“摩爾定律已死，人工智能萬歲！”(Moore’s Law is dead, long live AI.)。這是半導(dǎo)體產(chǎn)業(yè)最近的一個新口號，就從日前于美國西部半導(dǎo)體展(Semicon West 2018)中一場由應(yīng)用材料(Applied Materials)贊助的全天活動上響起。

應(yīng)材新市場與聯(lián)盟事業(yè)群資深副總裁Steve Ghanayem表示，“半導(dǎo)體工藝節(jié)點的時代列車即將邁入尾聲。接下來，從材料到組件——硬件、軟件與系統(tǒng)——都必須以全新途徑展開更多的合作?！盨teve Ghanayem原來負(fù)責(zé)應(yīng)材的晶體管和互連部門，目前則致力于尋找收購和結(jié)盟的機(jī)會，協(xié)助該公司朝向摩爾定律(Moore’s Law)以外的方向進(jìn)展。

當(dāng)然，摩爾定律還沒有完全消失；對于幾家公司來說，朝向更小型芯片的競賽也仍持續(xù)進(jìn)行中。

在Semicon West的專題演講中，應(yīng)材首席執(zhí)行官Gary Dickerson表示，該公司不久將發(fā)布新的晶體管材料，它能將漏電流降低三個數(shù)量級以上。對于芯片制造商而言，這項消息幾乎就像2007年英特爾(Intel)在高k金屬閘方面取得進(jìn)展一樣重要。但是，今天這樣的進(jìn)展只會影響到規(guī)模越來越小的設(shè)計社群和公司。

根據(jù)人工智能(AI)內(nèi)存處理器(PIM)芯片設(shè)計公司Syntiant首席執(zhí)行官Kurt Busch估計，7納米(nm)芯片投片大約要花1億美元，而從投片到第一款芯片產(chǎn)出大概要拖延到4個月的時間?！爸挥泻苌俚墓灸茇?fù)擔(dān)得起這樣龐大的金額。而像我們這樣的一家新創(chuàng)公司，可沒辦法負(fù)擔(dān)1億美元的天文數(shù)字。”

不久前才離開高通(Qualcomm)的服務(wù)器處理器架構(gòu)師Dileep Bhandarkar說：“我越來越不那么熱衷于最新的工藝節(jié)點了。它們對于像高通這樣的公司十分有利，但并不適用于其他所有人?！?/p>

伯克利大學(xué)榮譽教授David Patterson表示，“我認(rèn)為這大概就是摩爾定律終結(jié)的情況了?！彼赋?，臺積電(TSMC)的晶體管成本持平，英特爾也在致力于生產(chǎn)10nm芯片，“而有95%的架構(gòu)師認(rèn)為未來都脫離不了專用處理器?！盤atterson曾經(jīng)參與Google TPU的設(shè)計。

最近才退休的前英特爾資深微技術(shù)影專家Yan Borodovsky則期望能從摩爾定律傳承火炬至AI，使其成為指引半導(dǎo)體產(chǎn)業(yè)未來道路的一盞明燈。

他說：“我認(rèn)為超越當(dāng)今馮·諾伊曼(von Neuman)的架構(gòu)將因‘超越摩爾定律’(more than Moore)而受益。例如，憶阻器交叉開關(guān)可望成為神經(jīng)形態(tài)運算的基本組成部份……超越摩爾定律的世界很可能是關(guān)于你可以在特定區(qū)域放置多少種類的突觸以及他們有多么復(fù)雜…?！?/p>

應(yīng)材準(zhǔn)備發(fā)布可大幅降低漏電的晶體管材料（來源：Applied Materials）

為嵌入式系統(tǒng)打造超級計算機(jī)

致力于宣傳所謂“新認(rèn)知時代”(a new cognitive era)的IBM認(rèn)知解決方案暨研究資深副總John Kelly III表示，支持包括AI的2兆美元業(yè)務(wù)決策，就建立在1.5兆美元的IT業(yè)務(wù)之上。

Kelly說：“我經(jīng)歷過摩爾定律的早期階段，但現(xiàn)在發(fā)生的一些事情將真正改變這個世界，這些都與人工智能有關(guān)……這將帶來50年或更久的技術(shù)創(chuàng)新，并將推動我們的半導(dǎo)體產(chǎn)業(yè)繼續(xù)向前發(fā)展?！?/p>

IBM最近為美國政府研究人員打造了13mW Summit系統(tǒng)，這是第一臺專用于處理AI任務(wù)的超級計算機(jī)，其中并搭載部份的輝達(dá)(Nvidia) GPU。Kelly說：“你不會再看到其他的傳統(tǒng)超級計算機(jī)了——因為它們將在未來的運算中融入AI……?！?/p>

事實上，機(jī)器學(xué)習(xí)的一大挑戰(zhàn)在于推動推論工作，以及最終在網(wǎng)絡(luò)邊緣為功耗受限的處理器進(jìn)行訓(xùn)練任務(wù)。對于像百度(Baidu)、Facebook和Google等巨擘而言，采用當(dāng)今的GPU可能要花數(shù)周的時間才能完成訓(xùn)練模型任務(wù)，這可說是個夢魘。

Syntiant的Busch說：“我們將在五年內(nèi)看到邊緣開始執(zhí)行一些訓(xùn)練。一開始先在數(shù)據(jù)中心處理神經(jīng)網(wǎng)絡(luò)的前幾層，而最后幾層則在邊緣處理——這是不可避免的。”

AI將成為許多產(chǎn)業(yè)領(lǐng)域的性能驅(qū)動力。針對以30格/秒(f/s)速率進(jìn)行高解析(HD)視訊串流進(jìn)行AI處理，大約需要每秒9.4TFLOS的運算效能。Nvidia首席科學(xué)家Bill Dally在主題演講中表示，自動駕駛車將會需要許多像這樣的高性能攝影機(jī)。

IBM的Kelly宣傳認(rèn)知運算時代來臨（來源：EE Times）

從材料到算法全面思考AI

隨著AI設(shè)下了更積極的新性能目標(biāo)，業(yè)界也提出了實現(xiàn)這些愿景的新技術(shù)方向，包括在新材料、工藝、電路、架構(gòu)、封裝和算法方面的研究。簡言之，必須為AI重新思考每一件事。

加州大學(xué)洛杉磯分校(UCLA)電子工程學(xué)系教授Jason Woo說：“我們一直在考慮將MRAM或ReRAM作為閃存(flash)的替代方案……但是，AI為采用新興內(nèi)存與不同材料的交叉架構(gòu)開辟了新的亮點，可用于實現(xiàn)更多的線性模擬微縮，就像可編程的憶阻器一樣。”

Woo及其研究團(tuán)隊一直在探索整合邏輯功能的三端比內(nèi)存數(shù)組。這是Syntiant和Mythic等新創(chuàng)公司以及IBM研究人員希望用于AI加速器(基于內(nèi)存內(nèi)運算)的新型編程組件。

由于AI工作負(fù)載的平行本質(zhì)，也為封裝技術(shù)帶來了絕佳機(jī)會。為數(shù)據(jù)中心進(jìn)行訓(xùn)練提供全光罩芯片設(shè)計的新創(chuàng)公司Cerebras Systems首席技術(shù)官Gary Lauterback說，我們不應(yīng)該局限于單芯片設(shè)計，封裝方面也有很大的潛力，可以克服在Denard微縮中遇到的瓶頸。

許多最新的數(shù)據(jù)中心芯片都采用了2.5D堆棧的邏輯和內(nèi)存。同時，臺積電正推出用于智能型手機(jī)和其他裝置的眾多晶圓級扇出封裝版本，工程師還需要一個能因應(yīng)AI需求的譯碼器。

Bhandarkar說：“從成本和性能來看，我還找不到任何理想的多芯片技術(shù)。至今見過最好的要算是英特爾的EMIB，但它也并非所有人都可以使用?！?/p>

Dally透過縮減神經(jīng)網(wǎng)絡(luò)的大小及其矩陣數(shù)學(xué)的精度，快速地簡化了算法與任務(wù)。他說，采用混合精度數(shù)學(xué)，超級計算機(jī)老將Jack Dongarra因而能在Summit系統(tǒng)上帶來exaFLOPS級的AI性能。

Nvidia的研究人員以低至2位展現(xiàn)浮點運算的愿景，而Imec研究機(jī)構(gòu)則進(jìn)一步探索單一位的途徑。

Dally補(bǔ)充說，神經(jīng)網(wǎng)絡(luò)本身可以從根本上簡化，以減少運算量。他說，即使只使用了10%的神經(jīng)網(wǎng)絡(luò)權(quán)重和30%的啟動效能，其準(zhǔn)確度也不至于降低到讓人無法接受。SqueezeNet就是針對嵌入式AI的案例之一。

Nvidia的Dally說神經(jīng)網(wǎng)絡(luò)需要減少一些權(quán)重（來源：EE Times）

量子計算機(jī)作為備用方案？

可怕的是必須走出已經(jīng)熟悉的道路，但這也可能是一件好事。Dally說：“成為一名計算機(jī)架構(gòu)師是一個非常激動人心的時刻。如今，就讓摩爾定律其自然地發(fā)展吧！我們必須真的變得更加智慧。”

IBM的Kelly指出，如果這一切不幸都失敗了，那么就得發(fā)揮量子運算的潛力了。IBM的實驗室已開發(fā)出一套50個量子位(qubit)的系統(tǒng)了。

他說：“在50到100個量子位之間，系統(tǒng)將在幾秒鐘內(nèi)完成運算，這是當(dāng)今計算機(jī)永遠(yuǎn)達(dá)不到的……除了AI之外，這是我一生中見過的最重要的事情了——它改變了游戲規(guī)則?！?/p>

其他人則警告道，針對如何建構(gòu)和使用量子系統(tǒng)，目前還有許多的基礎(chǔ)研究正在進(jìn)行中。

美國桑迪亞國家實驗室(Sandia National Laboratories)首席技術(shù)研究員Conrad James說：“我們知道如何打造深度學(xué)習(xí)系統(tǒng)，但并不了解它們?nèi)绾芜\作……而且我們現(xiàn)在仍然處于嘗試不同技術(shù)的起步階段。量子研究則恰好相反。我們了解數(shù)學(xué)和物理，但并不知道如何打造量子系統(tǒng)?！?/p>

隨著摩爾定律逐漸式微，量子運算的未來還有很長的路要走。在指引未來發(fā)展方向的道路上，半導(dǎo)體產(chǎn)業(yè)幾乎沒有太多的選擇。AI萬歲！