人工智能時(shí)代，谷歌、英特爾和英偉達之間的計算能力角逐戰

　　2001年6月26日，著(zhù)名導演史蒂文·斯皮爾伯格執導的《人工智能》(英文名：《AI》)在美國上映。影片講述的是機器人小男孩大衛為了尋找養母，并縮短機器人與人類(lèi)的差距而奮斗的故事。

　　《人工智能》電影劇照

　　大衛是一個(gè)被輸入情感程序的機器人男孩，Cybertronics Manufacturing公司員工亨瑞和他妻子制造出的一個(gè)試驗品。他們收養了大衛，并給了他足夠的愛(ài)，但是人類(lèi)與機器都無(wú)法接受大衛。于是大衛踏上旅程去尋找真正屬于自己的地方，渴望成為一個(gè)真正意義上的人。

　　在這部影片上映15年后，機器人還沒(méi)有成為真正意義上的人, 但人工智能在圍棋領(lǐng)域戰勝了人類(lèi)。它的強大和超強的進(jìn)化能力，讓人類(lèi)棋手難以望其項背。

　　AlphaGo以3:0戰勝柯潔九段

　　“AlphaGo Master比AlphaGo Lee(與李世石對戰的版本)要強大，Master在對戰中耗費的能力(性能和功耗)僅是Lee版本的十分之一，需要4個(gè)TPU在單臺電腦上運行即可?！癉eepMind首席科學(xué)家David Silver在A(yíng)lphaGo 戰勝李世石后這樣解釋說(shuō)。

　　AlphaGo強大到令人絕望，引發(fā)了“人工智能威脅人類(lèi)”的討論。但在本質(zhì)上，人工智能是算法、數據和硬件三個(gè)要素綜合的結果。

　　一旦涉及到算法、數據，就離不開(kāi)計算。在這個(gè)領(lǐng)域，用來(lái)計算的硬件主要是TPU、GPU和CPU，他們背后代表的公司則分別是谷歌、英偉達和英特爾。這幾家公司彼此競爭，又互相需要。

　　TPU(Tensor Processing Unit)是專(zhuān)為機器學(xué)習而定制的芯片，經(jīng)過(guò)了專(zhuān)門(mén)深度機器學(xué)習方面的訓練。谷歌工程師Norm Jouppi介紹，在人工智能相關(guān)的算法上，它的計算速度更快，計算結果更精準，同時(shí)也更加節能。

　　谷歌在I/O 2017上發(fā)布第二代Cloud TPU

　　人工智能依賴(lài)于機器學(xué)習(Machine Learning)，機器學(xué)習又依賴(lài)于硬件，它需要硬件平臺提供大量的運算資源。就計算效率來(lái)說(shuō)，專(zhuān)用工具的計算效率遠高于通用工具。專(zhuān)門(mén)為機器學(xué)習定制而出現的谷歌的TPU就是一種專(zhuān)用的工具，業(yè)內普遍認為它的出現對于通用工具GPU來(lái)說(shuō)是一種威脅。

　　GPU的設計初衷不是主要用來(lái)進(jìn)行神經(jīng)網(wǎng)絡(luò )運算，而是圖像處理。由于其特殊的構造碰巧也比較適用于神經(jīng)網(wǎng)絡(luò )運算，所以在TPU出現之前，大多數做機器學(xué)習廠(chǎng)商都在同時(shí)利用FPGA和GPU來(lái)改進(jìn)訓練自己的神經(jīng)網(wǎng)絡(luò )算法。

　　英偉達創(chuàng )始人兼CEO黃仁勛卻不認同“TPU威脅論”，在接受鳳凰科技的采訪(fǎng)時(shí),他表示谷歌的TPU不會(huì )對英偉達的Volta GPU構成威脅，雙方在TensorFlow項目上保持著(zhù)合作，而Volta GPU的運算能力甚至在TPU之上。

　　作為世界最大的GPU制造商之一，英偉達一直不遺余力地推廣GPU在深度學(xué)習領(lǐng)域的應用。老黃將英偉達稱(chēng)為“一家人工智能公司”。

　　談到英偉達基于GPU的人工智能戰略，需要先從Volta說(shuō)起。

　　在今年5月11日的NVIDIA GTC 2017上，英偉達推出了全新的GPU架構Volta。英偉達應用深度學(xué)習研究副總裁Bryan Catanzaro表示這并不是前代架構Pascal的升級，而是一個(gè)全新的架構。Volta提供大量的FLOP(浮點(diǎn)運算)，基于Volta的架構，人們就可以使用需要更多FLOP的深度學(xué)習模型。如今很多流行的模型都需要很大的計算資源，例如卷積學(xué)習神經(jīng)網(wǎng)絡(luò )。

　　黃仁勛展示基于Volta架構的Tesla V100加速芯片

　　基于全新的Volta架構，英偉達推出Tesla V100加速器，它速度比其前身Tesla P100快2.4倍。

　　Tesla V100凝聚了英偉達內部數千名工程師數年的開(kāi)發(fā)，研發(fā)投入相當于30億美金。黃仁勛在NVIDIA GTC 2017的主題演講中，展示了一塊Tesla V100，他笑稱(chēng)全世界唯一一塊就在他手上，如果有人想買(mǎi)的話(huà)，那么價(jià)格就是30億美金。

　　而在Tesla V100加速器基礎上，英偉達推出了超級計算機DGX-1V和HGX。

　　DGX-1V內置了8塊Tesla V100，黃仁勛表示“DGX-1V相當于400個(gè)服務(wù)器”，過(guò)去Titan X(GTX TITAN X，泰坦顯卡)需要花費8天訓練的神經(jīng)網(wǎng)絡(luò )，DGX-1V只需要8個(gè)小時(shí)，性能提升了24倍。

　　HGX是英偉達和微軟聯(lián)合開(kāi)發(fā)的云圖形加速器，是英偉達人工智能戰略的硬件支撐。它同樣內置了8塊Tesla V100。目前微軟的Project Olympus計劃、Facebook的Big Basin系統都是使用的HGX作為數據中心設計方案的核心。

　　黃仁勛在臺北國際電腦展的主題演講中表示，GPU的運算能力提升非?？?，能在未來(lái)取代CPU成為最主要的人工智能芯片。

　　但是英特爾并不這么認為。臺北國際電腦展期間，英特爾數據中心全球銷(xiāo)售部產(chǎn)品和技術(shù)總經(jīng)理陳葆立在接受鳳凰科技采訪(fǎng)時(shí)提到， TPU和GPU只是加速芯片，目前是無(wú)法獨立工作的，沒(méi)有CPU它跑不起來(lái)。

　　“不管是AMD或者是ARM出的CPU，都是不能直接連接到英偉達的GPU的，連接的標準是PCIE(這屬于英特爾)，傳輸速度取決于PCIE的速度。但是目前我們自己的芯片組合可以跳過(guò)PCIE，所以能比CPU+GPU更快?！彼f(shuō)。

　　在收購Nervana之后，英特爾擁有了將至強融核處理器和FPGA兩個(gè)不同的芯片整合成一個(gè)芯片的能力。在最新的Nervana系統中，就包含了FPGA加速芯片Arria 10和至強融核處理器的整合。

　　Arria 10就是一款主流的Altera FPGA產(chǎn)品

　　FPGA最初是從專(zhuān)用集成電路發(fā)展起來(lái)的半定制化的可編程電路，它可以作為一種用以實(shí)現特殊任務(wù)的可再編程芯片應用與機器學(xué)習中。

　　譬如百度的機器學(xué)習硬件系統就是用FPGA打造了AI專(zhuān)有芯片，制成FPGA版百度大腦。FPGA比相同性能水平的硬件系統消耗能率更低，在刀片式服務(wù)器上可以由主板上的PCI Express總線(xiàn)供電。使用FPGA可以將一個(gè)計算得到的結果直接反饋到下一個(gè)，不需要臨時(shí)保存在主存儲器，所以存儲帶寬要求也在相應降低。

　　英特爾的方案是將CPU與FPGA融合起來(lái)，組合芯片的運算更加靈活和高效，同時(shí)還能實(shí)現最低的功耗，獲得性能和功耗的平衡。

　　在采訪(fǎng)的最后陳葆立提到，雖然是不同的硬件平臺，但是大家都在想辦法融合，這有利于幫助開(kāi)發(fā)者，從而真正幫助人工智能向前發(fā)展。