如何實現(xiàn)超過1000倍的計算效能提升？

張心怡

“到2019年10月，經(jīng)過三年多的轉(zhuǎn)型，英特爾‘以數(shù)據(jù)為中心的業(yè)務(wù)營收在上個季度（2019年Q3）已經(jīng)與PC業(yè)務(wù)持平，這是非常大的變化?！痹诮张e辦的英特爾技術(shù)創(chuàng)新媒體溝通會上，英特爾中國研究院院長宋繼強曬出了其數(shù)據(jù)中心業(yè)務(wù)的成績單。

異構(gòu)計算漸成趨勢

與通用計算相對，異構(gòu)計算面向?qū)I(yè)化、客制化的計算需求，在計算任務(wù)中應(yīng)用CPU、GPU、ASIC、FPGA等多種計算架構(gòu)，被視為更適合后摩爾時代的計算方式。

產(chǎn)業(yè)界不斷加碼異構(gòu)計算，是因為從20世紀(jì)90年代至今，數(shù)據(jù)的量和質(zhì)都發(fā)生了巨大的變化。2000年之前的Web1.0，計算設(shè)備以PC為主，數(shù)據(jù)類型以結(jié)構(gòu)化數(shù)據(jù)和圖形數(shù)據(jù)為主。到了 Web2.0時代，用戶從被動獲取數(shù)據(jù)走向主動產(chǎn)生數(shù)據(jù)，服務(wù)器和PC同等重要，催生了云生態(tài)。到Web3.0，IoT讓更多設(shè)備入網(wǎng)，產(chǎn)生的數(shù)據(jù)被AI深度挖掘，轉(zhuǎn)化為業(yè)務(wù)價值。AI在訓(xùn)練、推理過程中產(chǎn)生大量元數(shù)據(jù)。隨著IoT傳感器越來越多，還會產(chǎn)生大量自然描述的數(shù)據(jù)。

來自端、邊、云，對延時、成本、算法有著不同需求的數(shù)據(jù)，正在驅(qū)動計算架構(gòu)的演進和擴展，異構(gòu)計算漸成趨勢。CPU適合標(biāo)量運算，GPU可用于矩陣運算或者加速器，ASIC等定制的可編程硬件可作為AI專用的加速器。空間運算，即在矩陣中用最少的路徑計算，可以用FPGA實現(xiàn)流程定制，這些架構(gòu)構(gòu)成了異構(gòu)計算的常用組件。宋繼強表示，在CPU和嵌入式GPU的基礎(chǔ)上，通過對FP-GA廠商 Altera、ASIC 廠商 Nervana、結(jié)構(gòu)化ASIC廠商eASIC等廠商的收購，英特爾已經(jīng)掌握了CPU、GPU、ASIC、FPGA四種不同架構(gòu)。

超異構(gòu)計算面向下一個十年

在異構(gòu)計算的基礎(chǔ)上，英特爾提出了“超異構(gòu)計算”，即采用多功能、多架構(gòu)的芯片處理和加速不同的運算負(fù)載，采用封裝集成技術(shù)將計算單元封裝在一個SoC，并具備統(tǒng)一異構(gòu)計算軟件的計算架構(gòu)。在異構(gòu)計算的基礎(chǔ)上，避開異構(gòu)計算的短板，實現(xiàn)計算最優(yōu)化，是超異構(gòu)計算的意義所在。

除具備多種計算架構(gòu)，超計算架構(gòu)還需要封裝和統(tǒng)一的計算軟件。為此，英特爾推出了封裝級別的異構(gòu)整合方案和跨計算架構(gòu)的軟件平臺。

英特爾的異構(gòu)整合方案主要有2.5D封裝EMIB和3D封裝Fovero%EMIB泛用性更好，性價比較高，而Foveros相對昂貴，多用在小尺寸、低功耗、高性能的異構(gòu)芯片中。

統(tǒng)一的異構(gòu)計算軟件平臺，是為了提升編程效率，解決不同架構(gòu)有著不同的匯編語言和調(diào)優(yōu)方式的問題。英特爾的one API平臺隱藏了硬件復(fù)雜性，根據(jù)系統(tǒng)和硬件自動適配功耗最低、性能最佳的加速方式，簡化并優(yōu)化編程過程。

在此基礎(chǔ)上，英特爾推出了 Aumm超級計算機架構(gòu)。Aurora包含one API，采用Foveros3D封裝，配置了 2個英特爾至強可擴展處理器、6個基于CXL標(biāo)準(zhǔn)的GPU，采用7nm制程。宋繼強表示，Aurora是“一個典型的超異構(gòu)計算”，面向百億億次級的計算需求。

神經(jīng)擬態(tài)量子計算驅(qū)動未來計算

在媒體溝通會上，宋繼強拋出了一個問題：如何實現(xiàn)超過1000倍的計算效能提升？從標(biāo)準(zhǔn)計算到深度神經(jīng)網(wǎng)絡(luò)，再到神經(jīng)擬態(tài)，千倍計算效能的提升需要“另辟蹊徑”。英特爾的探索方向是神經(jīng)擬態(tài)計算和量子計算。

神經(jīng)擬態(tài)計算是真正模擬人腦的計算方式。宋繼強表示，人腦計算有兩個特點，一是事件驅(qū)動，二是輸入多種互相關(guān)聯(lián)的信號?！吧窠?jīng)擬態(tài)想達到的目的是利用人腦事件驅(qū)動的機制達到省電，并利用能運用多種方式去學(xué)習(xí)和訓(xùn)練的機制，達到跨領(lǐng)域的融合和相關(guān)?！彼卫^強說。

2017年，英特爾推出了 Loihi神經(jīng)擬態(tài)芯片，單個芯片有128核，可以模擬13萬邏輯神經(jīng)元，構(gòu)成支持脈沖消息分發(fā)的片上網(wǎng)絡(luò)。宋繼強透露，英特爾已經(jīng)嘗試將200多個Loihi放在一起，構(gòu)成1億個神經(jīng)元的計算和學(xué)習(xí)平臺?！癓oihi是14納米制程，14納米到10納米，再到7納米、5納米，還有三個層級，假設(shè)每級密度提升兩倍，光靠摩爾定律還可以實現(xiàn)8倍的密度，加上3D系統(tǒng)整合、芯片級3D整合技術(shù)，從1億神經(jīng)元到800多億神經(jīng)元，就不是一個夢了，只是一個時間和工程的問題。”宋繼強說。

具備芯片、技術(shù)和工具鏈之后，英特爾建立了全球范圍的神經(jīng)擬態(tài)研究社區(qū)INRC，以進行更廣泛的學(xué)術(shù)界、產(chǎn)業(yè)界合作，目前INRC已經(jīng)有75家組織。

量子計算能夠處理經(jīng)典計算機不擅長的大規(guī)模計算問題。量子計算基于量子比特構(gòu)成計算路徑，在算法上，邏輯量子位可以當(dāng)做穩(wěn)定的量子位來使用。但是，量子計算距離商用還有相當(dāng)?shù)木嚯x，不僅要解決量子位的數(shù)量問題，還要解決糾錯、量子位之間的連接和測試問題。英特爾正在嘗試基于硅電子自旋，用硅產(chǎn)業(yè)鏈去做量子計算，為量子計算打下商業(yè)化基礎(chǔ)?！傲孔佑嬎悴粫〈?jīng)典計算，適合在數(shù)據(jù)中心里配合經(jīng)典計算的數(shù)據(jù)中心，處理組合爆炸問題，我們預(yù)計量子計算還需要8到10年來實現(xiàn)商業(yè)化應(yīng)用?！彼卫^強說。