人工智能正在推動(dòng)硅的復(fù)興

半導(dǎo)體是數(shù)字時(shí)代的基礎(chǔ)技術(shù)。它給硅谷起了個(gè)名字。它是過去半個(gè)世紀(jì)改變了社會各個(gè)方面的計(jì)算機(jī)革命的核心。

自從英特爾在1971年推出世界上第一個(gè)微處理器以來，計(jì)算能力的提高步伐令人嘆為觀止，而且不懈。根據(jù)摩爾定律，當(dāng)今的計(jì)算機(jī)芯片比50年前的功能強(qiáng)大了數(shù)百萬倍。

然而，盡管數(shù)十年來處理能力飛速增長，但直到最近，計(jì)算機(jī)芯片的基本體系結(jié)構(gòu)仍基本上保持靜態(tài)。在大多數(shù)情況下，硅的創(chuàng)新需要進(jìn)一步使晶體管小型化，以便將更多晶體管壓縮到集成電路中。幾十年來，英特爾和AMD等公司通過可靠地提高CPU性能而取得了長足發(fā)展，克萊頓·克里斯滕森(Clayton Christensen)將其視為“持續(xù)創(chuàng)新”。

今天，這種情況正在以戲劇性的方式改變。AI迎來了半導(dǎo)體創(chuàng)新的新黃金時(shí)代。數(shù)十年來，機(jī)器學(xué)習(xí)的獨(dú)特需求和無限的機(jī)會第一次激發(fā)了企業(yè)家重新思考和重新思考芯片架構(gòu)的最基本原則。在計(jì)算的大部分歷史中，主要的芯片體系結(jié)構(gòu)一直是CPU或處理器。如今，CPU無處不在：它們?yōu)楣P記本電腦，移動(dòng)設(shè)備和大多數(shù)數(shù)據(jù)中心供電。

1945年，傳奇的約翰·馮·諾伊曼(John von Neumann)設(shè)計(jì)了CPU的基本體系結(jié)構(gòu)。值得注意的是，此后其設(shè)計(jì)基本上保持不變：今天生產(chǎn)的大多數(shù)計(jì)算機(jī)仍是馮·諾依曼機(jī)器。

CPU在用例中的優(yōu)勢是其靈活性的結(jié)果：CPU是通用計(jì)算機(jī)，能夠有效執(zhí)行軟件所需的任何計(jì)算。但是，盡管CPU的主要優(yōu)勢是多功能性，但是當(dāng)今領(lǐng)先的AI技術(shù)需要非常特殊且密集的一組計(jì)算。

深度學(xué)習(xí)需要迭代執(zhí)行數(shù)百萬或數(shù)十億個(gè)相對簡單的乘法和加法步驟。在接地的線性代數(shù)，深學(xué)習(xí)是根本試錯(cuò)誤基于：參數(shù)微調(diào)，矩陣相乘，和附圖被求和一遍一遍整個(gè)神經(jīng)網(wǎng)絡(luò)作為模型逐漸本身優(yōu)化。

這種重復(fù)的，計(jì)算量大的工作流程對硬件體系結(jié)構(gòu)具有一些重要意義。并行化(處理器能夠同時(shí)而不是一個(gè)接一個(gè)地執(zhí)行許多計(jì)算的能力)變得至關(guān)重要。與此相關(guān)的是，由于深度學(xué)習(xí)涉及大量數(shù)據(jù)的連續(xù)轉(zhuǎn)換，因此將芯片的內(nèi)存和計(jì)算核心盡可能靠近地放置，可以通過減少數(shù)據(jù)移動(dòng)來獲得巨大的速度和效率。