記者 | 彭新
「在摩爾定律失效的當下，如果我們真想提高計算機性能，『黃氏定律』就是一項重要指標，且在可預見的未來都將一直適用。」在近日舉辦的GTC中國峰會上，英偉達首席科學家Bill Dally做出上述發言。
所謂黃氏定律，是以英偉達執行長黃仁勳（Jensen Huang）名字命名的定律，其預測GPU將推動AI性能實現逐年翻倍。目前來看，雖然或多或少受到硬體與軟體影響，但黃氏定律將穩定發展，小至個人數碼產品中的臉部或語音識別，大至自動駕駛汽車、數據中心等，都受益於黃氏定律。
在半導體的開發競爭中，業界普遍認為，以每兩年2倍的速度發展的摩爾定律即將走到極限。在晶片主戰場轉向於AI領域的背景下，由英偉達提出的黃氏定律得到重視，顯示英偉達在AI計算領域的領先地位。
當前AI計算無處不在，進一步向個人設備、邊緣領域拓展。以智慧型手機為例，內置晶片搭載的神經網絡引擎就為各項機器學習任務奠定了基礎，如面部識別、自然語言理解、物體追蹤與規避、手勢和文本識別等。
「在整個GPU晶片設計歷史過程中，隨著工藝的發展，我們自然而然會放進去更多的計算單元。」英偉達中國區工程和解決方案高級總監賴俊傑告訴界面新聞記者。同時，英偉達依靠架構上的創新，從而使GPU發展速度和性能提升呈現幾倍、甚至幾十倍的結果。在GPU市場，英偉達GPU晶片的應用早已擴展到了遊戲、圖形計算之外，在數據中心的加速計算、AI取得主要市場份額。
不過，雖然基本上是以AI為核心，但系統運作時仍然少不了CPU參與。而Bill Dally坦承，當工程師大幅提升某部分的運算時，其他無法再加快的部分就會成為瓶頸。
Bill Dally於2009年加入英偉達，此前擔任史丹福大學計算機科學系主任，致力於數據科學、人工智慧和圖形學的研究，擁有120多項專利。在英偉達，Bill Dally負責領導一支200多人的科學研究團隊。
Bill Dally稱，英偉達的目標是通過GPU技術的改進，每年將使AI推理性能成倍提升。在GTC大會上，英偉達推出一款超高能效加速系統MAGNet，可以讓AI推理能力達到每秒100萬億次的效率，比目前的商用晶片高出一個數量級。
「數據傳輸正是當今晶片中最耗能的環節，MAGNet採用了一系列新技術來協調並控制通過設備的信息流，從而最大限度地減少數據傳輸。」Bill Dally介紹稱，MAGNet也是黃氏定律得以推動的例子之一。
另一方面，Bill Dally帶領的英偉達研究團隊也正在研究更快速的光鏈路取代現有IT系統內的電氣鏈路。其中，一種名為「密集波分復用」的技術，有望在僅一毫米大小的晶片上實現Tb/s級別數據傳輸，是當前互連密度的十倍以上。
目前，英偉達的研究團隊與哥倫比亞大學合作，探討如何利用電信供應商在其核心網絡中所採用的技術，通過一條光纖來傳輸數十路信號。
不過，市場雖然對黃氏定律給予肯定，但與摩爾定律相比，黃氏定律具體發展步調仍難以確定。黃氏定律所提到的運算處理能力，其實無法推而廣之，適用於各種應用情境中。人工智慧研究組織Open AI就表示，以典型的AI影像識別測試為例，雖然籠統來看，AI「性能」每年可增加一倍，但要如何對「性能」達成共識，仍然是一項挑戰。