|
來源: 第一財(cái)經(jīng)資訊 “計(jì)算機(jī)發(fā)展正面臨一個(gè)非常重要的變化，就是我們正在步入的泛在計(jì)算，它一個(gè)重要特點(diǎn)是從人使用計(jì)算機(jī)變成機(jī)器使用計(jì)算機(jī)，對(duì)智能計(jì)算的要求越來越迫切。”9月14日，2023全球AI芯片峰會(huì)上，清華大學(xué)教授、中國半導(dǎo)體行業(yè)協(xié)會(huì)副理事長魏少軍表示。 以大模型為代表的生成式AI年內(nèi)大火，成為資本追逐的對(duì)象。但隨著AI訓(xùn)練和計(jì)算需求增大，人們很快發(fā)現(xiàn)，AI算力成為瓶頸。這不僅體現(xiàn)在高算力AI訓(xùn)練GPU一片難求，還體現(xiàn)在現(xiàn)有芯片難以滿足高性能計(jì)算。 魏少軍認(rèn)為，AI需要新的芯片架構(gòu)，以實(shí)現(xiàn)靈活的軟硬件編程能力。目前，芯片已難以靠工藝進(jìn)步實(shí)現(xiàn)高性能計(jì)算，通過應(yīng)用定義軟件、軟件定義芯片促成軟硬件有機(jī)融合，是提高計(jì)算效率的可行路徑。軟件定義芯片技術(shù)還有望成為我國集成電路設(shè)計(jì)業(yè)擺脫跟隨模仿、實(shí)現(xiàn)趕超提供一條全新技術(shù)路線。 AI呼喚新芯片架構(gòu) 算力和算法成為當(dāng)前AI訓(xùn)練和AI推理的關(guān)鍵一環(huán)，源于深度神經(jīng)網(wǎng)絡(luò)出現(xiàn)后對(duì)AI業(yè)態(tài)的重構(gòu)。業(yè)界探索AI過程中，算法和算力均出現(xiàn)棘手問題。 魏少軍介紹，邁入智能化時(shí)代，業(yè)界曾探索過類腦計(jì)算路徑，但遇到一個(gè)難點(diǎn)，類腦計(jì)算依賴于人們對(duì)人腦的理解，在對(duì)人腦的理解不足夠深的情況下，可能只能模仿一些細(xì)胞層面的東西。而在深度神經(jīng)網(wǎng)絡(luò)出現(xiàn)后，則出現(xiàn)了算法、數(shù)據(jù)、算力三個(gè)基本要素。 深度神經(jīng)網(wǎng)絡(luò)發(fā)展也涌現(xiàn)新的問題。魏少軍表示，隨著深度神經(jīng)網(wǎng)絡(luò)發(fā)展，算法不斷演進(jìn)，新算法層出不窮，此外，一種算法對(duì)應(yīng)一種應(yīng)用，沒有統(tǒng)一的算法。在人腦工作時(shí)如何使用算法尚未明晰的情況下，用機(jī)械的計(jì)算方式模擬人類認(rèn)知過程出現(xiàn)了難以解決的問題。當(dāng)把復(fù)雜計(jì)算從云端遷至邊緣端的時(shí)候時(shí)，還會(huì)發(fā)現(xiàn)機(jī)器并不具備足夠的算力和能量。 為解決以上問題，魏少軍表示，AI可能需要新的計(jì)算方式，深度學(xué)習(xí)需要一款“智能計(jì)算引擎”，其可編程能力適應(yīng)各類應(yīng)用，且為計(jì)算和存儲(chǔ)密集型，還能實(shí)現(xiàn)數(shù)據(jù)從“云端”向“邊緣端”遷移的能力。AI呼喚新的芯片架構(gòu)具有較高靈活性，這個(gè)新架構(gòu)考慮到硬件和軟件兩個(gè)部分，使硬件和軟件形成比較有效的可編程性。 據(jù)魏少軍介紹，基于軟硬件可編程性，可把AI芯片分為幾類。包含CPU、DSP等在內(nèi)的處理器的硬件可編程性較弱，軟件可編程性較強(qiáng)；ASIC、SoC等專用集成電路運(yùn)行過程通常不需軟件，無靈活性，軟硬件可編程性均較弱；FPGA、EPLD等可編程邏輯器件在硬件編程方面則有高靈活性，但軟件編程性弱，且成本高、價(jià)格貴。目前，業(yè)內(nèi)正探索的新型架構(gòu)則具通用性且有高靈活性，軟硬件可編程性高，可擴(kuò)大用量、降低成本。 “應(yīng)用定義軟件，軟件定義芯片，是計(jì)算芯片技術(shù)的一次根本變革。”魏少軍表示，中國在軟件定義芯片領(lǐng)域突破早于并優(yōu)于世界同行，目前已實(shí)現(xiàn)芯片架構(gòu)和功能納秒級(jí)重構(gòu)，使硬件電路可隨軟件算法的變化而快速變化，軟件定義芯片技術(shù)是能替代ASIC和FPGA的新型電路架構(gòu)技術(shù)。 大算力時(shí)代 AI時(shí)代，算力爆發(fā)。但在半導(dǎo)體繼承接近物理極限，摩爾定律放緩情況下，通過制程提升提高芯片性能的路徑越來越難走通，且現(xiàn)有芯片架構(gòu)也面臨難以供給高算力的問題。 魏少軍表示，人類對(duì)更高算力的追求在過去十年從未停滯，高性能計(jì)算機(jī)的計(jì)算能力已進(jìn)入E級(jí)，即每秒可進(jìn)行百億億次數(shù)學(xué)運(yùn)算，隨著全球數(shù)據(jù)量超100ZB，對(duì)Z級(jí)計(jì)算能力的需求愈發(fā)迫切。而依靠工藝技術(shù)進(jìn)步幾乎已無法實(shí)現(xiàn)更高性能的計(jì)算，若超算速度達(dá)Z級(jí)，耗電量與投資量必然巨大，難以落地。2022年世界第一的超算E級(jí)計(jì)算機(jī)的GPU芯片使用6nm工藝，若沿著現(xiàn)有路線發(fā)展，即便用尚未量產(chǎn)的3nm工藝也難落地現(xiàn)下一代超算Z級(jí)。 “從現(xiàn)有計(jì)算芯片的主流路線推演，難以滿足Z級(jí)超算的性能、功耗和成本需求。”魏少軍表示。現(xiàn)有計(jì)算芯片包括CPU、FPGA、GPU等，計(jì)算芯片計(jì)算資源占比至0.1%以下，計(jì)算資源利用率低至5%以下，數(shù)據(jù)傳輸耗能高達(dá)90%。 基于算力增長的需求，芯片架構(gòu)有待變革。魏少軍表示，智能計(jì)算芯片應(yīng)有學(xué)習(xí)和成長能力，有算法和軟件自主演進(jìn)能力、架構(gòu)動(dòng)態(tài)變換能力、可編程性等，且有應(yīng)具備高能量效率和高計(jì)算效率，避免使用指令這類低效率架構(gòu)。 |
