摩爾定律已死，AI萬(wàn)歲？

 “摩爾定律已死，人工智能萬(wàn)歲！”(Moore’s Law is dead, long live AI.)。這是半導體產(chǎn)業(yè)最近的一個(gè)新口號，就從日前于美國西部半導體展(Semicon West 2018)中一場(chǎng)由應用材料(Applied Materials)贊助的全天活動(dòng)上響起。

應材新市場(chǎng)與聯(lián)盟事業(yè)群資深副總裁Steve Ghanayem表示，“半導體工藝節點(diǎn)的時(shí)代列車(chē)即將邁入尾聲。接下來(lái)，從材料到組件——硬件、軟件與系統——都必須以全新途徑展開(kāi)更多的合作。”Steve Ghanayem原來(lái)負責應材的晶體管和互連部門(mén)，目前則致力于尋找收購和結盟的機會(huì )，協(xié)助該公司朝向摩爾定律(Moore’s Law)以外的方向進(jìn)展。

當然，摩爾定律還沒(méi)有完全消失；對于幾家公司來(lái)說(shuō)，朝向更小型芯片的競賽也仍持續進(jìn)行中。

在Semicon West的專(zhuān)題演講中，應材首席執行官Gary Dickerson表示，該公司不久將發(fā)布新的晶體管材料，它能將漏電流降低三個(gè)數量級以上。對于芯片制造商而言，這項消息幾乎就像2007年英特爾(Intel)在高k金屬閘方面取得進(jìn)展一樣重要。但是，今天這樣的進(jìn)展只會(huì )影響到規模越來(lái)越小的設計社群和公司。

根據人工智能(AI)內存處理器(PIM)芯片設計公司Syntiant首席執行官Kurt Busch估計，7納米(nm)芯片投片大約要花1億美元，而從投片到第一款芯片產(chǎn)出大概要拖延到4個(gè)月的時(shí)間。“只有很少的公司能負擔得起這樣龐大的金額。而像我們這樣的一家新創(chuàng )公司，可沒(méi)辦法負擔1億美元的天文數字。”

不久前才離開(kāi)高通(Qualcomm)的服務(wù)器處理器架構師Dileep Bhandarkar說(shuō)：“我越來(lái)越不那么熱衷于最新的工藝節點(diǎn)了。它們對于像高通這樣的公司十分有利，但并不適用于其他所有人。”

伯克利大學(xué)榮譽(yù)教授David Patterson表示，“我認為這大概就是摩爾定律終結的情況了。”他指出，臺積電(TSMC)的晶體管成本持平，英特爾也在致力于生產(chǎn)10nm芯片，“而有95%的架構師認為未來(lái)都脫離不了專(zhuān)用處理器。”Patterson曾經(jīng)參與Google TPU的設計。

最近才退休的前英特爾資深微技術(shù)影專(zhuān)家Yan Borodovsky則期望能從摩爾定律傳承火炬至AI，使其成為指引半導體產(chǎn)業(yè)未來(lái)道路的一盞明燈。

他說(shuō)：“我認為超越當今馮·諾伊曼(von Neuman)的架構將因‘超越摩爾定律’(more than Moore)而受益。例如，憶阻器交叉開(kāi)關(guān)可望成為神經(jīng)形態(tài)運算的基本組成部份……超越摩爾定律的世界很可能是關(guān)于你可以在特定區域放置多少種類(lèi)的突觸以及他們有多么復雜…。”

應材準備發(fā)布可大幅降低漏電的晶體管材料（來(lái)源：Applied Materials）

為嵌入式系統打造超級計算機

致力于宣傳所謂“新認知時(shí)代”(a new cognitive era)的IBM認知解決方案暨研究資深副總John Kelly III表示，支持包括AI的2兆美元業(yè)務(wù)決策，就建立在1.5兆美元的IT業(yè)務(wù)之上。

Kelly說(shuō)：“我經(jīng)歷過(guò)摩爾定律的早期階段，但現在發(fā)生的一些事情將真正改變這個(gè)世界，這些都與人工智能有關(guān)……這將帶來(lái)50年或更久的技術(shù)創(chuàng )新，并將推動(dòng)我們的半導體產(chǎn)業(yè)繼續向前發(fā)展。”

IBM最近為美國政府研究人員打造了13mW Summit系統，這是第一臺專(zhuān)用于處理AI任務(wù)的超級計算機，其中并搭載部份的輝達(Nvidia) GPU。Kelly說(shuō)：“你不會(huì )再看到其他的傳統超級計算機了——因為它們將在未來(lái)的運算中融入AI……。”

事實(shí)上，機器學(xué)習的一大挑戰在于推動(dòng)推論工作，以及最終在網(wǎng)絡(luò )邊緣為功耗受限的處理器進(jìn)行訓練任務(wù)。對于像百度(Baidu)、Facebook和Google等巨擘而言，采用當今的GPU可能要花數周的時(shí)間才能完成訓練模型任務(wù)，這可說(shuō)是個(gè)夢(mèng)魘。

Syntiant的Busch說(shuō)：“我們將在五年內看到邊緣開(kāi)始執行一些訓練。一開(kāi)始先在數據中心處理神經(jīng)網(wǎng)絡(luò )的前幾層，而最后幾層則在邊緣處理——這是不可避免的。”

AI將成為許多產(chǎn)業(yè)領(lǐng)域的性能驅動(dòng)力。針對以30格/秒(f/s)速率進(jìn)行高解析(HD)視訊串流進(jìn)行AI處理，大約需要每秒9.4TFLOS的運算效能。Nvidia首席科學(xué)家Bill Dally在主題演講中表示，自動(dòng)駕駛車(chē)將會(huì )需要許多像這樣的高性能攝影機。

IBM的Kelly宣傳認知運算時(shí)代來(lái)臨（來(lái)源：EE Times）

從材料到算法全面思考AI

隨著(zhù)AI設下了更積極的新性能目標，業(yè)界也提出了實(shí)現這些愿景的新技術(shù)方向，包括在新材料、工藝、電路、架構、封裝和算法方面的研究。簡(jiǎn)言之，必須為AI重新思考每一件事。

加州大學(xué)洛杉磯分校(UCLA)電子工程學(xué)系教授Jason Woo說(shuō)：“我們一直在考慮將MRAM或ReRAM作為閃存(flash)的替代方案……但是，AI為采用新興內存與不同材料的交叉架構開(kāi)辟了新的亮點(diǎn)，可用于實(shí)現更多的線(xiàn)性模擬微縮，就像可編程的憶阻器一樣。”

Woo及其研究團隊一直在探索整合邏輯功能的三端比內存數組。這是Syntiant和Mythic等新創(chuàng )公司以及IBM研究人員希望用于A(yíng)I加速器(基于內存內運算)的新型編程組件。

由于A(yíng)I工作負載的平行本質(zhì)，也為封裝技術(shù)帶來(lái)了絕佳機會(huì )。為數據中心進(jìn)行訓練提供全光罩芯片設計的新創(chuàng )公司Cerebras Systems首席技術(shù)官Gary Lauterback說(shuō)，我們不應該局限于單芯片設計，封裝方面也有很大的潛力，可以克服在Denard微縮中遇到的瓶頸。

許多最新的數據中心芯片都采用了2.5D堆棧的邏輯和內存。同時(shí)，臺積電正推出用于智能型手機和其他裝置的眾多晶圓級扇出封裝版本，工程師還需要一個(gè)能因應AI需求的譯碼器。

Bhandarkar說(shuō)：“從成本和性能來(lái)看，我還找不到任何理想的多芯片技術(shù)。至今見(jiàn)過(guò)最好的要算是英特爾的EMIB，但它也并非所有人都可以使用。”

Dally透過(guò)縮減神經(jīng)網(wǎng)絡(luò )的大小及其矩陣數學(xué)的精度，快速地簡(jiǎn)化了算法與任務(wù)。他說(shuō)，采用混合精度數學(xué)，超級計算機老將Jack Dongarra因而能在Summit系統上帶來(lái)exaFLOPS級的AI性能。

Nvidia的研究人員以低至2位展現浮點(diǎn)運算的愿景，而Imec研究機構則進(jìn)一步探索單一位的途徑。

Dally補充說(shuō)，神經(jīng)網(wǎng)絡(luò )本身可以從根本上簡(jiǎn)化，以減少運算量。他說(shuō)，即使只使用了10%的神經(jīng)網(wǎng)絡(luò )權重和30%的啟動(dòng)效能，其準確度也不至于降低到讓人無(wú)法接受。SqueezeNet就是針對嵌入式AI的案例之一。

Nvidia的Dally說(shuō)神經(jīng)網(wǎng)絡(luò )需要減少一些權重（來(lái)源：EE Times）

量子計算機作為備用方案？

可怕的是必須走出已經(jīng)熟悉的道路，但這也可能是一件好事。Dally說(shuō)：“成為一名計算機架構師是一個(gè)非常激動(dòng)人心的時(shí)刻。如今，就讓摩爾定律其自然地發(fā)展吧！我們必須真的變得更加智慧。”

IBM的Kelly指出，如果這一切不幸都失敗了，那么就得發(fā)揮量子運算的潛力了。IBM的實(shí)驗室已開(kāi)發(fā)出一套50個(gè)量子位(qubit)的系統了。

他說(shuō)：“在50到100個(gè)量子位之間，系統將在幾秒鐘內完成運算，這是當今計算機永遠達不到的……除了AI之外，這是我一生中見(jiàn)過(guò)的最重要的事情了——它改變了游戲規則。”

其他人則警告道，針對如何建構和使用量子系統，目前還有許多的基礎研究正在進(jìn)行中。

美國桑迪亞國家實(shí)驗室(Sandia National Laboratories)首席技術(shù)研究員Conrad James說(shuō)：“我們知道如何打造深度學(xué)習系統，但并不了解它們如何運作……而且我們現在仍然處于嘗試不同技術(shù)的起步階段。量子研究則恰好相反。我們了解數學(xué)和物理，但并不知道如何打造量子系統。”

隨著(zhù)摩爾定律逐漸式微，量子運算的未來(lái)還有很長(cháng)的路要走。在指引未來(lái)發(fā)展方向的道路上，半導體產(chǎn)業(yè)幾乎沒(méi)有太多的選擇。AI萬(wàn)歲！

編譯：Susan Hong