广告

人工智能芯片不在于追求算力, 而在于架构创新

在2018全球CEO峰会上,中国半导体行业协会IC设计分会理事长、清华大学微纳电子系魏少军教授带来“智能时代中国半导体市场需求”的主题演讲。他谈到了人工智能(AI)现状和未来、架构创新必要性,以及软件定义芯片等问题。

Wei_Shaojun_sized copy.jpg

魏少军

中国半导体行业协会 IC设计分会理事长

清华大学微纳电子系教授

在2018全球CEO峰会上,中国半导体行业协会IC设计分会理事长、清华大学微纳电子系魏少军教授带来“智能时代中国半导体市场需求”的主题演讲。他谈到了人工智能(AI)现状和未来、架构创新必要性,以及软件定义芯片等问题。

在魏少军教授看来,得益于深度神经网络的出现,AI这几年来发展十分迅速。如今,AI已经进入了我们熟悉的各个行业, 可以说现在无行业不AI、无应用不AI、无芯片不AI。

架构创新是人工智能芯片的必由之路

魏少军教授认为,本轮人工智能的崛起有三个基本要素:算法、数据和算力。而且这三个基本要素还在不断发展之中。

针对算法方面,魏少军教授指出,算法研究目前面临着两个比较现实的问题:一是算法还在不断演进中,新的算法层出不穷;二是一种算法对应一种应用,没有统一的算法。“即便是今天专门研究算法的人,也解决不了这两个问题。”他补充说。

至于算力,这是芯片设计工作者首要考虑的问题。不过,他也同时指出,虽然我们一直在追求算力,但其实拥有超过人脑的算力不是我们的终极目标,AI芯片并非纯粹地追求算力。“如果是纯算力的话,超级计算机已经超过人脑了,我们更多需要的是智能的计算引擎。”他强调。

这里所说的“ 智能计算引擎”应该包括可编程能力以适应各类应用;计算和存储密集型;以及从“云端”向“边缘”的迁移能力,这需要高能效计算,能量效率需要~TOPS/W。

在魏少军教授看来,“智能计算”芯片应该具备以下一些基本要素(见下表)。

F1.jpg

魏少军教授表示,这样的芯片现在还不存在,“市面上现在存在的主要是硬件不太可编程,软件可编程性很强的CPU和DSP;硬件不太可编程,软件可编程性也不强的ASIC和SoC等;以及硬件可编程性强,但不怎么需要软件编程的FPGA和EPLD等。而硬件和软件可编程性都强的芯片目前还没有看到。因此,这也是我们的机会。”

其实,图灵奖的 获得者John L. Hennessy和David A. Patterson在讨论AI时,把架构问题放得非常高。他们特别强调,今天我们处在架构创新的黄金年代。设计AI芯片时,我们特别需要考虑架构的创新,而不是单纯的算力提升。

软件定义芯片

如何实现既可以硬件可编程, 又可以软件可编程呢?其实有一种方法可以实现的,那就是软件定义芯片。

软件定义芯片,指的是软件和硬件均可以编程,而且是混合颗粒度。“我们无法摆脱作为硬件工程师的心态, 但是它给我们打开另外一扇窗,这扇窗存在的话,很可能走出全新的道路。”魏少军教授在演讲中表示。

那软件定义芯片是怎么工作呢?“我们知道,今天的应用都用软件实现。不考虑代码复杂性的情况,假如有一个软件和硬件完全一致的结构,这种实现方式是最直接的。再设想一下,如果应用软件是基于C或者C++的,每次变换C和C++程序,硬件就自动跟着变换,而且永远与软件程序的结构完美匹配,那这样的效率是最高的。”魏少军教授解释说,“当然,这只是美好的想法,事实并不是如此,软件可以很复杂,硬件可以有边界。最直接的方法是把软件模块化,分块完成;而硬件呢?需要动态改变,以适应不同的模块。这就是软件定义芯片最原始的想法。”

魏少军教授还透露,他们的研究团队已经用软件定义芯片的方式实现了AI芯片的设计。他补充说:“在架构上如果我们不按照传统的方式走,而去寻找新的途径,很可能会起到事半功倍的效果。”

总结

魏少军教授总结说,虽然AI看起来很热门,但其实还有很多问题没有解决。“当下,我们最需要考虑的问题是,哪些应用需要AI?我们希望AI帮忙解决什么问题?以及什么样的AI 应用是我们每天都需要的?等等。”也就是说,魏少军教授觉得目前AI行业最重要的其实是应用,特别是具体场景的AI应用。

原创
本文为国际电子商情原创文章,未经授权禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫,一键转发

  • 关注“国际电子商情” 微信公众号