英偉達執行長黃仁勳
騰訊科技訊 9月21日,由英特爾聯合創始人戈登·摩爾(Gordon Moore)提出的摩爾定律(Moore’s Law)正在全面失效,但以英偉達執行長黃仁勳(Jensen Huang)的名字命名的新定律——黃氏定律(Huang『s Law)似乎正在取而代之,而這也正是英偉達收購英國晶片設計巨頭Arm的重要原因。
在現代計算的第一個時代,有一種趨勢始終佔據主導地位,它也被稱為摩爾定律。實際上,摩爾定律是英特爾聯合創始人摩爾的預測,而不是任何形式的物理定律。摩爾定律認為,晶片上的電晶體數量大約每兩年就會翻一番。這也意味著,這些晶片以及它們所驅動的計算機的性能在大致相同時間內會有實質性的提高。這就形成了晶片行業的核心,這座「發光的熔爐」孕育了數萬億美元的技術,幾乎顛覆了我們日常生活的方方面面。
由於晶片製造商已經達到了原子級電路和電子物理的極限,摩爾定律已經放緩,有人說它甚至已經失效。但一條截然不同的定律已經出現,它對計算機未來半個世紀的潛在影響並不遜色於摩爾定律。它被稱之為黃氏定律,以英偉達聯合創始人兼執行長黃仁勳的名字命名。黃氏定律認為,驅動人工智慧(AI)的矽晶片性能每兩年就能翻一番以上。雖然這種提高可以歸功於硬體和軟體,但它的穩步發展使其成為從自動駕駛汽車、卡車和船舶到我們個人設備中的人臉、語音和對象識別等領域的重要推動者。
英偉達首席科學家兼研究高級副總裁比爾·達利(Bill Dally)表示,從2012年11月到今年5月,英偉達晶片在一類重要的人工智慧計算中的性能增長了317倍。換句話說,平均而言,這些晶片的性能每年都會翻一番以上,這一進步速度讓摩爾定律顯得相形見絀。
長期以來,英偉達的專長一直是圖形處理單元(GPU),當有許多獨立的任務需要同時完成時,它們可以高效地運行。另一方面,像英特爾所擅長的那種中央處理器(CPU)效率則要低得多,但在快速執行單個串行任務方面做得更好。你不可能把每個計算過程都砍掉以便GPU可以有效地處理它,但對於那些你可以做到的(包括許多人工智慧應用程式),你可以在消耗同樣電力的情況下,將執行速度提高很多倍。
英特爾是摩爾定律的主要推動者,但它不是唯一的推動者。要使其永久化,需要數萬名工程師和全球數百家公司數十億美元的投資。同樣,英偉達也不是唯一一個遵循黃氏定律的公司。事實上,在一些應用程式中,該公司自己的某些類型AI處理可能正在失去吸引力。這可能是該公司本月以400億美元收購晶片設計公司Arm的一個主要原因,後者是另一家持續提高AI晶片性能的關鍵公司。
AI專用硬體的改進速度將使一系列烏託邦和反烏託邦的應用成為可能,從結束車禍到無處不在的監控。但現在,它也正在催生一種不那麼奇幻的用例——無收銀員結帳,它對我們的購物方式和數百萬零售業工作的命運有著巨大的影響。
Standard的結帳技術使用攝像頭和英偉達系統跟蹤顧客和他們挑選的產品,每秒執行數百萬億次計算
總部位於舊金山的科技公司Standard最近宣布與Circle K達成一項協議,將其部分門店轉變為亞馬遜首創的無人便利店Amazon Go,打造「即買即走」體驗。這家成立三年的初創公司在各家門店安裝攝像頭,然後將來自這些攝像頭的視頻路由到後面由英偉達支持的系統,該系統每秒執行數十萬億次計算。當購物者從商店貨架上抓起物品時,系統會將其全部清點出來,並在他們走出貨架時通過行動裝置對其進行計費。
相比之下,一個每秒執行這麼多次操作的系統比2012年世界上最強大的超級計算機還要快,至少在AI推理任務方面是這樣。 Standard創始人兼執行長喬丹·費舍爾(Jordan Fisher)表示:「老實說,我們無能為力,只能等待,英偉達的產品每年都會降價。」
TuSimple的自動卡車在駕駛室安裝了最新的AI計算能力
另一個受黃氏定律影響的領域是自動駕駛汽車。總部位於聖地牙哥、迅速擴張的自動卡車初創公司TuSimple,面臨的挑戰是製造一種能夠滿足柴油動力卡車功率和空間限制的自動駕駛系統。在一輛典型的TuSimple汽車上,這意味著將整個系統(不能吸引超過5千瓦電力)塞進臥鋪駕駛室的風冷櫃中。
考慮到這樣的功率限制,最重要的是每瓦性能。TuSimple的聯合創始人兼首席技術官侯曉迪(音譯)表示,其英偉達驅動的系統性能每年都會翻一番。
自2005年以來,在AI的另一個非常不同的領域(行動電話)也出現了類似的性能提升。2017年,蘋果推出了iPhone 8,其中包括其神經引擎。蘋果專門設計了這種晶片來運行機器學習任務,這對許多類型的AI來說都很重要。
專為汽車生產AI儀錶盤攝像頭的Nexar公司聯合創始人兼首席技術官布魯諾·費爾南德斯-魯伊斯(Bruno Fernandez-Ruiz)表示,蘋果決定讓手機上的任何應用都可以訪問該晶片,以及在Android手機上推出類似的晶片和軟體,這為新型AI業務提供了條件。通過在用戶手機上處理儀錶盤攝像頭捕獲的視頻流,Nexar的技術可以提醒司機注意迫在眉睫的危險。
移動AI的使用正在成倍增加,在從洗碗機到門鎖再到燈泡、手機和智能設備,數以百萬計的傳感器正在進入城市、工廠和工業設施。而晶片設計公司Arm就處於這場革命的中心,該公司將其專利授權給蘋果以及其他科技公司。
Arm機器學習集團市場副總裁丹尼斯·勞迪克(Dennis Laudick)表示,在過去的三到五年裡,機器學習網絡的效率一直在以數量級的速度增長,「現在更多的是讓事情在越來越小的環境中運作」。Arm的最小和最耗電的晶片,小到可以由手錶電池供電,現在可以讓攝像頭實時識別物體。
Nexar聯合創始人兼執行長埃蘭·希爾(Eran Shir)表示,AI處理從雲到「邊緣」(即在設備本身)的這種移動解釋了英偉達收購Arm的願望。英偉達幾乎壟斷了雲中的AI處理。但兩年前,Nexar 40%的數據處理是在雲中進行的,而基於Arm的晶片使其能夠在行動裝置上完成更多、更快的處理,因為它不必首先通過網際網路傳輸。今天,雲端只完成了15%的工作。此外,有些功能,如基於視覺的停車助手,甚至直到最近才可能實現,此時手機中的晶片功能變得更加強大。
專家們一致認為,黃氏定律所描述的前景正在以驚人的速度成為現實。然而,它的確切節奏可能很難確定。非營利組織Open AI表示,基於經典的AI圖像識別測試,性能大約每一年半翻一番。但是,即使在「性能」的定義上達成一致也是一個巨大挑戰。來自谷歌、百度、哈佛、斯坦福和幾乎所有其他主要科技公司的研究人員組成的財團正在合作,努力更好、更客觀地測試它。
對黃氏定律的另一個警告是,它描述了不能在每個申請中都使用的處理能力。TuSimple的侯曉迪說,即使是在自動駕駛等典型的以AI為中心的任務中,系統運行的大多數代碼也需要CPU。英偉達的達利博士承認這個問題,他說,當工程師從根本上加速計算的一部分時,剩下的不能加速的自然就會成為瓶頸。
也有可能是,就像之前的摩爾定律一樣,黃氏定律也會失去動力。Arm機器學習集團負責產品營銷的副總裁史蒂夫·羅迪(Steve Roddy)表示,這可能會在十年內實現。但它可以在相對較短的時間內實現很多東西,從無人駕駛汽車到感知和響應環境的工廠和家居等。 (騰訊科技審校/金鹿)