AI急需变革？比起英特尔的焦虑，互联网企业更想蹚这一池芯片水

2019-02-27 09:36

深度学习、推理芯片与产业变迁

回到推理芯片，即处理逻辑运算的芯片。其实它并不是什么新产物，这里不得不提英特尔的x86架构。

所谓x86架构，通俗来讲就是一种通用的“CPU＋Linux”操作系统的架构，它伴随着1978年英特尔推出的8086处理器出现，具体指的是英特尔开发的一套通用的计算机指令集合。目前市面上所有主流的服务器都是基于Intel x86架构的CPU公版二次开发而来。

采用Intel的x86架构来处理服务器大量的计算任务，有人说是考虑CPU通过冯诺依曼架构可以为数百万的不同应用加载任何软件的灵活性优势，有人认为英特尔x86架构的向后兼容性让用户只要换个CPU就能获得性能提升的优势主导使然。总而言之，不同于训练模式的单一，深度学习推理任务的复杂让产业界综合考虑成本、技术成熟度等因素而最终选择了CPU芯片＋x86指令集的系统架构。

图｜ Intel x86

但众所周知的是，古老的x86架构虽经过了几十年的技术迭代，受系统架构本身的访问限制（又称冯诺依曼瓶颈），其总体的吞吐量和能耗都限制了它在大量计算任务上的表现能力，尤其是当深度学习算法出现后，这一弊端愈加被凸显。

深度学习算法之所以如此重要，主要原因在于它刚刚诞生不久就能够迅速适应几乎所有的应用需求，历史上很少有一项技术有如此的影响力，因此其特殊属性催生了对大量数据进行处理和分析的需求。对于这一算法带来的影响，黄仁勋一句话点出其中奥妙：深度学习是一种新的计算方法，所以整个产业需要发展出一种新的计算体系结构。

因而在深度学习的两大功能——训练和推理的模式推动下，Caffe、Tensorflow等软件架构工具迅速发展，芯片巨头也争相以此为起点开发新的芯片。英伟达借助GPU与训练功能的天生匹配登上了市场龙头的宝座，但他们发现要实现训练之后的推理功能，即对图像的识别、语义的关联处理等，GPU却是不适合的。

没有合适“人选”，推理市场因此空出霸主之位。退而求其次，CPU＋GPU发展成了服务器市场中主流的架构解决方案，但终究不是长久之计。对此，大家心知肚明。

最后

在这一波巨头带动的小高潮背后，无疑预示着产业发展中推理任务处理需求积聚到了一个新的高点。

箭在弦上，不得不发。但最终谁将胜出，还只能静候各厂家接下来的芯片产品。

正如Patterson与Hennessy在《计算机体系结构的新黄金时代》里所言，“在摩尔定律走向终点的同时，体系结构正在闪耀新的活力——以TPU为代表的领域特定架构（Domain Specific Architectures， DSA）兴起，但CPU、GPU、FPGA仍然有用武之地，最终，市场会选出胜者。”

<上一页 1 2 3