Hot Chips，全球高性能芯片領(lǐng)域最負(fù)盛名的業(yè)界盛會！雖受疫情影響，本屆 Hot Chips 會議報(bào)告質(zhì)量依然非常之高，涵蓋范圍也非常之廣。在 Tutorial 部分，有來自于 Google TPU 團(tuán)隊(duì)、Cerebras、百度的機(jī)器學(xué)習(xí)訓(xùn)練專題，也有來自于 Google、IBM 等的量子計(jì)算專題。會議正式內(nèi)容分為 8 個 Section，包括服務(wù)器處理器、移動處理器、邊緣計(jì)算和傳感、GPU 和游戲架構(gòu)、FPGA 和可重構(gòu)架構(gòu)、網(wǎng)絡(luò)和分布式系統(tǒng)、機(jī)器學(xué)習(xí)訓(xùn)練，以及機(jī)器學(xué)習(xí)推理。受限于文章篇幅，本文將主要討論和機(jī)器學(xué)習(xí)相關(guān)部分的產(chǎn)品與趨勢。
趨勢一

互聯(lián)網(wǎng)公司自行開發(fā)的芯片明顯增多。百度有昆侖，阿里有含光。未來自己的客戶到底在哪里，公司出路在哪里？留給創(chuàng)業(yè)公司的空間還有多少？

百度是 Hot Chips 的?？停涸谥魅渭軜?gòu)師歐陽劍的帶領(lǐng)下，其基于 FPGA 開發(fā)的 Software-Defined Accelerator（SDA，軟件定義加速器）、面向于多種實(shí)際應(yīng)用的 XPU 都已經(jīng)在 Hot Chips 進(jìn)行過報(bào)告。本次百度展示了去年在三星使用 14nm 工藝流片的昆侖芯片。

阿里巴巴在最近幾年也在基礎(chǔ)架構(gòu)、芯片開發(fā)上投入巨大。去年阿里巴巴達(dá)摩院團(tuán)隊(duì)的張健松博士在 Hot Chips 發(fā)布了基于 FPGA 的新一代語音合成芯片 Ouroboros，今年阿里更是有兩個報(bào)告入選，其中就包括由焦陽（驕旸）領(lǐng)導(dǎo)開發(fā)的含光 800 NPU。

同是互聯(lián)網(wǎng)公司開發(fā)的 AI 芯片，百度昆侖和阿里含光 800 差異非常大，但各有優(yōu)勢。百度昆侖重點(diǎn)強(qiáng)調(diào)通用性，其峰值性能 256 INT8 TOPS/150W 的指標(biāo)雖然不那么突出，但是能夠支持搜索引擎、計(jì)算機(jī)視覺、NLP、語音識別等多種模型。含光 800 性能指標(biāo)非常突出，使用臺積電 12nm 工藝，實(shí)現(xiàn)了 825 INT8 TOPS/280W 的能效比，但是因?yàn)闆]有外接存儲，其所能使用的模型有限，目前披露的數(shù)據(jù)基本都是針對 ResNet-50 的。

無論兩顆芯片的差異如何，值得注意的是，阿里與百度，包括很多互聯(lián)網(wǎng)公司都有在布局云端 AI 芯片： 騰訊一方面戰(zhàn)略投資了由曾在 AMD 任職多年、也曾在銳迪科（RDA）擔(dān)任 CEO 的趙立東師兄創(chuàng)立的燧原科技；而另一邊，騰訊也在悄悄招兵買馬，布局自己的 AI 芯片； 字節(jié)跳動極其低調(diào)地戰(zhàn)略投資了一家 AI 芯片公司，該公司也于今年初獲得了紅杉中國的 A 輪融資。至此老互聯(lián)網(wǎng)三巨頭 BAT 和新興互聯(lián)網(wǎng)公司中最大的字節(jié)跳動，都已經(jīng)有了自己的 AI 芯片嫡系部隊(duì)。而這其中任何一家自身對 AI 芯片的需求，成本和收益之比都不足以支撐一顆 7nm 芯片的開發(fā)。 在云端 AI 芯片市場，除了英偉達(dá)這樣的壟斷者，也有英特爾、賽靈思這樣的資深巨頭玩家加入。國內(nèi)除了上述提到的互聯(lián)網(wǎng)公司自研或關(guān)系緊密的企業(yè)之外，還有寒武紀(jì)、壁仞、登臨等企業(yè)參與到競爭之中。盡管快手、拼多多、美團(tuán)、滴滴這樣在近些年快速上升的互聯(lián)網(wǎng)企業(yè)還沒有看到公開的 AI 芯片布局，但是也不排除他們在未來通過戰(zhàn)略投資等方式進(jìn)行布局。中國云端 AI 芯片的市場正在被快速瓜分，在未來，即便存在有第三方獨(dú)立 AI 芯片企業(yè)的機(jī)會，整個市場也可能只能支撐一家這樣的公司——所有相關(guān)的企業(yè)都必須思考，未來自己的客戶到底在哪里，公司出路在哪里？

趨勢二

下一代計(jì)算技術(shù)得到更多關(guān)注。單純架構(gòu)上的變化，很難實(shí)現(xiàn)簡單、便捷、低成本。模擬計(jì)算，存內(nèi)計(jì)算，量子計(jì)算，光子計(jì)算， 誰將成為“破壞性創(chuàng)新”的源泉？

在2018年之后，基于傳統(tǒng)數(shù)字集成電路的 AI 芯片研發(fā)進(jìn)展開始變得緩慢，已經(jīng)很難見到特別新鮮的想法和前所未有的微架構(gòu)了。一方面，這是因?yàn)槊嫦蛞曈X和語音識別等領(lǐng)域的深度算法迭代幅度開始變小，沒有那么多新的問題需要去解決。另一方面，AI 芯片也無非是一個特殊領(lǐng)域的 ASIC，很多解決過往問題的思路都可以遷移過來，好的金礦也率先都被挖出來了。因此，在過去兩年，我們看到數(shù)字 AI 芯片的進(jìn)步更多是和業(yè)務(wù)結(jié)合（如互聯(lián)網(wǎng)公司造芯、特斯拉的自動駕駛芯片），或者利用一些新的平臺型技術(shù)（如 HBM、Chiplet、Wafer-Scale Chip），微架構(gòu)也在升級，但沒有特別突出的大變化。

而更本質(zhì)的問題在于，大家原本寄希望于 AI 芯片領(lǐng)域誕生“破壞性創(chuàng)新”或者“顛覆式創(chuàng)新”的機(jī)會，目前看起來很難實(shí)現(xiàn)。如圖 1 所示，破壞性創(chuàng)新是指一種簡單、便捷、成本低的新型技術(shù)，雖然早期達(dá)不到客戶需求的性能，但其會逐步提升，直到滿足客戶需求、形成對傳統(tǒng)技術(shù)的顛覆。而芯片領(lǐng)域，流片成本越來越高，在 7nm 節(jié)點(diǎn)達(dá)到了 1 億美金以上，如果沒有大量訂單支撐攤薄成本一般企業(yè)根本無法承受。因此，在 AI 芯片領(lǐng)域變成了：公司越大，芯片賣得越多，芯片越便宜。單純架構(gòu)上的變化，很難實(shí)現(xiàn)簡單、便捷、低成本，難以成為“破壞性創(chuàng)新”的源泉。

圖 1. 破壞性創(chuàng)新模型（圖源：《創(chuàng)新者的解答》）

在這種情況下，越來越多的新技術(shù)路線得到關(guān)注，比如模擬計(jì)算，存內(nèi)計(jì)算（in-memory computing），光計(jì)算等等。在去年的 Hot Chips，來自于一家法國創(chuàng)業(yè)公司 Upmem 和普林斯頓大學(xué)賈弘洋博士的兩篇存內(nèi)計(jì)算報(bào)告被錄用就是有力的佐證。

本次 Hot Chips 的 Tutorial 選擇了一條未來極其重要的計(jì)算路線：量子計(jì)算。4 個報(bào)告其中有兩個來自于去年實(shí)現(xiàn)了“量子霸權(quán)（Quantum Supremacy）”的 Google 量子計(jì)算團(tuán)隊(duì)，還有兩個報(bào)告分別來自 IBM 團(tuán)隊(duì)和 Intel 團(tuán)隊(duì)。但盡管量子計(jì)算得到很大的關(guān)注，但距離實(shí)用還非常遙遠(yuǎn)，個人認(rèn)為至少在 10 年以上。如圖 2，來自于 Intel 量子計(jì)算團(tuán)隊(duì)的 James S. Clarke 所言，實(shí)現(xiàn)了 50 個 qubit，只是完成了概念驗(yàn)證，未來要實(shí)現(xiàn)商用，如進(jìn)行密碼破解，需要實(shí)現(xiàn)超過 100 萬個 qubit，這里還有很長的路要走。

圖 2. 解決不同問題需要的量子計(jì)算系統(tǒng)規(guī)模 （圖源：James S. Clarke）

孵化自 MIT 的 Lightmatter 團(tuán)隊(duì)介紹的光子計(jì)算方案，相比而言更加接近實(shí)用。利用一種 MEMS 工藝制造的 Mach Zehnder 干涉儀（簡稱 MZI），光子計(jì)算將傳統(tǒng)的乘法轉(zhuǎn)化為光路的相位調(diào)制與干涉，可以在幾乎不耗能的情況下完成計(jì)算。但是，MZI 本來還是會對信號有一定的損耗，因?yàn)槿绻饴方?jīng)過多個級聯(lián)的 MZI，光路損耗的程度可能使得最終結(jié)果出錯，也因此沒法做到特別大的計(jì)算陣列。同時(shí)，光子計(jì)算還存在的一個問題是，仍然需要去解決 memory wall，因?yàn)?MZI 只是代替了乘法器。

值得一提的是，MIT 光子計(jì)算團(tuán)隊(duì)實(shí)際上孵化了兩家創(chuàng)業(yè)企業(yè)，除了 Lightmatter，還有其中的華人團(tuán)隊(duì)創(chuàng)立的 Lightelligence（也被稱為 LightAI，曦智科技）。在這里也希望 Lightelligence 能夠越做越好。

趨勢三

Keynote 再次回到 AI 算法與應(yīng)用。AI 開始進(jìn)入大規(guī)模應(yīng)用的下一步究竟是什么，機(jī)器人，AR，亦或是腦機(jī)接口？

Hot Chips 作為芯片行業(yè)最巔峰的盛會，其 Keynote 的選擇，也代表了行業(yè)里大家當(dāng)前最關(guān)注的方向。

2017 年的 Hot Chips，Google 著名的架構(gòu)師，有諸多傳奇和段子的“程序員之神”Jeff Dean，在大會做了“Recent Advances in Artificial Intelligence via Machine Learning and the Implications for Computer System Design （基于機(jī)器學(xué)習(xí)的人工智能最新進(jìn)展及其對計(jì)算機(jī)系統(tǒng)設(shè)計(jì)的影響）”，足夠說明 AI 真正地進(jìn)入了主流應(yīng)用，大家都開始關(guān)注 AI 最新的進(jìn)展以及如何去針對性進(jìn)行系統(tǒng)設(shè)計(jì)。

2018 到 2019 年的幾個 Keynote 都和 AI 沒有什么關(guān)系。2018年芯片行業(yè)重大的新聞是 Intel CPU 被發(fā)現(xiàn)了 Spectre 和 Meltdown 兩個重大的漏洞，因此 Keynote 邀請了 John Hennessy 教授專門講解兩個漏洞以及處理器的安全性問題；同年，賽靈思新任總裁兼 CEO Victor Peng 就任，推出了 ACAP (Adaptive Computing Acceleration Platform， 自適應(yīng)計(jì)算加速平臺)架構(gòu)，也受到極大關(guān)注，因此也受邀到大會做 Keynote。2019 年，大家最關(guān)心的問題是摩爾定律是否還能延續(xù)，也因此邀請了 AMD CEO Lisa Su 與斯坦福大學(xué)教授、時(shí)任臺積電研究 VP 的黃漢森教授分別介紹他們的觀點(diǎn)。

今年的 Keynote，Hot Chips 邀請了 DeepMind 的杰出工程師 Dan Belov 做了題為”AI Research at Scale - Opportunities on the Road Ahead ( 大規(guī)模的人工智能研究——未來的機(jī)遇 )”的報(bào)告，為大家介紹未來 AI 研究可能帶來的新機(jī)會。Dan Belov 的報(bào)告，完全沒有提計(jì)算機(jī)視覺、語音識別等已經(jīng)進(jìn)入規(guī)模應(yīng)用階段的算法，而重點(diǎn)給大家介紹了強(qiáng)化學(xué)習(xí)及其在機(jī)器人領(lǐng)域、圍棋、圖形學(xué)等領(lǐng)域應(yīng)用的進(jìn)展。Dan 指出，從 2012 年的 AlexNet 到現(xiàn)在，算法效率提升了 44 倍（即達(dá)到同樣精度的計(jì)算量），而算法的總計(jì)算量規(guī)模提升了 30 萬倍，我們還有很多工作要做才能填補(bǔ)這近 10000 倍的差距，因此我們還需要關(guān)注全系統(tǒng)設(shè)計(jì)、考慮經(jīng)濟(jì)性問題、在軟件架構(gòu)領(lǐng)域應(yīng)用更多機(jī)器學(xué)習(xí)的最新技術(shù)。

圖 3. 黃漢森教授在 Hot Chips 2019的 Keynote 報(bào)告 （圖源：姚頌）

回到一個更本質(zhì)的問題，如黃漢森教授在去年的 Hot Chips Keynote 中所說（見圖 3），半導(dǎo)體技術(shù)的發(fā)展很大程度上由重要的應(yīng)用驅(qū)動，因?yàn)槲覀冃枰ダ斫夂皖A(yù)測未來的新應(yīng)用——這也是為什么會邀請做算法的企業(yè) DeepMind 來一個芯片的行業(yè)峰會做 Keynote 的原因。從 20 世紀(jì) 40 年代的無線電，到 70 年代的計(jì)算機(jī)，到 90 年代的 PC 和互聯(lián)網(wǎng)，到 21 世紀(jì)前 20 年的手機(jī)與移動設(shè)備，再在現(xiàn)在這個時(shí)間點(diǎn)，移動的市場趨于飽和，AI 開始進(jìn)入大規(guī)模應(yīng)用，理所當(dāng)然大家也都在思考，下一步究竟是什么？是機(jī)器人，是 AR，亦或是腦機(jī)接口？

結(jié)語

AI 芯片不是技術(shù)游戲。 曾經(jīng)創(chuàng)業(yè)的經(jīng)歷讓我有機(jī)會接觸到各行各業(yè)的創(chuàng)業(yè)者與投資人。曾經(jīng)聽過一位投資人分享互聯(lián)網(wǎng)交易平臺的邏輯和壁壘：對于這類平臺，一方連接的是供給方，一方連接的是需求方，當(dāng)經(jīng)過發(fā)展，供需雙方的數(shù)量達(dá)到了一定的臨界值之后，平臺就不需要再付出特別大的成本而可以獲得用戶規(guī)模的自然增長，如圖4所示。平臺幾乎可以說是模式最牢固、收益最高的商業(yè)模型了，如大家熟知的淘寶、微信、大眾點(diǎn)評、美團(tuán)外賣、拼多多、抖音、快手，都是這一類。

圖 4. 供給和需求側(cè)達(dá)到一定規(guī)模，互聯(lián)網(wǎng)應(yīng)用開始自然增長 （圖源：姚頌）

而對于 AI 芯片，大家總是討論技術(shù)，但實(shí)際上要做的遠(yuǎn)遠(yuǎn)不止技術(shù)。從 2017年起，我在所有公眾報(bào)告中就在強(qiáng)調(diào)軟件的重要性，強(qiáng)調(diào)不止要讓芯片性能很好，還要讓用戶可以極其簡單的用起來新的芯片。而我也經(jīng)常引述有贊創(chuàng)始人白鴉對于產(chǎn)品的金字塔模型，提到對于 AI 芯片產(chǎn)品來說，要讓用戶“離不開”，最重要的是開源生態(tài)、是社區(qū)。到現(xiàn)在，我越來越感覺到，AI 芯片的競爭，最根本的，就是類似于互聯(lián)網(wǎng)平臺的生態(tài)競爭，如圖 5 所示，當(dāng)有了足夠多的開源項(xiàng)目，在用戶初次接觸 AI 芯片時(shí)，就有更高的幾率使用你的芯片，而之后他又可能繼續(xù)貢獻(xiàn)更多的開源項(xiàng)目，實(shí)現(xiàn)正循環(huán)。也因?yàn)榇耍愳`思越來越重視軟件生態(tài)，越來越重視開發(fā)者，推出了 Vitis 這樣面向所有類型開發(fā)者的軟件平臺，并且把開發(fā)者生態(tài)作為重點(diǎn)領(lǐng)域持續(xù)推進(jìn)。

圖 5.AI 芯片生態(tài)開拓與互聯(lián)網(wǎng)平臺的類似性（圖源：姚頌）

目前，AI 芯片領(lǐng)域開發(fā)者生態(tài)的領(lǐng)導(dǎo)者是英偉達(dá)：據(jù)最新一次發(fā)布會上英偉達(dá)創(chuàng)始人、CEO 黃仁勛披露，已經(jīng)有 180 萬 AI 開發(fā)者使用英偉達(dá) GPU；而AI的初學(xué)者，我相信 99% 以上都會選擇買一塊 GPU、下載開源代碼進(jìn)行嘗試。那 AI 芯片的初創(chuàng)企業(yè)，其他的大型芯片企業(yè)還有機(jī)會嗎？我腦海中蹦出來兩個點(diǎn)：

第一，在鋼琴推廣上，聽過一句話叫“一個郎朗勝過一萬名鋼琴老師”。第二，同是平臺，不同平臺的穩(wěn)固程度是不一樣的：如淘寶，每個商家都有自己的供應(yīng)鏈、有自己在營銷上的投入成本，因而會更為穩(wěn)固；而滴滴，接入的個人司機(jī)，在切換平臺上沒有太多成本，因此哪里補(bǔ)貼高，司機(jī)就去哪個平臺接單。

賽靈思也仍在 AI 開發(fā)者生態(tài)領(lǐng)域努力，歡迎大家加入，也歡迎大家一起討論。

THE END

關(guān)于作者

姚頌：現(xiàn)任賽靈思人工智能業(yè)務(wù)高級總監(jiān)，負(fù)責(zé)公司在全球領(lǐng)域的人工智能業(yè)務(wù)拓展和生態(tài)建設(shè)。加入賽靈思之前，姚頌為深鑒科技（ 2018 年 7 月并入賽靈思公司）聯(lián)合創(chuàng)始人、首席執(zhí)行官，帶領(lǐng)團(tuán)隊(duì)自主研發(fā)了高效的深度學(xué)習(xí)平臺，致力于為智能安防與數(shù)據(jù)中心等行業(yè)提供集算法、軟件、芯片為一體的人工智能方案。

原文標(biāo)題：從 Hot Chips 32 看最新 AI 產(chǎn)品趨勢

文章出處：【微信公眾號：FPGA開發(fā)圈】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。