預(yù)計(jì)到2020年,會(huì)有500億設(shè)備與互聯(lián)網(wǎng)相互連接,但是可能沒有一個(gè)單一的設(shè)備會(huì)成為社會(huì)主流,不過在這個(gè)時(shí)間點(diǎn)上會(huì)發(fā)生很多大變革。
—英特爾中國(guó)研究院院長(zhǎng)宋繼強(qiáng)
所有軟件的運(yùn)行都要落地在硬件上,但是硬件并不是設(shè)備本身,設(shè)備是一個(gè)系統(tǒng),而系統(tǒng)是由芯片與芯片之間互相連接構(gòu)成的。那么在未來,軟件要運(yùn)行在什么設(shè)備上?未來的主流市場(chǎng)是什么?大家可能都聽說過摩爾定律,摩爾定律是指芯片業(yè)的指數(shù)型發(fā)展模式,在上世紀(jì)70年代,在IT行業(yè)中產(chǎn)生了貝爾定律,其主體是指主流計(jì)算設(shè)備的演進(jìn),每隔10年左右,主流計(jì)算機(jī)的類別會(huì)發(fā)生一次躍遷。從上世紀(jì)70年代~80年代的大型機(jī)到PC,直至今日的智能手機(jī),都代表了躍遷的演進(jìn)過程。
如果把2008年當(dāng)做智能手機(jī)成為社會(huì)主流的起始期,那么在未來,社會(huì)的主流又是什么呢?因?yàn)橐粋€(gè)類別的建立,首先是這個(gè)設(shè)備形態(tài)要得到大家的認(rèn)可,在2018年蘋果的智能手機(jī)受到大家追捧,智能手機(jī)中存在大量應(yīng)用和功能,同時(shí)在智能手機(jī)中還可以添加傳感器等設(shè)備,這就使得大量的人學(xué)習(xí)智能手機(jī)的編程或開發(fā)周邊,最終就會(huì)建立一個(gè)生態(tài)圈。
預(yù)計(jì)到2020年,會(huì)有500億設(shè)備與互聯(lián)網(wǎng)相互連接,但是可能沒有一個(gè)單一的設(shè)備會(huì)成為社會(huì)主流。不過在這個(gè)時(shí)間點(diǎn)上會(huì)發(fā)生很多大變革,比如芯片會(huì)變得很小,但是功耗很低且功能十分強(qiáng)大,此外價(jià)格也會(huì)變得便宜。那么在未來如何開發(fā)軟件?未來的軟件可能要在終端、邊緣端,甚至在云端進(jìn)行遷移。未來的軟件可能在為DSB進(jìn)行優(yōu)化,或者為FPGA進(jìn)行優(yōu)化,因?yàn)槲覀兛吹竭@個(gè)趨勢(shì)正在發(fā)生。目前移動(dòng)邊緣計(jì)算一詞在5G領(lǐng)域十分火熱。該計(jì)算可以使手機(jī)接入網(wǎng)絡(luò)基站,也就是可以將邊緣端接入設(shè)備,由軟件定義基站。目前,基站已經(jīng)被云化,所有基站的處理都在小型云端上操作,并由軟件進(jìn)行定義。例如無人駕駛汽車的運(yùn)輸功能、娛樂功能、辦公功能等都有可能實(shí)現(xiàn)該項(xiàng)計(jì)算。并且以后的無人駕駛車中的軟件,一定是通過虛擬化技術(shù)來提供多樣性。
自主系統(tǒng)的興起,也是一個(gè)重要趨勢(shì)。例如無人駕駛車、機(jī)器人甚至是監(jiān)控?cái)z像頭,這些設(shè)備都可以發(fā)展到自主。什么是自主?自主就是設(shè)備自己進(jìn)行感知、進(jìn)行決策,最后行動(dòng)。同時(shí)設(shè)備還要處理一些復(fù)雜的行動(dòng),以無人駕駛車為例,首先它要觀察路況和路標(biāo),這是感知功能。然后根據(jù)路況和到達(dá)的目標(biāo)進(jìn)行路徑規(guī)劃,這是決策能力。如果當(dāng)車輛行駛到一個(gè)閘口時(shí),需要無人駕駛汽車馬上進(jìn)行決策并執(zhí)行。而且在交叉路口,會(huì)出現(xiàn)很多復(fù)雜情況,這些情況可能是程序從來沒有遇到過的,如何快速處理未知路況,也需要自主系統(tǒng)來完成。
自主系統(tǒng)如果從它的計(jì)算加速來看,主要分為三個(gè)步驟—感知、決策、行動(dòng),而這些需要不同方式計(jì)算進(jìn)行支持。感知需要快速且大量并行計(jì)算支持,決策需要多條性能同時(shí)運(yùn)行相互協(xié)作,而且有依賴性。行動(dòng)則需要實(shí)時(shí)處理。所以異構(gòu)計(jì)算是必不可少的,異構(gòu)計(jì)算=CPU+GPU+FPGA+X,而X代表一些加速器。
舉一個(gè)例子,如果英特爾有不同種類的芯片、CPU處理器、圖形加速器和視覺加速器。我們就可以形成一個(gè)異構(gòu)開放平臺(tái)的硬件系統(tǒng),而軟件系統(tǒng)我們希望用戶可以學(xué)會(huì)一種軟件開發(fā)接口,我們稱之為ATI,ATI可以進(jìn)行感知層的視覺認(rèn)知和進(jìn)行模型優(yōu)化,可以部署在前端攝像頭、邊緣計(jì)算和云端,根據(jù)部署的位置可以加入不同的插件幫助優(yōu)化。
異構(gòu)的特性不止體現(xiàn)在系統(tǒng)層面,它可以深入到芯片制作上。我們可以用混搭的模式,把不同功能的芯片、CPU、圖形、加速器等芯片,封裝到一個(gè)芯片中,這就要求極高的封裝技術(shù),同時(shí)對(duì)編程而言也有新的接口需求。
當(dāng)今AI計(jì)算已成為制作軟件系統(tǒng)中必不可少的功能模塊,甚至AI可以幫助優(yōu)化編程方法,而AI更多是解決學(xué)習(xí)能力。自主系統(tǒng)要面對(duì)各種復(fù)雜和未知情況,如果我們僅提高加速功能是遠(yuǎn)遠(yuǎn)不夠的,因?yàn)闆]法保證自主系統(tǒng)可以處理不同領(lǐng)域的情況,所以我們就需要疊加系統(tǒng)的學(xué)習(xí)和適應(yīng)的能力,然后通過概率性推算,有針對(duì)性地收集反饋,把反饋和預(yù)期進(jìn)行比較,來調(diào)整我們系統(tǒng)決策,才能達(dá)到自適應(yīng)。
舉個(gè)例子,觀察到的數(shù)據(jù)無論多少,我們都可以建立概率模型,但是外推之后一定要去觀察和驗(yàn)證,拿觀察到的一些數(shù)據(jù)來與我的推斷進(jìn)行比較,才能進(jìn)一步優(yōu)化模型。所以以后要處理未知領(lǐng)域的自主性或智能性時(shí),要引入這種思維。
數(shù)據(jù)就是被處理對(duì)象,我們可以處理數(shù)據(jù)中間的結(jié)果和最后產(chǎn)生的結(jié)果。但是現(xiàn)在,數(shù)據(jù)的角色發(fā)生了改變,不再只是被動(dòng)的。在未來人產(chǎn)生的數(shù)據(jù)只占一小部分,而大量的數(shù)據(jù)則來自各種設(shè)備。數(shù)據(jù)作為一個(gè)資源,可以讓我們對(duì)世界進(jìn)行感知和理解,再利用無線通信方法傳輸數(shù)據(jù)。5G有各種方法對(duì)不同數(shù)據(jù)進(jìn)行處理,單一的渠道數(shù)據(jù)可能不完整,但是多個(gè)渠道有很好的洞察。探索新的計(jì)算模式是非常必要的,傳統(tǒng)辯證方式是已知過程產(chǎn)生的答案,而深度學(xué)習(xí)是通過數(shù)據(jù)訓(xùn)練出的程序。如果我們處理了復(fù)雜的系統(tǒng),它同時(shí)做很多不同的事情,而這些事情之間又互相有關(guān)聯(lián),光靠一個(gè)深度學(xué)習(xí)是不夠的。所以我們要結(jié)合類似人的處理方法—神經(jīng)擬態(tài)計(jì)算,把多種學(xué)習(xí)東西放在一個(gè)盤子中,再通過強(qiáng)化訓(xùn)練讓AI去適應(yīng)。