為了設計更快的計算機，科學家試圖從人類的大腦結構上獲得靈感

舊金山電 – 如今人們對計算機有著很高的期待，它們應該能和我們對話、認識從人臉到花朵的各種東西，可能不久之後還要學會開車。所有這些人工智慧都需要大量運算能力，甚至把最先進的計算機的算力都用到了極致。

為了應對不斷增長的算力需求，一些科技巨頭已經開始從生物學領域尋找線索。它們正在重新思考計算機的本質，打造更像人類大腦的計算機，利用一個中樞腦幹管理神經系統，把聽覺和視覺等特定任務分配給周圍的大腦皮質。

停滯多年後，計算機又開始進化了，整個平台將默默地過渡到全新的的架構上，帶來廣泛而持久的影響。它將為依靠人工智慧系統完成的各種工作提速，從而實現我們讓計算機在現實世界裡自主行動的夢想。

長期以來，英特爾都是晶元設計和製造行業的巨頭，而此次技術進化有可能會削弱它的實力，並最終重塑年產值達 3350 億美元的半導體行業——從把互聯網送到你 iPhone 上的數據中心，到未來的虛擬現實頭戴設備和無人機，它們的核心都是半導體。

約翰·亨尼斯（John Hennessy）曾擔任斯坦福大學董事會主席，1990 年代中期撰寫了計算機設計方面的一本權威著作，現在他是 Google 的母公司 Alphabet 的一名董事。他說：「這是一次劇變，現有設計方法已經走到了盡頭，人們正在努力重構計算機系統。」

微軟公司的黃學東（左）和道格?伯格是為公司努力開發專用晶元的眾多員工中的一員。圖片版權：Ian C. Bates/《紐約時報》

現有計算機設計方法的效果一直很不錯。大約半個世紀以來，計算機製造商總是圍繞著一個處理所有工作的晶元（CPU）打造計算機系統，而 CPU 都是由英特爾等半導體晶元製造商生產的。裝在人們筆記本電腦和智能手機里的就是這種晶元。

現在，計算機工程師們正在打造更加複雜的系統。他們不再會把所有任務都交給英特爾生產的、性能強勁的 CPU，新的計算機把工作分割成了小塊，再把它們分配給更多更簡單、更省電的專用晶元。

Google 龐大的數據中心內部發生的改變，預示了信息產業其他公司接下來將要面對的現實。大多數 Google 伺服器里依然會有中央處理器，但同時也有數不清的定製晶元和它們協同工作，負責運行驅動語音識別和其他人工智慧服務的計算機演算法。

Google 這麼做完全是出於必要。多年來，它一直擁有世界上最大的計算機網路，由數據中心和網線組成的龐大帝國分布在從加州到芬蘭、再到新加坡的各個地方。但在一位 Google 的研究人員看來，這個網路還太小了。

2011 年，Google 知名工程師傑夫·迪恩（Jeff Dean）帶領一支隊伍，開始深入研究神經網路的想法——從本質上講，他們想讓計算機演算法可以自主學習完成任務。神經網路可以用來做很多事，比如識別對著智能手機說的話，或者辨認照片中的面孔。

幾個月的時間裡，迪恩和他的團隊就打造了一個新的服務，它對語言的識別能力比 Google 現有的服務精確許多。但之後迪恩意識到，全世界有十幾億台手機用的都是 Google 的安卓系統，要是每人每天使用新的語音識別服務的時間是三分鐘，那麼 Google 需要把現有數據中心擴大一倍才夠用。

據當時在場的人稱，迪恩對負責管理 Google 數據中心的烏爾斯·霍爾茨勒（Urs H?lzle）說：「（那樣的話，）我們得再造一個 Google。」所以迪恩提出了另一個方案：Google 自製晶元，專門用來運行此類人工智慧任務。

但數據中心內部發生的變化也正在改變其他科技領域。在接下來的幾年裡，Google、蘋果和三星等科技公司將設計出擁有專門人工智慧晶元的手機。微軟正在設計專門應用在一款增強現實頭戴設備上的晶元。Google、豐田等正在研發自動駕駛汽車的公司也都需要類似晶元。

曾在美國國防部下屬研究機構 Darpa 擔任項目經理、如今在豐田無人駕駛汽車部門工作的吉爾·普拉特（Gill Pratt）說，研發專用晶元和新的計算機架構的趨勢將帶來人工智慧領域的「寒武紀生命大爆發」（Cambrian explosion）。在他看來，把計算分配給眾多低功耗小晶元的計算機的工作原理將更像人的大腦，它可以自行決定如何高效利用能源。

他最近在豐田於矽谷新建的研發中心接受採訪時說：「對於人的大腦來說，能量利用效率很關鍵。」

即將到來的變革

硅基晶元有很多種，有的用於存儲信息，有的可以完成玩具和電視需要的基本任務，有些晶元則可以在計算機中運行各種各樣的流程。這裡所說的計算機既包括了創建全球變暖模型要用到的超級計算機，也包括了個人電腦、網路伺服器和智能手機。

微軟辦公室里的一塊舊式晶元電路板。現在它正在開發的晶元可以隨時進行重新編程，完成新的任務。圖片版權：Ian C. Bates/《紐約時報》

多年來，個人電腦和類似設備中的 CPU 都是最昂貴的元件，過去也沒有對它進行革新的需求。

英特爾聯合創始人戈登·摩爾（Gordon Moore）提出的摩爾定律（Moore』s Law）經常被人們引用，它說，計算機晶元上晶體管的數量大約每兩年就會翻一番，數十年來，人們一直在根據這一定律穩定地提升著計算機的性能。而根據另一個不怎麼為人所知的晶元設計定律、以 IBM 資深研究人員羅伯特·登納德（Robert Dennard）名字命名的「登納德縮放比例定律」，隨著性能的提升，晶元消耗的能量基本上會保持不變。

然而到 2010 年時，晶體管數量翻番所花的時間比摩爾定律預計的時間長了許多。隨著晶元設計師觸碰到製造晶元所用材料的物理極限，登納德縮放比例定律也不成立了。這時，如果一家公司想要更多算力，單純升級處理器已經不行了，它需要更多的計算機、更大的空間和更多的電力。

行業和學界研究人員過去在努力延續摩爾定律的生命，尋找全新的晶元製造材料和設計技術。但微軟的研究人員道格·伯格有另一個想法：與其像 1960 年代以來那樣依靠中央處理器的穩定進步，我們何不把某些運算轉到專用晶元上？

在 2010 年聖誕假期間，伯格和其他一些晶元研發人員留在公司工作，開始研究可以提升公司Bing搜索引擎性能的新硬體。

那時，微軟剛剛開始利用機器學習演算法（神經網路就是機器學習的一種）改善 Bing 的性能，通過分析人們使用搜索引擎的習慣改進搜索結果。儘管和後來重塑了互聯網的神經網路相比，這些演算法所需的算力要少很多，但現有晶元還是沒辦法有效處理。

伯格和他的團隊探索了好幾種辦法，但最終確定使用一種叫「現場可編程邏輯門陣列」（Field Programmable Gate Arrays，FPGA）的方案——它是一系列可以隨時進行重新編程，完成新的任務的晶元。微軟做的是在英特爾的 CPU 上面運行的 Windows 等各種軟體，但這些軟體並不能對晶元進行重新編程，因為它們的功能是固定的，只能完成特定的任務。

有了現場可編程邏輯門陣列以後，微軟就能改變晶元工作的方式。它可以先對晶元進行編程，讓它善於執行特定的機器學習演算法。然後，它可以對晶元進行再次編程，讓它善於運行新的邏輯演算法，把數百萬數據包發送到和自己連接的整個計算機網路。晶元還是同一塊晶元，但卻能以不同的方式運行。

2015 年，微軟開始大規模部署這些晶元。現在，幾乎所有新裝進微軟數據中心的伺服器上都裝了一塊這種可編程晶元。當人們用 Bing 搜索時，它們會幫助選擇搜索結果，它們還會幫助微軟的 Azure 雲計算服務在其所依賴的計算機網路內傳送信息。

教電腦傾聽

2016 年秋，另一隊微軟研究人員仿照 Google 傑夫·迪恩所做的工作，搭建了一套神經網路。至少一種衡量結果顯示，這套神經網路可以比普通人更加準確地辨識口語。

在中國出生的語音識別專家黃學東是這個項目的負責人。研究團隊發表論文闡述工作成果後，他在加州帕洛阿爾托山上和老朋友、晶元製造商英偉達（Nvidia）的首席執行官黃仁勛（二人沒有血緣關係）吃了頓晚飯。他們有理由慶祝一番，也確實開了瓶香檳乾杯慶賀。

Google 知名工程師傑夫·迪恩說，公司應該開發一種晶元給人工智慧用。圖右為谷歌的張量處理單元（Tensor Processing Unit），簡稱 TPU。圖片版權：Ryan Young/《紐約時報》

在訓練他們的語音識別服務時，黃學東和微軟的研究人員沒有一味依賴普通的英特爾晶元，而是大量使用了英偉達提供的專用晶元。如果沒有這個改變，他們不可能實現這一突破性進展。

「我們用了一年左右，消除了人工智慧和人類之間的差距，」微軟的黃學東說，「如果沒有這些基礎設施作為武器，我們至少得花五年時間。」

由於這些系統是靠神經網路搭建的，很大程度上可以自主學習，因此它們更新換代的速度會比傳統語音識別服務更快。它們不那麼需要工程師編寫無數行代碼，告訴它們該怎麼做事。

但有一個問題：用這種方式訓練神經網路需要進行大量的實驗和試錯。為了創造能夠和人類一樣辨識語音的神經網路，研究人員必須不斷訓練它，反覆調整演算法、改進訓練數據。在任何給定的時間裡，這個過程都要運行數百個演算法，這就需要龐大的計算能力。如果微軟等公司使用標準晶元來做這件事，那花的時間就太久了，而且還要耗費很多電力，因為標準晶元無法承擔這麼龐大的計算量。

所以，互聯網巨頭們現在正使用另一種名叫「圖形處理單元」（graphics processing unit，簡稱 GPU）的晶元訓練他們的神經網路。這些通常由英偉達生產的低功耗晶元原本是為渲染遊戲和其他軟體圖像設計的，現在則與通常由英特爾生產的晶元一起，成為了計算機核心的一部分。GPU 可以比 CPU 更加高效地處理神經網路需要的數學計算。

正因為這樣，英偉達如今蒸蒸日上，向美國互聯網巨頭和全球各地、尤其是中國的互聯網公司巨頭出售了大量的 GPU。去年，公司的數據中心季度銷售收入翻了三番，達到了 4.09 億美元。

黃仁勛近來接受採訪時表示：「這就有點像互聯網剛開始的時候。」換句話說，高科技領域正在迅速發生變化，而英偉達正處在這個變化的核心。

打造專用晶元

GPU 是公司用來教神經網路執行某個特定任務的主要工具，但它只是神經網路開發工作的一部分。一旦神經網路學會了某項工作，它就必須把學會的能力運用到實踐中，這就需要另一種計算能力了。

比如說，訓練完語音識別演算法後，微軟會把它做成一種在線服務，這樣它才會真正開始識別人們對智能手機說出的命令。在這一階段，GPU 就不那麼高效了。因此，許多公司現在正在打造專門負責實施其他晶元已學會技能的晶元。

Google 已經打造了自己的專用晶元——張量處理單元，簡稱 TPU。英偉達也在打造類似的晶元。微軟則對已被英特爾收購的阿爾特拉（Altera）的晶元進行了重新編程，以便更好地支持神經網路運行。

其他公司也緊隨其後。專為智能機生產晶元的高通公司（Qualcomm）以及許多初創公司也在研究人工智慧晶元，希望在快速擴張的市場中佔據一席之地。科技調研公司 IDC 預計，到 2021 年，配備非傳統晶元的伺服器市場將達到 68 億美元，佔到總體伺服器市場的 10% 左右。

專用晶元在公司使用的晶元中佔據的比重相對而言仍是最小的。圖片版權：Ryan Young/《紐約時報》

伯格指出，在微軟遍布世界各地的機器網路中，非傳統晶元佔據的比重相對而言是最小的。在提到 Google 數據中心使用的晶元時，負責 Google 網路軟硬體開發的工程副總裁巴特·佐野（Bart Sano）也發表了類似的言論。

掌管英特爾實驗室的邁克·梅伯里（Mike Mayberry）則認為改用非傳統晶元沒那麼重要，這或許是因為，英特爾佔據了 90% 以上數據中心市場，是目前最大的傳統晶元銷售商。梅伯里說，如果對中央處理器進行適當的調整，它們無需額外幫助即可處理新的任務。

但這股晶元新熱潮正在快速傳播開來，英特爾自身也越來越分裂：它某種程度上否認市場正在變化，但與此同時，它也在改變自身業務，想要跟上這股變化。

兩年前，英特爾斥資 167 億美元，收購了阿爾特拉，微軟使用的可編程晶元就是這家公司生產的。據報道，去年英特爾還斥資 4.08 億美元收購了研究神經網路執行專用晶元的 Nervana 公司。如今，在 Nervana 團隊的帶領下，英特爾正在研究專門用於訓練、執行神經網路的晶元。

「他們有傳統大公司的問題，」比爾·卡夫蘭（Bill Coughran）提到英特爾時說，「他們需要想清楚如何進軍正在成長的新領域，同時又不傷害他們原有的傳統業務。」卡夫蘭是矽谷投資公司紅杉資本（Sequoia Capital）的合伙人，近十年來負責管理 Google 的在線服務基礎設施。

英特爾官方就摩爾定律失效一事作出的表態，非常清楚地表露了英特爾的內部矛盾。近來接受《紐約時報》採訪時，Nervana 創始人、現英特爾高管納溫·勞（Naveen Rao）表示，英特爾會再「多榨取幾年」摩爾定律的效力。英特爾的官方立場是，傳統晶元在未來十年仍然會發展良好。

英特爾的梅伯里也表示，使用額外晶元並不是什麼新鮮事。他說，電腦製造商過去也會為聲音處理等任務使用另外的晶元。

但現在，這股聲勢更龐大了，而且它正在以新的方式改變市場。英特爾的競爭對手不僅有英偉達、高通這樣的晶元製造商，還有 Google、微軟等傳統科技公司。

Google 目前正在設計第二代 TPU 晶元。公司表示，今年晚些時候，一切使用 Google 雲計算服務的企業或開發人員都將可以使用新晶元運行自己的軟體。

這場變革目前雖然主要發生在支撐互聯網的大型數據中心內部，但有可能過段時間，它就會滲透到更多行業。

人們希望，在這種新型移動晶元的幫助下，裝置設備無需呼叫遠程數據中心，即可自行處理更多更複雜的任務：手機不用接入網路就能識別語音命令；無人駕駛汽車能夠以現在不可能實現的速度和精準度識別周圍環境。

換句話說，無人駕駛汽車需要攝像頭、雷達和激光，但它同樣需要一個大腦。

翻譯 熊貓譯社 葛仲君 錢功毅

題圖來自 NYT

2017 THE NEW YORK TIMES

喜歡這篇文章？去 App 商店搜好奇心日報，每天看點不一樣的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！