以“奔騰之父”著稱的英特爾(Intel)前高管維諾德·達姆（Vinod Dham）與一些年輕的芯片設(shè)計師合作，正在設(shè)計一種“真正的人工智能處理器”。

每個人都在嘗試設(shè)計人工智能處理器或電子芯片，它們充當電腦的大腦，能像人類大腦一樣工作。以“奔騰之父”著稱的英特爾(Intel)前高管維諾德·達姆（Vinod Dham）是最近一個著手設(shè)計人工智能芯片的人。他與一些年輕的芯片設(shè)計師合作，設(shè)計了RAP芯片（real AI processors），即“真正的人工智能處理器”。

在AlphaICs公司，該團隊正在開發(fā)一種協(xié)處理器芯片，可以實現(xiàn)基于智能代理的人工智能。這些RAP芯片有一天可能會被部署到計算設(shè)備和自動駕駛汽車上，以閃電般的速度做出決定，或者被大規(guī)模部署到數(shù)據(jù)中心。在自動駕駛汽車里，環(huán)境在不斷變化，行人等威脅無處不在。RAP芯片就是為這些條件而設(shè)計的，達姆表示：“有了我們的芯片，你可以隨時做決定”。

在某種程度上，這種芯片的出現(xiàn)很及時。多年來，英特爾和其他大型芯片制造商通過縮小芯片電路，能夠制造出更快、更小、更便宜、耗電更少的芯片。這代表了一種制造上的進步，制造專家可以將電路之間的寬度從14納米縮短到10納米，以此類推。但就連英特爾也坦言，經(jīng)過50多年的不斷進步，摩爾定律正在放緩。該定律是1965年英特爾名譽主席戈登·摩爾（Gordon Moore）的一項預測，即芯片上的晶體管數(shù)量每年將增加一倍。通過每年向芯片工廠投資100多億美元，英特爾每隔幾年就能建立新的工廠，這樣就可以將半導體轉(zhuǎn)移到一個新的制造節(jié)點。目前只有格羅方德（GlobalFoundries）、臺積電(TSMC)和三星(Samsung)才能進行類似的投資。

但英特爾已將其10納米芯片的生產(chǎn)計劃推遲到2019年晚些時候。這給了競爭對手一個迎頭趕上的歷史性機遇，可以通過設(shè)計而不是制造業(yè)的進步來實現(xiàn)芯片競爭。也就是說，如果你不能制造出更小的芯片，那么也許你可以通過設(shè)計更高效或更成熟的芯片來贏得競爭。達姆與AlphaICs公司都采用了這一想法，因為在人工智能應用的時代，提出一個全新的架構(gòu)是有意義的。

科技行業(yè)分析公司Linley Group的分析師林利·格文奈普（Linley Gennap）表示，隨著時間的推移，摩爾定律帶來的好處將越來越少，最終可能會慢慢停止。在這一點上，芯片設(shè)計將帶來性能的提高。關(guān)于人工智能最酷的一點是，現(xiàn)在沒有人知道正確答案是什么，人們正在嘗試很多不同的架構(gòu)。這是一個非常有創(chuàng)造力的時期，最終會有人想出一個很好的解決方案，它的數(shù)量級將比我們今天所擁有的要高。

但格文奈普并不清楚Alpha ICs公司的具體方法，他更傾向押注于Alpha ICs的競爭對手，如Graphcore公司（該公司在2017年底籌集了5000萬美元），或Mythic公司（該公司在2018年初籌集了4000萬美元）。格文奈普認為，還有很多其他資金雄厚的公司也在討論和Alpha ICs一樣的方法，這涉及到尋找與英偉達推廣的圖形處理器(GPUs)不同的解決方案。

格文奈普表示，我們都認同圖形處理器對人工智能并沒有多大幫助，但卻是我們今天所擁有的，我們真正需要的是經(jīng)過優(yōu)化的芯片，能以一種更節(jié)能的方式運行人工智能。這些人所說的聽起來和其他人宣傳的一樣，Alpha ICs公司談論的是張量，這是英偉達正在做的；把智能代理放到芯片上，這是Graphcore和其他人正在做的。每個人都有相同的目標，問題是，誰將很快兌現(xiàn)承諾，誰能展示比英偉達優(yōu)化的圖形處理器更好的性能功耗比。在這個領(lǐng)域還有很多公司，當然，達姆并不會被勝算不大的事情嚇倒。

AlphaICs公司已籌集了250萬美元的種子資金，以證明其芯片設(shè)計能比中央處理器(CPUs，如英特爾制造的)或圖形處理器(GPUs，如英偉達制造的)更好地處理人工智能。該公司總部位于加利福尼亞州米爾皮塔斯(Milpitas)市，現(xiàn)有25名工程師。該公司位于FalconX孵化器中，由Nagendra Nagaraja和Prashant Trivedi發(fā)起。Nagendra擁有18年芯片設(shè)計經(jīng)驗，獲得了28項專利；Prashant是一位經(jīng)驗豐富的芯片設(shè)計師和營銷人員，有17年的工作經(jīng)驗。他們相對來說不為人所知，盡管達姆認為他們在創(chuàng)業(yè)初期做了大量的工作。Nagaraja在與Trivedi建立公司之前，自己做了一段時間的芯片設(shè)計。“我遇到Nagendra，并愛上了他的這個想法，”達姆說，“我們追求的是一種別人從未有過的思維方式，我們認為必須通過在現(xiàn)場可編程門陣列(FPGA)或可編程測試芯片上進行測試來證明它的有效性?！?/p>

相比之下，達姆的經(jīng)歷則是典型的白手起家的硅谷移民故事，40多年來他一直是科技界的?？?。他出生在印度的普納（Pune），1975年他來到美國學習工程學，當時口袋里只有8美元。后來他成為了一名芯片工程師，并幫助發(fā)明了英特爾的第一個閃存芯片，該芯片現(xiàn)在已經(jīng)成為一個價值數(shù)十億美元的巨大產(chǎn)業(yè)。他繼續(xù)管理英特爾的微處理器項目，包括1993年推出的奔騰處理器芯片，鞏固了英特爾作為全球最大芯片制造商的地位。他處理了關(guān)于奔騰處理器故障的負面報道，后來加入到英特爾的競爭對手美國半導體公司NexGen和AMD。2000年，他將Silicon Spice公司以12億美元的價格賣給了Broadcom公司，并成為該公司的首席執(zhí)行官。后來，他成了一名風險投資家，先后在風投公司NewPath Ventures、NEA-IndoUS Ventures任職。如今，他是Alpha ICs公司的總裁兼首席運營官。

“我們有制造新技術(shù)的新方法，并會首先應用到人工智能上，”達姆說?！拔覀兺顿Y的是真正的人工智能，而不是圖形處理器。”圖形處理器擅長分類，這要歸功于深度學習神經(jīng)網(wǎng)絡軟件，在過去的五年里，它已經(jīng)變得非常善于學習識別物體。但這些芯片并不像AlphaICs公司所設(shè)想的那樣擅長做智能代理或決策。達姆稱，事實上，當圖形處理器在識別中出錯時，結(jié)果可能是災難性的?！坝行┊惓Ｖ禑o法預測，”他說。“我們需要一種比基于圖形處理器的深度學習更智能的技術(shù)，除了分類，它還能讓你做出決策。這是芯片上的一個自我學習代理，它可以做出決定。也是我們現(xiàn)在所做的。”相比之下，市面上有很多愚蠢的人工智能。你給人工智能電腦展示一把牙刷，它可能會得出結(jié)論——這是一個棒球棒。“如果你錯了，結(jié)果會很危險，而且產(chǎn)生浪費，”達姆說?！吧疃葘W習也是一個黑匣子。如果出了問題，你卻不知道問題出在哪兒。我們的芯片更容易調(diào)試?！?/p>

2013年，DeepMind公司的一個研究小組訓練他們的神經(jīng)網(wǎng)絡去玩雅達利2600游戲，如Breakout，這樣他們就能比最優(yōu)秀的人類玩家表現(xiàn)得更好?，F(xiàn)在這些游戲作為人工智能的基準測試。DeepMind公司訓練了大約7天時間才變得熟練。2016年，英特爾使用16核的Xeon處理器，可以在24小時內(nèi)完成。AlphaIC的芯片則可以在6小時內(nèi)用64個智能代理完成這項任務。“這是很大的突破，”達姆說。“我們相信我們可以達到最優(yōu)的性能功耗比。”在第一次嘗試中，AlphaICs公司將32個智能代理放在一個芯片上，接著在約225毫米的芯片上放置64個智能代理。這是一個相對較小的芯片，應該比傳統(tǒng)的計算芯片更節(jié)能。但它的思維方式不同。

AlphaICs芯片是計算張量的集合，它接收來自真實世界的反饋并對其做出反應。許多工作是并行進行的。達姆表示，這些芯片的延遲或交互之間的等待時間減少了10倍。“谷歌已經(jīng)創(chuàng)建了一臺基于張量的計算機，我們已經(jīng)更進一步，創(chuàng)造了一組張量來創(chuàng)建一個層次結(jié)構(gòu)以支持一種新型計算，”達姆說?！斑@就是我們想法的起源。中央處理器有限制。圖形處理器為游戲而設(shè)計。這些都是在盲目地解決問題。在不斷變化的環(huán)境中，它們通常不會做出決定?！?/p>

AlphaICs公司并沒有籌集大量的資金，而是一直保持小規(guī)模，并小心翼翼地進行研發(fā)。它已經(jīng)與微軟等公司合作，并且正在開發(fā)用于協(xié)處理器的大量軟件。達姆相信，AlphaICs的工作速度可以比競爭對手快很多倍，但這種芯片對工程師來說也相對容易編程?！拔覀兛吹降暮芏喽际谴嗳醯娜斯ぶ悄?，”達姆說?！澳憧梢园盐覀兘凶鲝姶蟮娜斯ぶ悄??！边_姆表示，該公司希望在2019年年中能在市場上占有一席之地。

當然，英偉達十多年來一直致力于開發(fā)其圖形處理器芯片的人工智能版本，而且其許多新的人工智能芯片都是完全設(shè)計用來處理人工智能的。英偉達還擁有CUDA編程語言，這使其在全球大部分人工智能軟件領(lǐng)域幾乎處于壟斷地位。

想成功還有一些壓力。達姆擔心會面臨另一個“人工智能寒冬”的風險，就像20世紀80年代和90年代那樣，當時人工智能的進展相對較小。隨著摩爾定律速度放緩，人工智能芯片設(shè)計師和軟件制造商必須取得成功。“圖形處理器結(jié)束了人工智能的寒冬，它們瘋狂地騰飛了，”達姆說。“我們想為真正的人工智能來一次大變革。這是20年來第一次有機會在芯片上做一些創(chuàng)造性的事情?！?/p>