大數據重塑新芯片架構 AI處理器尋求突破

　　業(yè)界共同的愿景是開發(fā)一款人工智能(AI)處理器，它可為神經網絡處理訓練與推理等任務，甚至可能出現一些新的自我學習技術;這種AI處理器還必須能透過大規(guī)模的平行化方式提供強大的性能，同時具有高功效且易于編程...

　　由亞馬遜(Amazon)、Google和Facebook等網絡巨擘所收集的大量數據集，正推動處理這些巨量數據的新芯片復興。 預計在六月底的年度計算機架構大會上將亮相其中兩項最新成果。

　　史丹佛大學(Stanford University)的研究人員將介紹一種可重配置處理器——Plasticine，它可支持比FPGA更高近100倍的每瓦特性能，同時也更易于編程。 此外，Nvidia的兩名資深設計人員定義了一款推理處理器，可提供較現有組件更高2倍性能與能源效率。

　　這些芯片象征著這項任務的冰山一角。 過去一年來，英特爾(Intel)收購了三家機器學習創(chuàng)業(yè)公司。 而其競爭對手——三星(Samsung)則連手Dell EMC投資英國公司Graphcore，這是該領域的六家獨立新創(chuàng)公司之一。

　　Nvidia正致力于推動其GPU作為神經網絡訓練引擎的銷售。 同時，該公司也正調整其芯片架構，使其得以更有效地處理這些任務。

　　Google則聲稱其龐大的x86 CPU叢集以及Nvidia的GPU均不足以勝任這項處理任務。 因此，Google推出了自家的兩款加速器版本——Tensor處理器(TPU)。

　　Graphcore執(zhí)行長Nigel Toon說：“如今正是“運算2.0”(Compute 2.0)的時代，它象征著一個全新的運算世界。 Google最終將使用以TPU為基礎的機架結構，幾乎不使用任何CPU，因為它有98%的營收都來自搜尋——這正是機器學習的理想應用。 ”

　　最終，機器學習芯片將出現在廣泛的嵌入式系統(tǒng)中。 以汽車每年賣出1，800萬輛和服務器約1，000萬套的年銷售量來看，Toon說：“自動駕駛車應用可望為這項技術帶來一個比云端更大的市場，而且是一個以往從未存在過的市場。 ”

　　如今業(yè)界共同的愿景是開發(fā)一款人工智能(AI)處理器，它可為神經網絡處理訓練與推理等任務，甚至可能出現一些新的自我學習技術。 這種AI處理器還必須能透過大規(guī)模的平行化方式提供強大的性能，同時具有高功效且易于編程。

　　即使是這項開發(fā)任務的基本數學也引發(fā)熱烈討論。 Toon認為，16位浮點乘法與32位累加運算的組合，能夠帶來優(yōu)化精確度以及最小誤差。

　　這正是Nvidia Volta架構導入的Tensor核心所使用的途徑，同時也是Graphcore將在今年10月出樣給早期合作伙伴的高階芯片。 該新創(chuàng)公司正專注于開發(fā)一款采用新內存與互連的大型芯片，該芯片并可外接至各種單元與叢集。

　　后多核心時代的靈活性

　　由Kunle Olukotun帶領的史丹佛大學研究團隊也有類似的目標，不過，他們采取了一條與Plasticine不一樣的道路。

　　Olukotun說：“多核心時代即將結束…… 我們正處于一個現代應用程序(app)改變運算模式的時代。 ”Olukotun曾經協(xié)助一家新創(chuàng)公司率先打造出多核心設計，該技術最終成為Oracle基于Sparc處理器的一部份。

　　“對于機器學習的統(tǒng)計模型，真正需要的運算方式與古典的確定性運算途徑截然不同，所以這將帶來一個真正的機會。 ”

　　如同英國布里斯托的競爭對手Graphcore一樣，史丹佛大學研究團隊摒棄了共享一致的快取等傳統(tǒng)思維。 史丹佛大學數據科學計劃執(zhí)行總監(jiān)Stephen Eglash認為，Plasticine“最令人興奮之處在于硬件可在運行時重新配置，為特定計算方式實現優(yōu)化。 ”

　　Olukotun說：“我們的目標在于讓擁有專業(yè)知識的任何人都能建立可生產的機器學習系統(tǒng)，而不一定得由機器學習或硬件領域的專家來做。 ”

　　為了實現這一目標，史丹佛大學定義了一種新的語言Spatial，可將算法的各部份映像至平行處理器的各部份。 Olukotun說：“我們擁有完整的編譯程序流程，從高層級的Tensor Flow架構到硬件呈現。..。.. 事實上，它具有比FPGA更高10倍每瓦特性能，也更易于編程100倍。 ”

　　Spatial類似于Nvidia的Cuda GPU編程語言，但應該更易于使用。 它能將諸如分散/收集或MapReduce等功能映像至硬件中的外顯內存階層架構，經由DRAM和SRAM實現串流數據集。

　　因此，Pasticine處理器“是一項軟件至上的計劃，”Olukotun說。

　　Eglash認為在物聯(lián)網的邊緣節(jié)點正需要這樣的技術。 “我們所產生的數據將會比傳送至云端的更龐大，所以必須采用一些分布式的本地運算。 ”

　　短期來看，機器學習將為智能型手機帶來“超級個性化”，針對用戶的喜好自動量身打造。 別再為密碼和指紋傷腦筋了。 Eglash說：“你的手機可能在幾秒內就知道你是不是本尊。 ”

　　在工業(yè)物聯(lián)網(IIoT)，推理任務已經被分配至網關了。 GE Digital云端工程主管Darren Haas說，“我們所打造的一切都可以被劃分成較小的裝置，甚至是Raspberry Pi 。.. 我們在云端建立了大規(guī)模的模型，并使其得以在邊緣執(zhí)行于輕量級硬件上。 ”

　　史丹佛大學的Plasticine架構

　　史丹佛大學的Plasticine是一種全新的架構，可能是Graphcore等新創(chuàng)公司將會采用的技術。 它充份利用了平行模式和高層級抽象，以擷取有關數據位置、內存存取模式和控制流程等細節(jié)，從而在“一系列的密集與稀疏應用上進行操作”。

　　在該芯片核心采用16×8的交錯式圖形運算單元(PCU)數組與圖形內存單元(PMU)，透過3個互連信道利用3種控制協(xié)議進行連接。 這款尺寸為113mm2的芯片采用Spatial將應用映像至數組上;相較于采用類似28nm制程打造的FPGA，該芯片可提供更高95倍的性能以及高達77倍的每瓦性能。

　　Plasticine在1GHz頻率頻率下的功耗高達49W，支持12.3TFlops的峰值浮點運算性能，以及16 MB的芯片容量。

　　PCU是執(zhí)行巢狀模式之可重配置SIMD功能單元的多級管線。 PMU使用庫存的緩存器內存和專用尋址邏輯與地址譯碼器。

　　Plasticine采用16×8的PCU與PMU數組，以及地址產生器和交換盒

　　這些主單元和其他周邊組件透過字級純量、多字符向量和位級控制互連進行連接，且全部都采用相同的拓撲結構。 各個連接都采用分布式的分層控制機制，以盡可能減少使用同步單元，從而實現序列、流水線或串流的執(zhí)行。

　　該途徑簡化了編譯程序映像并可提高執(zhí)行效率。 “每個Plasticine組件均用于映像應用的特定部份：本地地址計算在PMU中完成，DRAM地址運算發(fā)生在DRAM地址管理單元，其余的數據運算則在PCU中進行。 ”

　　Olukotun解釋說：“本質上，它是一組高度庫存的內存，支持專用地址單元產生附近的地址。 只需執(zhí)行計算，即可讓內存在正確的時間將數據串流至運算單元，而無需解譯指令。 ”

　　該芯片采用四個DDR信道外接DRAM，并進行緩沖和管理，以盡可能減少芯片外處理。

　　Olukotun說：“許多機器學習都專注于建置卷積神經網絡(CNN)，但我們的目標是打造更靈活且涵蓋稀不斷變化中的疏密集算法，讓開發(fā)人員可以將其設計想法傳達給硬件。 ”

　　研究人員采用周期精確仿真來合成設計的RTL，為線性代數、機器學習、數據分析與圖形分析等任務產生基準。 他說：“我們希望這些設計概念能直接用于芯片上，并計劃在6到18個月內進行芯片設計。 ”

　　Plasticine與英特爾28nm Stratix-V的性能比較 (來源：Stanford)

　　Nvidia研究人員打造稀疏推理引擎

　　另一組由9名研究人員組成的研究團隊(其中有7人來自Nvidia)將介紹稀疏卷積神經網絡(SCNN)推理加速器。 該研究團隊包括資深的微處理器設計人員Joel Emer(曾協(xié)助定義同步多線程)，以及Nvdia首席科學家William Dally。

　　相較于同級配置的密集CNN加速器，SCNN可提供更高2.7倍的性能和2.3倍的能源效率。 該芯片采取較以往的研究更先進的途徑，可消除無關緊要的數學運算，并專注于以最高效的方法處理CNN權重與啟動。

　　此外，它采用了一種新的數據流，可在壓縮編碼過程中保持稀疏權重與啟動，從而避免不必要的數據傳輸以及減少儲存的需求。 此外，“SCNN數據流有助于將這些權重與啟動有效地傳遞到乘法器數組，并在此廣泛重復使用。 ”

　　該途徑可讓“較大CNN的所有操作量保留在各層間的芯片緩沖區(qū)，完全不必使用大規(guī)模網絡所需的高成本跨層DRAM參考資源。 ”

　　SCNN使用處理元素(PE)數組，處理權重以及輸入/輸出啟動 (來源：Nvidia)

　　該芯片的處理元素(PE)采用支持權重和啟動向量的乘法器數組。 該芯片采用16nm制程技術，將64個PE與16個乘法器封裝于7.4mm2模塊中，使其尺寸略大于類似的密集CNN加速器。

　　該論文并比較了SCNN與其他研究中的芯片。 然而，Dally猜測這款芯片“比商用推理加速器的效率更高，因為它利用的是稀疏設計途徑。 ”

　　如同Plasticine一樣，目前的研究成果是以仿真為基礎，尚未制造芯片。 Dally說：“我們正為這款設計進行布局以及時序收斂。 ”

　　Nvidia尚未宣布商用化SCNN技術的任何計劃，但在研究論中指出，“我們正持續(xù)在這個領域的研發(fā)工作。 ”