中國(guó)工程院院士、浪潮集團(tuán)首席科學(xué)家王恩東

計(jì)算如何應(yīng)對(duì)AI的需求

眾所周知，這輪人工智能浪潮爆發(fā)很重要的一個(gè)原因，就在于以GPU為代表的異構(gòu)計(jì)算帶來(lái)的算力的跨越式發(fā)展，為深度神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于大數(shù)據(jù)處理提供了可能性。來(lái)自O(shè)penAI的一份報(bào)告佐證了這一點(diǎn)，2012年以來(lái)，AI訓(xùn)練中使用的計(jì)算力每3.5個(gè)月增長(zhǎng)一倍，6年增長(zhǎng)30萬(wàn)倍以上。在此期間，硬件算力的提升一直是人工智能快速發(fā)展的重要因素。目前，GPU加速計(jì)算成為一種主流的AI計(jì)算形態(tài)，同時(shí)可定制計(jì)算開始興起，谷歌、寒武紀(jì)、百度等公司都推出了自主研發(fā)的AI芯片。

美國(guó)杜克大學(xué)終身副教授、美國(guó)自然科學(xué)基金委智能與可持續(xù)計(jì)算產(chǎn)學(xué)合作中心主任陳怡然是一位從事AI芯片研究的頂尖學(xué)者。他認(rèn)為“過去五年如果單看GPU的單板計(jì)算能力，只提高了3-4倍，但參數(shù)提高了幾百上千倍。需要有更加高效的AI芯片，才能彌補(bǔ)摩爾定律本身發(fā)展限制以及參數(shù)增加所帶來(lái)的算力差距?！?/p>

微軟加速器CEO檀林則認(rèn)為：“英特爾再迭代兩到三代，基本就到物理極限了，通用計(jì)算的這種芯片結(jié)構(gòu)未來(lái)已經(jīng)不能引領(lǐng)信息產(chǎn)業(yè)發(fā)展?，F(xiàn)在出現(xiàn)這么多XPU是一件好事，超級(jí)摩爾定律會(huì)在不同的新的技術(shù)里繼續(xù)發(fā)揮摩爾定律的原則，推動(dòng)技術(shù)的發(fā)展和應(yīng)用的百花齊放?！贝送?，來(lái)自商湯科技研究院的總監(jiān)顏深根還談到：“在AI領(lǐng)域比如圖像、語(yǔ)音計(jì)算模式有很大的區(qū)別，在不同的應(yīng)用場(chǎng)景下計(jì)算模式也有很大的區(qū)別，例如在移動(dòng)端、在物聯(lián)網(wǎng)設(shè)備上和在服務(wù)器上也有很大的區(qū)別，因此XPU的發(fā)展趨勢(shì)會(huì)持續(xù)下去?！?/p>

美國(guó)工程院院士、美國(guó)加州大學(xué)洛杉磯分校教授叢京生是一位從事可定制計(jì)算研究的頂尖學(xué)者，他認(rèn)為“AI發(fā)展一是因?yàn)榛ヂ?lián)網(wǎng)帶來(lái)的大數(shù)據(jù)，二是計(jì)算使AI無(wú)所不在。深度學(xué)習(xí)實(shí)際上是借助大數(shù)據(jù)和大計(jì)算來(lái)完成的，但神經(jīng)網(wǎng)絡(luò)的復(fù)雜性增長(zhǎng)的非?？欤啥ㄖ朴?jì)算必須要達(dá)到相應(yīng)的計(jì)算能力才能推動(dòng)人工智能的繼續(xù)發(fā)展?！痹趨簿┥磥?lái)，今后AI的大多數(shù)計(jì)算工作都將在可定制的專用加速器上來(lái)運(yùn)算，而通用處理器只負(fù)責(zé)協(xié)調(diào)計(jì)算的過程，“這是一個(gè)非常漂亮的技術(shù)，它有一個(gè)共用的數(shù)據(jù)通道，再加上控制邏輯，各種各樣的指令都可以執(zhí)行。”

除了專用加速器這一方向，如何讓現(xiàn)有的產(chǎn)品和技術(shù)發(fā)揮最大價(jià)值也是方法之一。浪潮AI&HPC總經(jīng)理劉軍談到“如何在計(jì)算量劇增的環(huán)境下獲得更高的研發(fā)效力是一大挑戰(zhàn)，浪潮的AI計(jì)算產(chǎn)品線一直在追求極致的性能?！睋?jù)悉，在此次AICC大會(huì)上，浪潮發(fā)布的AI超級(jí)服務(wù)器AGX-5每秒可提供的AI計(jì)算是2千萬(wàn)億次！

AICC2018大會(huì)現(xiàn)場(chǎng)

谷歌首席AI科學(xué)家Jeff Dean曾經(jīng)說(shuō)過：“我們需要的是超過現(xiàn)在一百萬(wàn)倍的計(jì)算能力。”或許，這句話更能反映出AI發(fā)展對(duì)計(jì)算的焦灼與期待。

AI給計(jì)算提出新挑戰(zhàn)

現(xiàn)實(shí)正如王恩東院士所說(shuō)那樣，AI對(duì)計(jì)算力的無(wú)止境需求，正推動(dòng)越來(lái)越多的計(jì)算形態(tài)涌現(xiàn)，可定制計(jì)算、邊緣計(jì)算乃至更加顛覆性的量子計(jì)算技術(shù)，為AI計(jì)算賦予了充滿想象空間的未來(lái)。

百度深度學(xué)習(xí)技術(shù)平臺(tái)部負(fù)責(zé)人馬艷軍談到AI深度學(xué)習(xí)跟硬件結(jié)合需要在并行能力、調(diào)度、異構(gòu)計(jì)算等領(lǐng)域做進(jìn)一步的整合融合來(lái)提升效率。陳怡然教授則認(rèn)為AI芯片要想提高能效，一定要打破通用性。但目前在設(shè)計(jì)上依然面臨5大挑戰(zhàn)，一是大容量存儲(chǔ)和高密度計(jì)算，二是面向特定領(lǐng)域的架構(gòu)設(shè)計(jì)，三是終端和“云”的需求差異，四是芯片設(shè)計(jì)要求高、周期長(zhǎng)、成本昂貴，五是架構(gòu)及工藝面臨的挑戰(zhàn)。

AI和計(jì)算相互需求彼此促進(jìn)——中美頂尖專家說(shuō)

在業(yè)界看來(lái)，采用半導(dǎo)體工藝的經(jīng)典計(jì)算機(jī)在未來(lái)數(shù)年之間，很可能就會(huì)到達(dá)工藝的極限，這也讓很多人對(duì)量子計(jì)算寄予厚望。在中國(guó)科學(xué)技術(shù)大學(xué)的朱曉波教授看來(lái)，超導(dǎo)量子計(jì)算比所有的經(jīng)典計(jì)算機(jī)都要快，但建造量子計(jì)算機(jī)的一個(gè)核心難題是可擴(kuò)展性和隔離性的內(nèi)存性矛盾，“量子比特的脆弱性遠(yuǎn)遠(yuǎn)不能用經(jīng)典比特理解，它是高精度模擬的，是量子化的，如果受到的干擾稍微大一點(diǎn)點(diǎn)，它的信息根本沒法保存和運(yùn)算，要求跟外界環(huán)境和相互作用的比特隔離起來(lái)。但同時(shí)我們又希望可以將它擴(kuò)展成一個(gè)通用的計(jì)算機(jī)，至少要幾千幾萬(wàn)個(gè)比特才能進(jìn)行精準(zhǔn)計(jì)算。“

朱曉波坦承：“在很長(zhǎng)一段時(shí)間內(nèi)，量子計(jì)算的加速能力更多會(huì)局限在某些特定問題上，但將來(lái)云接入量子計(jì)算會(huì)是一個(gè)趨勢(shì)?！?/p>

雖然量子計(jì)算還遠(yuǎn)沒有到應(yīng)用階段，但從谷歌、微軟、IBM等科技巨頭的動(dòng)向看，量子計(jì)算和人工智能的結(jié)合將是未來(lái)最大的熱門科技之一。

中國(guó)工程院院士、北京大學(xué)教授高文所從事的類腦視覺研究，是一個(gè)典型的邊緣計(jì)算+AI的融合技術(shù)?！艾F(xiàn)在云端的視頻處理，大部分是沒有效的，只有少部分能有效工作，“在他看來(lái)：“我們現(xiàn)在需要一場(chǎng)革命，把現(xiàn)在的攝像頭顛覆掉，按照類腦的方式做一個(gè)新的攝像頭，做一個(gè)新的視覺系統(tǒng)。而這項(xiàng)研究的挑戰(zhàn)之一，就是未來(lái)怎么將數(shù)字視網(wǎng)膜或者類腦數(shù)字視網(wǎng)膜變成芯片，集成到攝像頭之中，這是業(yè)界共同的挑戰(zhàn)。

AI與計(jì)算的密切關(guān)系，或許比想象中還要來(lái)的緊密，這也促使我們對(duì)AI計(jì)算投入更多的重視。而圍繞AI需求研討AI計(jì)算，促進(jìn)AI技術(shù)創(chuàng)新與合作發(fā)展，恰恰是AICC大會(huì)的宗旨所在。作為一個(gè)國(guó)際性的AI計(jì)算交流平臺(tái)，AICC大會(huì)致力于推動(dòng)“計(jì)算讓AI無(wú)處不在“。

zhangnn