摩爾定律的發(fā)展緩慢，近年來關(guān)于摩爾定律失效的言論越來越多，確實(shí)如此，由于硅半導(dǎo)體的發(fā)展趨近物理極限，10nm、7nm工藝結(jié)點(diǎn)之后估計(jì)很難再有突破，芯片性能的提升越來越困難，于是一些計(jì)算科學(xué)家開始研究如何依靠新的算法和電路設(shè)計(jì)讓現(xiàn)有芯片的性能完全發(fā)揮出來。

以下為文章全文：

阿里·法爾哈迪(Ali Farhadi)手心里拿著一部?jī)r(jià)值5美元的樹莓派電腦，他的研究團(tuán)隊(duì)剛剛往這部微型電腦植入了一項(xiàng)強(qiáng)大的程序，使其可以識(shí)別上萬種物體。為此，他興奮不已。

法爾哈迪博士是艾倫人工智能研究所(the Allen Institute for Artificial Intelligence)的計(jì)算機(jī)科學(xué)家。他將這個(gè)程序稱為“指尖上的人工智能”。該實(shí)驗(yàn)程序可以大大降低人工智能的成本，并提高隱私，因?yàn)槟悴恍枰ㄟ^互聯(lián)網(wǎng)共享信息。

對(duì)于微電子工業(yè)，該AI系統(tǒng)具有更重要的象征意義。它進(jìn)一步接近了硅半導(dǎo)體的物理極限：跟競(jìng)爭(zhēng)產(chǎn)品相比，它只使用了1/32的內(nèi)存，運(yùn)行速度卻快了57倍。

對(duì)替代計(jì)算方法的研究變得越來越急迫。幾十年來，計(jì)算機(jī)研發(fā)人員每?jī)赡昃湍塬@得更便宜和更快速的芯片。隨著晶體管尺寸不斷縮小，計(jì)算機(jī)以加速度變得更加強(qiáng)大和更加便宜——這就是著名的摩爾定律。

兩年前，由于制造成本激增，且制造技術(shù)提升越來越難，晶體管的成本不再快速下降。芯片廠商商不再能夠——至少是暫時(shí)——輕松地生產(chǎn)出更便宜、更快速的芯片。

然而，如果說硅有極限，但是人類的聰明才智沒有極限。借助更好的算法和新型硬件電路，科學(xué)家可以看繼續(xù)設(shè)計(jì)出性能更強(qiáng)大、成本更低的計(jì)算機(jī)。

佐治亞理工學(xué)院的電氣工程師托馬斯·孔特(Thomas M. Conte)說：“這是一個(gè)有趣的旅程。今天，你進(jìn)入一個(gè)縫縫補(bǔ)補(bǔ)的世界，你要為一個(gè)特定的問題找到一個(gè)更好的解決方案。我們將來就采用這種方法推進(jìn)研究。”

今年夏天，英特爾收購(gòu)了Nervana Systems公司。這是一家專門為AI程序設(shè)計(jì)更高效硬件的小型制造商。

本月初，美國(guó)阿貢國(guó)家實(shí)驗(yàn)室(Argonne National Laboratory，簡(jiǎn)稱ANL)、萊斯大學(xué)和伊利諾伊大學(xué)厄巴納-香檳分校的研究人員發(fā)表了一份研究論文，論述了他們針對(duì)英特爾芯片開發(fā)的編程技術(shù)如何做到以低得多的能耗完成同樣的工作。

這些超級(jí)計(jì)算機(jī)設(shè)計(jì)師稱，這項(xiàng)新方法意義非常重大。超級(jí)計(jì)算機(jī)正在從petaflop(1千萬億次浮點(diǎn)計(jì)算/秒)時(shí)代進(jìn)入exaflop(1百億億次浮點(diǎn)計(jì)算/秒)時(shí)代，解決高能耗問題成為科學(xué)家們面對(duì)的最艱巨挑戰(zhàn)。

我們需要更強(qiáng)大的超級(jí)計(jì)算機(jī)，是因?yàn)樗鼈兡軌蚪鉀Q一些基本的科學(xué)問題，比如預(yù)測(cè)氣候變化將給人類帶來的哪些危害。

由于摩爾定律放緩，百億億次級(jí)計(jì)算機(jī)的誕生一再受阻。人們?cè)绢A(yù)計(jì)它將在2018年誕生，但現(xiàn)在人們又將其誕生的時(shí)間推遲到了2023年。

阿貢實(shí)驗(yàn)室的論文指出，未來的exaflop超級(jí)計(jì)算機(jī)性能將提升1000倍，能耗也增加1000倍。為了減少這些能耗，研究人員關(guān)閉了英特爾芯片中負(fù)責(zé)“數(shù)學(xué)精度”的一半電路，然后將省下來的電量用于提升計(jì)算結(jié)果的質(zhì)量。

萊斯大學(xué)計(jì)算機(jī)科學(xué)家克里希納·帕勒姆(Krishna V. Palem)說：“數(shù)學(xué)精度就像一個(gè)旋鈕。問題是你用節(jié)省下來的電量做什么。”

研究人員正在嘗試像汽車換擋那樣使用微處理器的不同模式，根據(jù)不同的問題，自動(dòng)來回切換處理器的精度。

經(jīng)驗(yàn)豐富的超級(jí)計(jì)算機(jī)設(shè)計(jì)師馬克·史尼亞(Marc Snir)說：“我們要仔細(xì)研究如何節(jié)省能量，還有很多工作要做。”史尼亞同時(shí)是伊利諾伊大學(xué)厄巴納-香檳分校分校的計(jì)算機(jī)科學(xué)家。

阿貢實(shí)驗(yàn)室的研究人員正在探索由帕勒姆博士提出的想法。帕勒姆在2003年首次提出了他稱之為做“不精確計(jì)算”的想法。他建議折衷精確度，以換取計(jì)算效率的大幅度提升。

起初，他嘗試?yán)糜捎谥圃烊毕輰?dǎo)致部分晶體管不能工作的芯片來證明他的“不精確”的想法。

最近，他又轉(zhuǎn)向利用他的想法讓處理器變得更加節(jié)能。

帕勒姆博士說，該小組計(jì)劃將阿貢實(shí)驗(yàn)室的研究用于更有效地運(yùn)行與氣候變化相關(guān)的數(shù)學(xué)模型。

他最近與萊斯大學(xué)和首爾國(guó)立大學(xué)的研究室同事一起，展示了如何運(yùn)用這個(gè)不精確性解決室內(nèi)定位的難題，因?yàn)镚PS通常不能在建筑物內(nèi)運(yùn)作。萊斯大學(xué)的研究人員采用了一種稱為“散列函數(shù)”的技術(shù)。散列函數(shù)使用較小的數(shù)值表示大量數(shù)據(jù)，如數(shù)字照片。他們依靠這種圖像來確定位置。

艾倫研究所的研究人員使用神經(jīng)網(wǎng)絡(luò)來識(shí)別物體，而萊斯大學(xué)科學(xué)家將智能手機(jī)攝像頭捕獲的周圍場(chǎng)景與手機(jī)本身存儲(chǔ)的圖像庫(kù)進(jìn)行匹配。該方法將所有照片的數(shù)據(jù)進(jìn)行壓縮，然后在簡(jiǎn)單的手持計(jì)算機(jī)上計(jì)算方位。在通常情況下，這需要先ping互聯(lián)網(wǎng)上的整個(gè)數(shù)據(jù)網(wǎng)絡(luò)。

跟艾倫研究所的研究人員一樣，萊斯大學(xué)的科學(xué)家認(rèn)為，他們的算法能效高，可以保護(hù)隱私，因?yàn)樗恍枰ㄟ^互聯(lián)網(wǎng)發(fā)送數(shù)據(jù)。而且，他們?cè)谧罱囊黄恼轮蟹Q，他們能夠在現(xiàn)有方法的基礎(chǔ)上，“將能源和計(jì)算成本降低到500分之一”。

這些科學(xué)家表示，隨著計(jì)算工程發(fā)展的減緩，計(jì)算機(jī)的進(jìn)步將越來越依賴人類的創(chuàng)造力。

在上個(gè)月的斯坦福大學(xué)演講中，電氣工程師艾倫·黃(Alan Huang)展示了如何通過將互聯(lián)網(wǎng)鏈接重新配置成甜甜圈的形狀——而不是現(xiàn)在使用的二維網(wǎng)格——將互聯(lián)網(wǎng)延遲減少一半，大大加快數(shù)字視頻的傳輸速度，同時(shí)減少傳輸數(shù)據(jù)所需的計(jì)算機(jī)設(shè)備數(shù)量。

“你不需要量子計(jì)算機(jī)就能做到這一點(diǎn)。”他說，指的是超級(jí)計(jì)算機(jī)的概念。“你只需要用到高中數(shù)學(xué)。”