向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

摩尔定律已死,AI万岁?

时间:2018-07-25 作者:Rick Merritt 阅读:
随着摩尔定律的脚步放缓,人工智能(AI)正成为半导体产业的新指导原则。接下来,从材料到组件——硬件、软件与系统——都必须以全新途径展开更多的协作...

“摩尔定律已死,人工智能万岁!”(Moore’s Law is dead, long live AI.)。这是半导体产业最近的一个新口号,就从日前于美国西部半导体展(Semicon West 2018)中一场由应用材料(Applied Materials)赞助的全天活动上响起。1MkEETC-电子工程专辑

应材新市场与联盟事业群资深副总裁Steve Ghanayem表示,“半导体工艺节点的时代列车即将迈入尾声。接下来,从材料到组件——硬件、软件与系统——都必须以全新途径展开更多的合作。”Steve Ghanayem原来负责应材的晶体管和互连部门,目前则致力于寻找收购和结盟的机会,协助该公司朝向摩尔定律(Moore’s Law)以外的方向进展。1MkEETC-电子工程专辑

当然,摩尔定律还没有完全消失;对于几家公司来说,朝向更小型芯片的竞赛也仍持续进行中。1MkEETC-电子工程专辑

在Semicon West的专题演讲中,应材首席执行官Gary Dickerson表示,该公司不久将发布新的晶体管材料,它能将漏电流降低三个数量级以上。对于芯片制造商而言,这项消息几乎就像2007年英特尔(Intel)在高k金属闸方面取得进展一样重要。但是,今天这样的进展只会影响到规模越来越小的设计社群和公司。1MkEETC-电子工程专辑

根据人工智能(AI)内存处理器(PIM)芯片设计公司Syntiant首席执行官Kurt Busch估计,7纳米(nm)芯片投片大约要花1亿美元,而从投片到第一款芯片产出大概要拖延到4个月的时间。“只有很少的公司能负担得起这样庞大的金额。而像我们这样的一家新创公司,可没办法负担1亿美元的天文数字。”1MkEETC-电子工程专辑

不久前才离开高通(Qualcomm)的服务器处理器架构师Dileep Bhandarkar说:“我越来越不那么热衷于最新的工艺节点了。它们对于像高通这样的公司十分有利,但并不适用于其他所有人。”1MkEETC-电子工程专辑

伯克利大学荣誉教授David Patterson表示,“我认为这大概就是摩尔定律终结的情况了。”他指出,台积电(TSMC)的晶体管成本持平,英特尔也在致力于生产10nm芯片,“而有95%的架构师认为未来都脱离不了专用处理器。”Patterson曾经参与Google TPU的设计。1MkEETC-电子工程专辑

最近才退休的前英特尔资深微技术影专家Yan Borodovsky则期望能从摩尔定律传承火炬至AI,使其成为指引半导体产业未来道路的一盏明灯。1MkEETC-电子工程专辑

他说:“我认为超越当今冯·诺伊曼(von Neuman)的架构将因‘超越摩尔定律’(more than Moore)而受益。例如,忆阻器交叉开关可望成为神经形态运算的基本组成部份……超越摩尔定律的世界很可能是关于你可以在特定区域放置多少种类的突触以及他们有多么复杂…。”1MkEETC-电子工程专辑

20180725-AI-1.jpg1MkEETC-电子工程专辑

应材准备发布可大幅降低漏电的晶体管材料(来源:Applied Materials)1MkEETC-电子工程专辑

为嵌入式系统打造超级计算机

致力于宣传所谓“新认知时代”(a new cognitive era)的IBM认知解决方案暨研究资深副总John Kelly III表示,支持包括AI的2兆美元业务决策,就建立在1.5兆美元的IT业务之上。1MkEETC-电子工程专辑

Kelly说:“我经历过摩尔定律的早期阶段,但现在发生的一些事情将真正改变这个世界,这些都与人工智能有关……这将带来50年或更久的技术创新,并将推动我们的半导体产业继续向前发展。”1MkEETC-电子工程专辑

IBM最近为美国政府研究人员打造了13mW Summit系统,这是第一台专用于处理AI任务的超级计算机,其中并搭载部份的辉达(Nvidia) GPU。Kelly说:“你不会再看到其他的传统超级计算机了——因为它们将在未来的运算中融入AI……。”1MkEETC-电子工程专辑

事实上,机器学习的一大挑战在于推动推论工作,以及最终在网络边缘为功耗受限的处理器进行训练任务。对于像百度(Baidu)、Facebook和Google等巨擘而言,采用当今的GPU可能要花数周的时间才能完成训练模型任务,这可说是个梦魇。1MkEETC-电子工程专辑

Syntiant的Busch说:“我们将在五年内看到边缘开始执行一些训练。一开始先在数据中心处理神经网络的前几层,而最后几层则在边缘处理——这是不可避免的。”1MkEETC-电子工程专辑

AI将成为许多产业领域的性能驱动力。针对以30格/秒(f/s)速率进行高解析(HD)视讯串流进行AI处理,大约需要每秒9.4TFLOS的运算效能。Nvidia首席科学家Bill Dally在主题演讲中表示,自动驾驶车将会需要许多像这样的高性能摄影机。1MkEETC-电子工程专辑

20180725-AI-2.jpg1MkEETC-电子工程专辑

IBM的Kelly宣传认知运算时代来临(来源:EE Times)1MkEETC-电子工程专辑

从材料到算法全面思考AI

随着AI设下了更积极的新性能目标,业界也提出了实现这些愿景的新技术方向,包括在新材料、工艺、电路、架构、封装和算法方面的研究。简言之,必须为AI重新思考每一件事。1MkEETC-电子工程专辑

加州大学洛杉矶分校(UCLA)电子工程学系教授Jason Woo说:“我们一直在考虑将MRAM或ReRAM作为闪存(flash)的替代方案……但是,AI为采用新兴内存与不同材料的交叉架构开辟了新的亮点,可用于实现更多的线性模拟微缩,就像可编程的忆阻器一样。”1MkEETC-电子工程专辑

Woo及其研究团队一直在探索整合逻辑功能的三端比内存数组。这是Syntiant和Mythic等新创公司以及IBM研究人员希望用于AI加速器(基于内存内运算)的新型编程组件。1MkEETC-电子工程专辑

由于AI工作负载的平行本质,也为封装技术带来了绝佳机会。为数据中心进行训练提供全光罩芯片设计的新创公司Cerebras Systems首席技术官Gary Lauterback说,我们不应该局限于单芯片设计,封装方面也有很大的潜力,可以克服在Denard微缩中遇到的瓶颈。1MkEETC-电子工程专辑

许多最新的数据中心芯片都采用了2.5D堆栈的逻辑和内存。同时,台积电正推出用于智能型手机和其他装置的众多晶圆级扇出封装版本,工程师还需要一个能因应AI需求的译码器。1MkEETC-电子工程专辑

Bhandarkar说:“从成本和性能来看,我还找不到任何理想的多芯片技术。至今见过最好的要算是英特尔的EMIB,但它也并非所有人都可以使用。”1MkEETC-电子工程专辑

Dally透过缩减神经网络的大小及其矩阵数学的精度,快速地简化了算法与任务。他说,采用混合精度数学,超级计算机老将Jack Dongarra因而能在Summit系统上带来exaFLOPS级的AI性能。1MkEETC-电子工程专辑

Nvidia的研究人员以低至2位展现浮点运算的愿景,而Imec研究机构则进一步探索单一位的途径。1MkEETC-电子工程专辑

Dally补充说,神经网络本身可以从根本上简化,以减少运算量。他说,即使只使用了10%的神经网络权重和30%的启动效能,其准确度也不至于降低到让人无法接受。SqueezeNet就是针对嵌入式AI的案例之一。1MkEETC-电子工程专辑

20180725-AI-3.jpg1MkEETC-电子工程专辑
Nvidia的Dally说神经网络需要减少一些权重(来源:EE Times)1MkEETC-电子工程专辑

量子计算机作为备用方案?

可怕的是必须走出已经熟悉的道路,但这也可能是一件好事。Dally说:“成为一名计算机架构师是一个非常激动人心的时刻。如今,就让摩尔定律其自然地发展吧!我们必须真的变得更加智慧。”1MkEETC-电子工程专辑

IBM的Kelly指出,如果这一切不幸都失败了,那么就得发挥量子运算的潜力了。IBM的实验室已开发出一套50个量子位(qubit)的系统了。1MkEETC-电子工程专辑

他说:“在50到100个量子位之间,系统将在几秒钟内完成运算,这是当今计算机永远达不到的……除了AI之外,这是我一生中见过的最重要的事情了——它改变了游戏规则。”1MkEETC-电子工程专辑

其他人则警告道,针对如何建构和使用量子系统,目前还有许多的基础研究正在进行中。1MkEETC-电子工程专辑

美国桑迪亚国家实验室(Sandia National Laboratories)首席技术研究员Conrad James说:“我们知道如何打造深度学习系统,但并不了解它们如何运作……而且我们现在仍然处于尝试不同技术的起步阶段。量子研究则恰好相反。我们了解数学和物理,但并不知道如何打造量子系统。”1MkEETC-电子工程专辑

随着摩尔定律逐渐式微,量子运算的未来还有很长的路要走。在指引未来发展方向的道路上,半导体产业几乎没有太多的选择。AI万岁!1MkEETC-电子工程专辑

编译:Susan Hong1MkEETC-电子工程专辑

本文授权编译自EE Times,版权所有,谢绝转载1MkEETC-电子工程专辑

 1MkEETC-电子工程专辑

qrcode_EETCwechat_120.jpg1MkEETC-电子工程专辑

关注最前沿的电子设计资讯,请关注“电子工程专辑微信公众号”1MkEETC-电子工程专辑

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Rick Merritt
EE Times硅谷采访中心主任。Rick的工作地点位于圣何塞,他为EE Times撰写有关电子行业和工程专业的新闻和分析。 他关注Android,物联网,无线/网络和医疗设计行业。 他于1992年加入EE Times,担任香港记者,并担任EE Times和OEM Magazine的主编。
您可能感兴趣的文章
  • 半导体大厂们掀起“3D堆叠大战”,3D芯片堆叠技术到底是 可以不必理会“摩尔定律”是否会失效的争议,但业界多年来一直在追求提升半导体工艺不断降低线宽,而线宽的微缩总是有一个极限的,到了某种程度,因为难度太大,就没了经济效应。许多半导体公司,已经调整了应对这新困难的战略,目前3D堆叠芯片技术备受业界关注。本文主要盘点中外各企业之间的“3D堆叠大战”以及科普下“3D芯片堆叠技术”。
  • 后摩尔时代,半导体设备企业如何面对机遇和挑战? 大数据、自动驾驶、手机、人工智能和IOT五大应用的发展奠定了今后整个工业信息化革命的基础,这五大应用的核心支撑则是芯片技术。一代先进工艺,一代先进设备。半导体设备公司的兴起与成长紧紧跟随全球芯片制造中心的迁移步伐,差异化技术创新能力将为中国半导体设备企业赋能。
  • 后摩尔时代的特色工艺成香饽饽,其在中国的进展情况怎样 由于摩尔定律有自身的局限性,在那个时代它只能预测到晶体管的密度要增加,成本可下降,实际上它无法揭示随之而来的功耗增大及晶体管的性能提高等。所以近期指出定律的另一个方向,“非尺寸依赖”具有指导意义。
  • 摩尔定律的下一步?CEO的看法是… “摩尔定律”的下一步将怎么走?包括Arm、Micron与Xilinx等公司CEO分别提出了不同看法,但他们对于半导体的未来发展仍充满热情…
  • 后摩尔时代的特色工艺不再依赖尺寸,那究竟依赖什么? 说到半导体工艺的发展,怎么也绕不开摩尔定律。随着线宽的持续降低,半导体工艺发展到纳米尺度,带来无论是建厂成本、工艺研发还是产品研制费用的急剧增加,集成电路工艺技术逐渐从单一追求尺寸依赖的先进工艺,向先进工艺(More Moore)、非尺寸依赖的特色工艺(More than Moore)和先进封装三个维度并举发展。特色工艺除了非尺寸依赖,还有何特色呢?
  • 半导体先进工艺制程之路:5纳米是个坎,3纳米复杂尚不确定 摩尔定律象一盏明灯推动半导体业进步,特征尺寸缩小立下汗马功劳。然而现阶段尺寸缩小已近极限。不容置疑,全球代工业在进入逻辑制程7nm之后已经开始生变,由于研发费用及成本高耸等因素,2018年格罗方德与联电声言止步,因此导致全球只剩下台积电及三星两家在代工中争霸。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告