成电路大会（CICC）在美国德州圣安东尼奥举行。在本届CICC上，北京大学集成电路学院/集成电路高精尖创新中心有3篇高水平论文入选，向国际集成电路设计领域的同行展示了北京大学最新的研究成果。这三篇论文内容涉及模拟存算一体AI芯片、高能效电容传感器读出芯片、高能效混合架构脉冲神经网络芯片这三个学术前沿领域。论文的详情如下：
1.模拟存算一体AI芯片
不断发展的AI算法对边缘端硬件的算力与能效提出了挑战。传统计算架构执行AI算法的瓶颈在于数据搬运功耗，即“存储墙”问题。为了解决这一问题，将计算嵌入到存储单元中并在模拟域完成乘累加运算的模拟存算一体AI芯片被提出。电流型计算因其高面积效率和高并行等特点，受到研究人员的青睐。然而目前的电流域模拟存算一体芯片受到晶体管非理想性的限制，无法在小电流下实现精确计算，因而存在着计算精度、能效瓶颈与鲁棒性多重挑战，其应用场景严重受限。
集成电路学院王源教授-唐希源研究员团队从电流型模拟存算一体电路的误差产生机制入手，首次提出了电流编程技术。该技术利用编程电流产生自校准的权重电压，实现多值模拟权重的高精度编程。同时，课题组提出了电压-电流两步编程模数，利用编程电压进行快速初步写入并用编程电流完成精确写入，大幅提高了多比特权重编程速度。此外，课题组提出了自偏置共源共栅读出结构，在无需额外偏置电路的情况下大幅增加了存储单元读出精度，降低了计算电流的对位线电压的敏感度。这三项技术使得电流型多值模拟存算单元可以无需校准地工作在小于1uA的计算电流下，突破了电流型存算一体电路的精度与能效瓶颈，并大幅提升其鲁棒性。
基于上述创新设计，课题组研制了一款基于65nmCMOS工艺的电流型eDRAM模拟存内一体芯片，并对芯片进行了性能测试与汇报。在4-b输入/4-b权重/5-b输出精度的情况下，16Kb容量的原型芯片实现了233-304TOPS/W的计算能效与2.963TOPS/mm2的单位面积算力，达到了电流型存算一体电路中的国际领先水平。该创新通过将模拟权重的编程与计算统一到了电流域，大幅提高了模拟存算一体电流的计算精度与鲁棒性，可应用于边缘端AI计算场景。
图1电流编程存算一体芯片计算单元与架构图
图2电流编程存算一体芯片显微照片
2.高能效电容传感器读出芯片
电容传感器读出芯片被广泛应用于智慧医疗、运动监测等多种新兴物联网应用中。新兴应用对其精度、能效和转换延迟都提出了愈发严格的需求。
图4芯片性能对比图
3.高能效混合架构脉冲神经网络芯片
脉冲神经网络利用人脑中的脉冲处理机制，在低功耗，低延迟，高能效等各方面展现了巨大潜力，而人工神经网络可以通过基于梯度的反向传播（BP）训练达到高精度。如何高效结合两者优势成为当今研究技术难题。
基于上述技术，课题组研制了一款基于22nm纳米工艺的高能效混合架构脉冲神经网络芯片，并对该芯片的能耗、数据稀疏性和算法精度进行了测试。在心电异常检测和语音活跃度检测两个典型任务中，算法实现了98%和95%的识别率。测试结果表明，该芯片实现了同类工作中最好的动态能效0.43pJ/SOP，充分体现了S/ANN混合架构的高能效特点。这项工作是第一个具有稀疏感知内存计算和细粒度可配置性的混合SNN/ANN神经形态芯片。