AI驱动的设计应用
节选自《半导体工程》”Bigger, Faster, More Diverse And Expensive ”。原作者:Ed Sperling. 感谢《半导体工程》对我们的大力支持!
新思科技董事长兼联席CEO Aart de Geus博士近日接受《半导体工程》(Semiconductor Engineering)杂志的采访,就无处不在的人工智能竞赛、市场细分化对芯片设计的影响,以及软件成为硬件开发的关键组成部分等话题进行了对话。
Aart de Geus:从技术来看,架构是获得巨大算力,使吞吐量或计算量大幅增加的唯一途径,我们必须不断改进封装和架构;从需求来看,海量的数据结合机器学习及高速的通信,成为了一种重要的经济驱动力,我们需要100倍或更高的算力。过去50年,摩尔定律推动了算力的提升,而现在则需要通过智能化来解决,例如海量数据通过网络汇集起来,进行海量学习,成果经数据分析后发回给边缘人工智能。从10倍到100倍仅是个起点,我们通过封装和架构创新满足这一需求。所以,某种程度而言,对算力需求越高,越可能得到更好的结果,这是可持续发展的基础。
Aart de Geus:从理论上说是的,所以我们在新的解决方案中将电子范式细分以提高效率。从数据角度看,解决针对农业和卫生保健的问题有很大不同。虽然在收集数据和相关规则方面有些类似,但这些东西都非常具有领域针对性。细分可以提高效率,更有效发挥算力。当然了,现在这种细分化还很初级,并不明显,但一定是未来的趋势。
Aart de Geus:不一定,因为最初的需求数量不足以支持如此细分,技术也达不到这一要求。在20世纪50年代计算机刚出现的时候,我们还在探索如何使用它。从那时开始,计算改变了世界,随后大规模网络普及再一次推动了世界的变革,网络移动化则最近一次改变世界。直到现在,芯片要求节点更小、密度更高、速度更快、功耗更低,需要架构创新才能支持改变时,针对性强的解决方案才成为必要。
Aart de Geus:边缘大概就是每个领域不同的解决方案。很难用统一的概念来理解边缘,因为需求不同,效率不同,边缘也有很大不同。例如在汽车领域,需要重视安全问题,卫生和医疗领域需要重视隐私问题,因此边缘的配置、逻辑都不尽相同。当然它们也有共同之处,就是机器学习会更加集中,数据分析会更多围绕边缘设备,尽量减少对网络的依赖。不过5G正使得网络发生根本性改变。
Aart de Geus:我想不会,边缘将会为特定用途而优化,以降低成本。举例来说,如果边缘需要收集温度变化的数据,那么它就不会考虑收集面部识别图像数据的需求,不会为它调整架构,因为两者差别非常大,想要兼容就意味着提高成本。可以说,科技经济学决定了这一问题,经济是驱动因素,技术是推动力,两者都很重要。
Aart de Geus:我们在高新技术上永远会面临各种各样的问题,需要从各个方面努力改善以解决这些问题。
Aart de Geus:这很难预测,我们曾一度以为“人工智能解决一切问题”,例如打败围棋世界冠军。这的确很好,但与解决现实世界的问题相距甚远。不过从过去十年来,谷歌无人汽车在硅谷周围的行驶效果来看,人工智能的表现与进展又令人惊喜。只是现在还没有一个比较可靠的评估标准,来判断人工智能在解决问题的这条路上走了多远,是3%还是5%,或者只有0.3%,不知道这点,就难以预测。
Aart de Geus:针对非常简单的问题,定量测试效果很好。例如百米跑,速度是首选的测量指标。但我们很难定量确定人工智能给予人们多大的帮助,总不能从自杀率、寿命这些数据来评判吧。当然,或许未来能有这样的定量指标,因为人工智能正在尝试取代人类智能,虽然至今为止,人类智能发展得更为成熟一些。在过去,我们可以通过x86处理器运行某个特定应用程序的速度作为判断标准,现在没有这样的度量指标?
Aart de Geus:当然是收入,毕竟企业以盈利为目的。就如一辆汽车因为外观不佳而销售情况不好,你就很难因为它里程指标卓越就坚持认为它很成功。所以我们可以进行各种尝试,找到成功的路径。
Aart de Geus:这很肯定,我们目前正为一大批领先的人工智能芯片的公司提供支持。我们会观察这些公司的兴起与衰败,虽然前路艰难险阻,甚至比登月还难多了,但其中确实有巨大的发展空间。
Aart de Geus:这一领域的芯片有两个主要特点:它们必须处理大量的数据,但对于独立芯片或是内置于其他的芯片而言,处理数据的整体路径却很复杂。第二,交易数据在许多方面都比一般计算简单,但数据量更大。这两点决定了芯片的复杂性,不能解决这两个问题,就无法成功推出芯片。
Aart de Geus:海量数据虽然是优势之一,但核心是要找到有效利用这些数据的方法。当然,对于如何使用新技术,中国已经有一些非常积极主动的政策在推动,但关键还在于如何通过技术来影响最终结果。毫无疑问,中国认为这是值得去做的,美国也试图做同样的事情,但缺乏相关的政策规定,所以说每个国家都存在积极和消极因素,不可一言蔽之。
Aart de Geus:三年前我们将公司宣传语改成了“Silicon to Software”,因为已经到了软硬件协同的阶段,人工智能领域的变化是最明显的表现。我们有基于软件的原型设计,基于FPGA的仿真机。同时,我们将公司业务扩展到软件质量和安全领域,去年这部分收入占公司营收逾10%。而五年前,我们在这一领域还一无所有。顺势而为,是我们应对大局变化的方式。
Aart de Geus:接下来很长一段时间对提升算力的渴求不会停止,至少在近几十年内会持续,而我们还远远不能有效地解决这一问题。与此同时,芯片设计正遇到一些新的挑战,但也带来新的机会。
Aart de Geus:这很正常,因为我们的工具有很多很好的功能。例如它们既能运行软件也能运行硬件模型,可以作为电力利用率的预测器,从而推测出算法的功耗。
Aart de Geus:我们几年前进入多个涉及时序、电力利用率和可测试性的领域,现在可以将这些子系统分拆放入一个封装体中的多个芯片中。尽管这个过程中存在一些挑战,但我们已经取得很好的进展,所以有自信宣称自公司成立以来,80%的工具都是前沿技术产品。
Aart de Geus:如今技术经济的角色从推动变成了拉动,所以会带来许多不同,但只要不同领域以不同智能实现高价值,那么它们的核心还是没有变化。因此,我们还会持续推动更复杂芯片及系统的迭代。