芯片巨头齐聚旧金山传达一个信号：将AI放进芯片

    7月18日，计算产业走到了转折点，一方面，深度学习（机器学习的一种）流行，对芯片提出新要求，另一方面，摩尔定律渐渐失效。几天前，来自各大芯片巨头的高管齐聚旧金山，讨论未来大计。
    周二时，在Applied Materials赞助下，A．I． Design Forum（AI设计论坛）开幕；就在同一时间，另一场芯片年度盛会Semicon West也拉开序幕。
    从聚会传达的信号看，既有好消息，也有坏消息。先说好的一面，厂商开发许多新工具，例如，AMD、Xilinx开发的异构芯片可以满足深度学习的要求。再看不好的一面，计算需求越来越大，数据中心压力加大，到底厂商开发的新玩意能否减轻数据中心的压力呢？大家没有给出明确答案。
    摩尔定律逐渐失效，芯片架构需要谋变
    在Semicon展会上我们看到许多新芯片，AI论坛的重点不是展示产品，而是讨论未来，比如机器学习大爆炸有何影响，对计算机来说意味着什么。
    Applied Materials CEO Gary Dickerson发表演讲，他刚一开口就说摩尔定律正在减速，他还援引加州大学伯克利分校教授David Patterson、Alphabet董事长John Hennessy提供的数据说，每年新处理的速度只提升3．5％。这一数据实际上有点过时了，2月份的新数据说提升速度只有3％。
    Dickerson预测，在未来大约10年的时间里，全球数据中心的AI负载将会占到计算周期（Compute Cycles）的80％，占据全球用电量的10％。
    如何应对这种变化？Dickerson认为行业应该从多个角度寻找解决方案，比如设计新芯片架构，开发新型内存芯片。他提到几种新内存，比如MRAM、ReRAM（resistive RAM）、PCRAM（phase－change RAM）和FeRAM。行业还要研究新逻辑芯片设计方法，开发新芯片，这种芯片可以用连续实值信号处理数据，而不是用离散单元的形式处理，除了硅之外，行业还要努力寻找新材料。
    AMD CEO Lisa Su和Xilinx CEO Victor Peng都谈到了异构计算。
    Lisa Su介绍了Epyc服务器芯片，它将多块硅片封装在一起，在硅片之间有高速存储器总线。Victor Peng谈到了Xilinx开发的可编程芯片，也就是FPGA，它既能处理AI矩阵乘法，还能处理机器学习运行前后的传统软件任务。
    因心存恐惧，谷歌TPU率先迈出一步
    谷歌高级工程师Cliff Young介绍了Tensor Processing Unit（简称TPU）的进展，从2013年开始，谷歌一直在开发TPU。Cliff Young解释说，谷歌之所以拼命开发TPU，主要是心存恐惧。
    为什么这样讲呢？谷歌平台出现越来越多的机器学习服务，矩阵乘法已经成为谷歌数据中心计算周期中相当重要的部分，如果每个人每天向手机说2分钟的话，或者每天分析2分钟的视频片段，都用机器学习来完成，那么谷歌的计算机就会不够用。
    Cliff Young告诉大家，AI服务需求出现大爆炸，既有可能带来成功，也有可能带来灾难，谷歌已经启动15个月的崩溃测试，希望能让性能提升10倍。
    现在TPU已经发展到第三代，不过危机并没有结束。Cliff Young说计算需要正在飞速增长。谷歌有仓库一样大的建筑，里面装满架子，上面装有TPU，可是仍然不够用。如何扩大数据中心？即使是谷歌也受到限制，更别说其它企业了。
    Cliff Young认为，硬件设计师、软件程序员应该携手合作，共同设计，还要与材料物理学家一起设计。Cliff Young问大家：“我们能不能用光收发器操纵神经网络呢？”光计算在矩阵乘法方面有着超强表现，但是用它处理神经网的其它关键部分表现却很平庸。
    CMOS是基本的芯片材料，Cliff Young认为行业应该努力寻找替代材料。内存计算同样很重要，我们可以让计算靠近内存单元，缩短数据传输距离。Cliff Young还说，机器学习也许能为模拟计算带来新机会。
    摩尔定律已死，需要调整步调跟上AI速度
    会议快要结束时，主持人与5位风投家座谈，谈论如何为尖端技术开发商（比如AI企业）提供资金支持。
    5位风投家分别是Lux Capital管理合伙人Shahin Farshchi，Spirit Ventures普通合伙人Laura Oliphant，Hardware Club普通合伙人Aymerik Reynard，Applied Ventures普通合伙人Rajesh Swaminathan和英特尔风投投资主管Jennifer Ard。
    座谈开始时，主持人问小组成员：摩尔定律是不是已经死了？有4人回答说“YES”，只有Shahin Farshchi给出否定回答。Shahin Farshchi解释说，虽然我们无法再用摩尔定律来预测晶体管的进步，但是计算力仍然可以用相同的速度增长，只是来自于整个计算生态系统。
    不管这种说法准不准确，他的论调和会议的其它言论是一致的。整个行业正在调整步伐，希望能跟上AI的节奏。