高通與英特爾共研發(fā)新型處理器架構

　　美國國防部先進計劃署(DARPA)目前正資助開發(fā)一種全新的非馮-諾伊曼(non-von-Neumann)架構處理器——稱為“分層識別驗證利用”(Hierarchical Identify Verify Exploit;HIVE)。DARPA計劃在4年內半內投入8，000萬美元，打造這款HIVE處理器。包括英特爾(Intel)與高通(Qualcomm)等芯片商以及國家實驗室、大學與國防部承包商North Grumman都加入了這項計劃。

　　美國太平洋西北國家實驗室(Pacific Northwest National Laboratory;PNNL)和喬治亞理工學院(Georgia Tech)負責為該處理器打造軟體工具，而Northrup Grumman則將建立一座巴爾的摩中心，利用這款號稱全世界首款圖形分析處理器(GAP)執(zhí)行國防部(DoD)的圖表分析任務。

　　HIVE使用以數(shù)據(jù)的多層圖形顯示作為開始的序列(如圖)，開啟了圖解分析處理的方式，在各層之間識別數(shù)據(jù)之間的關系。(數(shù)據(jù)來源：DARPA)

　　DARPA微系統(tǒng)技術辦公室(MTO)計劃經(jīng)理Trung Tran表示：“今日的電腦架構同樣采用1940年代發(fā)明的[John] von Neumann架構。CPU與GPU均采取平行運算，但它的每個核心仍然是von Neumann處理器?！?/p>

　　Tran說：“HIVE并不是馮諾依曼架構，因為它的數(shù)據(jù)稀疏，而且能同時在不同的記憶領域同時執(zhí)行不同的過程。這種非馮-諾依曼途徑可讓許多處理器同時存取，各自采用其本地暫存記憶體，在全局記憶體上同時執(zhí)行分散和匯集作業(yè)。”

　　“芯片拼貼圖”象征DARPA資助開發(fā)的新型處理器計劃——“超越微縮：電子復興計劃”(Beyond Scaling： An Electronics Resurgence Initiative)正推動微系統(tǒng)結構和性能的新紀元。(來源：DARPA)

　　圖形分析處理器目前并不存在，但在理論上與CPU和GPU有著顯著的不同。首先，它們經(jīng)最佳化用于處理稀疏圖形元素。由于所處理的項目稀疏地位于全局記憶體，因而也涉及一種新的記憶體架構——能以每秒高達TB容量的超高速度隨機存取記憶位置。

　　當今的記憶體芯片經(jīng)過最佳化，能以最高速度存取長序列位置(以填補其快取)，這些速度大約落在每秒GB的范圍。另一方面，HIVE將以最高速度從全局記憶體隨機存取8位元數(shù)據(jù)點，然后再以專用的暫存記憶體分別處理。該架構據(jù)稱也具有可擴展能力，但需要許多HIVE處理器執(zhí)行特定的圖形演算法。

　　Tran說：“當今所收集的所有數(shù)據(jù)中，只有大約20%是有用的——這就是為什么稀疏——讓我們的8位元組粒度對于巨量數(shù)據(jù)(Big Data)的問題效率更高。”

　　即時繪圖分析需要高達Giga TEPS的處理速度(綠色)，才能識別現(xiàn)場呈現(xiàn)的關系，這較目前速度最快的GPU (藍色)或CPU (紅色)速度更快1，000倍。(來源：DARPA)

　　這種圖形分析處理器采用最佳化的新式演算法處理單元(APU)，加上DARPA提供的新記憶體架構芯片，據(jù)稱其功耗較今日的超級電腦功耗更低1，000倍。參與這項計劃的組織，特別是英特爾與高通，也將有權商用化這款處理器與記憶架構。

　　圖形分析處理器目前并不存在，但在理論上與CPU和GPU有著顯著的不同。首先，它們經(jīng)最佳化用于處理稀疏圖形元素。由于所處理的項目稀疏地位于全局記憶體，因而也涉及一種新的記憶體架構——能以每秒高達TB容量的超高速度隨機存取記憶位置。

　　Tran說：“從我的立場來看，下一個需要解決的大問題就是Big Data，目前采用的方法是回歸分析，但對于非常稀疏的數(shù)據(jù)點之間的關系來說，這種方法是無效的。我們發(fā)現(xiàn)，CPU與GPU在處理問題的大小與結果的豐富性之間留下了很大的差距，而圖形理論則完美契合目前所看到的這一新興市場?！?/p>

　　除了HIVE芯片，DARPA也呼吁共同開發(fā)軟體工具，并借由同步平行存取隨機記憶體位置，協(xié)助編程這種超越今日平行處理典范的新架構。如果成功了，DARPA宣稱這種圖形分析處理器將有能力識別傳統(tǒng)CPU與GPU難以處理的許多情況類型。

　　英特爾CPU、Nvidia GPU、Google TPU和DARPA提出的HIVE處理器之間的應用(上)和性能(下)比較。(來源：DARPA)

　　DARPA認為，Big Data為圖形節(jié)點提供了感測器饋送、經(jīng)濟指標、科學和環(huán)境測量，而圖形的邊緣則是不同節(jié)點之間的關系，例如亞馬遜(Amazon)案例中的“購買”行為。

　　圖形理論分析的基礎可以追溯到著名的哲學家Gottfried Wilhelm Leibniz，以及Leonhard Euler在1736年出版的首篇相關論文：“柯尼斯堡七橋問題”(Seven Bridges of K?nigsberg)。從那時起，圖形理論已經(jīng)發(fā)展成為建模隨機數(shù)據(jù)點之間關系的一系列演算法和數(shù)學結構。HIVE架構的設計就在于使用這些圖形分析來識別威脅、追蹤疾病爆發(fā)，以及解答B(yǎng)ig Data的問題，因為這些問題寺于目前的傳統(tǒng)CPU和GPU來說相當棘手。

　　為期四年半的DARPA計劃在第一年將與英特爾和高通共同設計芯片架構，而Georgia Tech和PNNL則負責開發(fā)軟體工具。在第一年之后，將會選出一款硬體設計和一款軟體工具。DARPA將為贏得硬體設計的公司提供5，000萬美元的贊助，但該公司也將自行提供5，000萬美元。此外，DARPA還將為贏得軟體設計的組織提供700萬美元的贊助。

　　同時，Northrup將獲得1，100萬美元的資金，用于打造巴爾的摩中心，調查國防部對于圖形分析的所有需求，并確保硬體和軟體制造商滿足這些需求。

　　英特爾數(shù)據(jù)中心副總裁Dhiraj Mallick表示：“HIVE計劃目的在于針對數(shù)據(jù)處理，利用圖形分析處理器發(fā)揮機器學習以及其他人工智能(AI)的影響力。”

　　Mallick有信心英特爾的芯片設計將會贏過高通，他說：“英特爾已被要求在這項計劃結束時提供16節(jié)點的平臺，在一塊電路板上使用16個HIVE處理器，英特爾也將擁有為全球市場提供產品的權利?！?/p>

　　隨著這項計劃進展，這款HIVE處理器將可實現(xiàn)即時識別與感知策略資產。相形之下，Mallick說，至今我們還得依靠“失馬鎖廄，為時已晚”的事后分析…