《电子技术应用》
您所在的位置:首页 > 模拟设计 > 业界动态 > 打破摩尔定律 芯片构造驱动性能增长

打破摩尔定律 芯片构造驱动性能增长

2017-03-29

微型处理器变得越来越小、越来越快、效率更高。但随着它们达到物理极限,芯片构造开始驱动性能增长。1月4日,英伟达(Nvidia)创始人兼首席执行官黄仁勋(Jen-Hsun Huang),在拉斯维加斯举行的国际消费类电子产品展览会(CES)上发表主题演讲,同时也带来了Nvidia Xavie:一款用于人工智能汽车的超级计算机。

QQ截图20170328205611.png

请点击此处(黄仁勋(Jen-Hsun Huang)在CES上的演讲)

最近,两家最大的半导体公司相继发表声明,看似毫无联系,实则息息相关。英特尔(Intel)宣布收购Mobileye——一家专为无人驾驶汽车制造芯片和软件的以色列创业公司。Nvidia则公开了对于人工智能至关重要的、新一代用于加速机器自身学习的系统。

两大公司的举动其实都是基于“专业计算”,也就是把特定的软件任务转变为一张实体的硅芯片,而不是依赖于一个速度更快的CPU(中央处理器)。这种技术虽然以种种形式存在了数十年,但直到最近才成为诸多酷炫科技背后的动力(从人工智能到无人驾驶汽车)。为什么?因为CPU的更新速度早已大不如前。摩尔定律正在走向灭亡。

摩尔定律是指,每隔两年左右的时间,芯片上晶体管的数量就会翻倍。用大众的观点来看就是电脑运行速度持续加快,体型变小,效率更高。然而现在并没有按过去的方式发展。“这不是说摩尔定律撞上了南墙——某种意义上它将要寿终正寝了”,爱荷华大学计算机科学与生物信息学教授丹尼尔·里德(Daniel Reed)说道。

QQ截图20170328205630.png

(摩尔定律 )

当Intel和其他芯片铸造厂还在花费资金维持老本生意时,行业内的芯片设计师们已经在寻找创新型的方法与摩尔定律的增长速度保持一致,并且在多数情况下提高设备性能,速度更快。

“我们今天取得的大部分成就都源于(芯片)设计和软件”,Nvidia首席科学家威廉·达利(William Dally)称,“对我们来说这一直是个挑战,因为每一代产品更新都要使其拥有原先两倍的性能,这让我们倍感压力”,他补充道。迄今为止,Nvidia一直保持着这个节奏,即使芯片上面的元件尺寸并不改变,他们唯一做的就是芯片设计,或者说“构造”。

尽管不能一一罗列,但专业计算原则已经应用于诸多程序:人工智能、图像识别、无人驾驶汽车、虚拟现实、比特币矿业、无人机、数据中心、甚至是摄影。几乎每家制造或提供硬件设备的技术公司——包括苹果、三星、亚马逊、高通、英伟达、博通、英特尔、华为和小米——都在利用这一现象谋利。即使是只生产自用芯片的公司——比如微软、谷歌和脸书,也同样如此。

QQ截图20170328205646.png

(苹果公司A11芯片 )

许多年前,几乎所有的计算功能都靠CPU完成,一个接着一个依次完成,高通公司高级副总裁基思·克里辛(Keith Kressin)说道。渐渐地,那些很常用但需要许多处理器才能完成的任务会被转移到专门的芯片中。这些任务可以同时进行,而CPU只能执行绝对必要的指令。

这些任务型的芯片品种纷繁复杂,一方面也正体现了它们的用途广泛,不同芯片之间区分的界限也很模糊。其中一种是图形处理器——想想Nvidia和游戏玩家们——为那些原本完美匹配的任务找到了更多的用途,其中也包括人工智能。在这之后,智能手机的兴起创造了人们对于另一种数字信号处理芯片的大量需求,比如用以提高摄影水平。

“我们的目标是最小化CPU处理的软件数量”,克里辛(Kressin)说道。因此,现代的微型芯片,比如由高通公司开发,用于安卓智能手机的Snapdragon不仅能搭载CPU,还能安装24块或更多的独立数字信号处理芯片和图像处理器。每个元件都被优化以操作不同的任务,从处理图片到倾听手机的“唤醒指令”。

把类似图像增强的杂事交给数字信号处理器来做能将速度提升至原来的25倍,克里辛(Kressin)表示。这就是为什么智能手机能够完成许多你的台式电脑无法完成的事情,即使手机的CPU没有那么强大。

在手机行业,苹果公司证明了设计自身芯片的实用性,对纳米晶硅的每一单位进行优化从而准确运行它将要处理的任务,一位市场研究公司创意战略(Creative Strategies)的分析师本·巴贾林(Ben Bajarin)说。苹果对自用芯片的巨额投资是保证其设备操作流畅的关键,以及新特性的使用,例如指纹识别感应器(Touch ID)。

QQ截图20170328205959.png

Nividia首席科学家达利(Dally)还补充道,对涉及人工智能的任务,改用图形处理器而不是CPU的话会使速度提升10倍至100倍不等。

如今半自动驾驶汽车已经能在美国公路上行驶,这要归功于人工智能性能增长背后的无人驾驶技术,也正是Intel收购Mobileye的原因。Intel拒绝对此发表评论,但是把Mobileye的硅片和软件融入Intel自身的芯片技术会成为专业计算的一个经典例子。

而Nvidia向人工智能和无人驾驶技术领域的进军也与之类似,虽然他们的图形处理器相比于那种专门用于加速程序的超专业硅片来说已经是能力超群的计算机了。达利(Dally)先生还表示,自2010年开始公司就致力于协调图形处理器以适应各种不同的人工智能技术。

然而,近代航空史的发展则表明,把重心放在专业化上取得的优势也会有极限。“一架新的波音777飞机并不比1960年代初的707飞得快”,爱荷华大学里德(Reed)教授说。但创新发生在各个领域,从轻型材料到计算机控制,并确实取得了实实在在的利益——飞机更安全,燃油效率越高。从这个类比的逻辑来看,虽然芯片的原始性能可能不会提高,但总的来说,处理多项特定任务的能力使其更优越。

同样产生的还有规模问题。以无人机制造商为例的某些购买芯片的客户,必须将就着使用已购买的多用途微型处理器,直到他们确信(新型芯片)已经有足够的市场需求,克里辛(Kressin)称。高通公司正在制造专为无人机设计的Snapdragon芯片:它们必须快速处理从传感器收集到的信息,以防那架自动化的小直升飞机从天上坠毁。

QQ截图20170328210016.png

(Snapdragon迷你飞行无人机,世界上最小的4K无人机)

里德(Reed)教授还认为,专业化的优点就在于,如今制造速度更快的芯片主要依赖于芯片设计师的才智,而不是制造商在硅片上蚀刻微小电路的能力。所以,微型芯片比以往任何时候都成功地证明了史蒂夫·乔布斯(Steve Jobs)的名言,同时也是他对计算机科学家艾伦·凯(Alan Kay)的理解,“真正关心软件的人应该自己做硬件。”

更正与补充

Nvidia首席科学家威廉·达利(William Dally)表示,Nvidia已经在调整它们的图形处理器以更好的适配人工智能。在早期的版本中,这一说法被误认为是高通公司执行官基思·克里辛(Keith Kressin)的言论。