于 80 多年前提出树立的冯诺依曼架构至今还在控制现有的核算机。可是，跟着机器学习等 AI 技能的开展，由于存算别离的“冯诺依曼瓶颈”的存在，这个经典核算机系统结构，现已益发难以满意机器学习的核算需求。
近来，在承受DeepTech 采访时，第四范式硬件业务部门负责人蔡斯扬告知 DeepTech：“从整个学界和工业界来看，现在 AI 进一步开展的公认问题、一起也是最有应战的部分，在于核算机系统架构”。
作为 AI 开展的“三驾马车”（数据、算法、算力）之一，未来算力的进一步开展受到了 X86、冯·诺伊曼核算机系统的限制，改造核算机系统架构的机遇正在老练。“第四范式当时正在与英特尔就怎么打破限制核算力开展的瓶颈打开深入探讨，两边期望经过软硬件的最优化结合，打造抢先的 AI 技能架构和算力。” 蔡斯扬说。
有越来越多的学者表态称，系统结构立异将是信息科学技能范畴几十年来的中心出题，乃至将带来下一个“黄金时代”。这意味着，新的算力基础设施，必定是考虑在架构等级而非晶体管等级来进一步打破摩尔定律。
图丨“天机”芯片（来历：Nature）
现在，业内涵探究非冯诺依曼核算架构上也现已取得了一些开展，例如开展逻辑核算与数据存储一体化的 AI 芯片、类脑芯片（如不久前清华发布于Nature的“天机”芯片），也有越来越多的非冯诺依曼核算机正在全球各大科技企业前沿实验室中酝酿，如光子核算机、量子核算机、神经核算机以及 DNA 核算机等。
美国国防高档研讨方案署（DARPA）于 2017 年施行的“电子复兴方案”，同样在重视非冯诺依曼架构的新式处理器及其配套的软件东西的开发。在国内，国家自然科学基金树立的“企业立异开展联合基金”中，也在 2019 年将人工智能范畴针对非冯诺依曼的存算一体研讨方向列入其间。
在这股新浪潮之下，蔡斯扬对 DeepTech 介绍道，以第四范式为企业供给 AI 专用算力的本身实践来看，他们从 3 个方向切入，期望能够给冯·诺伊曼系统和给整个核算机算力瓶颈带来新的打破。
首先是"软件界说算力"，面向 AI 的中心软件首要来自于算法，而面向算法优化的异构核算将在未来五年迎来黄金开展期。
（来历：阿里巴巴）
在异构核算中，现在 AI 芯片霸主 GPU 还仅仅异构核算中的一种，现在市场上现已有 NPU、ASIC、FPGA 等各式各样的核算渠道被运用到AI核算中。之所以会呈现这么多各种形式的 AI 芯片，正是由于算法的多元化，例如机器学习算法有 LR、GBDT，深度学习中的 CNN、DNN 等，这些算法都十分杂乱，假如机器要很快地把这些算法跑起来，必定需求算法的逻辑跟芯片核算的逻辑彼此匹配度高，功率好。
详细的完成上，工业链上不同厂商协作一起完成软硬件协同立异成为新范式。以英特尔和第四范式的协作为例，英特尔的产品从 SkyLake 演进到第二代至强可扩展处理器 Cascade Lake，整数运算、浮点运算均得到了 30% 左右的提高，第四范式的 Sageone 系统从 SkyLake 迁移到 Cascade Lake，却能够完成整个功能归纳提高 4 - 8 倍。
4 - 8 倍提高背面，正是两边在软件加硬件的协同立异。“第四范式和英特尔成立了一个联合实验室，两边的协作便在于软件和硬件的协同优化。由于英特尔有自己的技能道路图，第四范式有自己的结构道路图，咱们需求在两者之间找到一个最优化的一起技能道路”，蔡斯扬说。“与此一起，两边的协作是根据咱们对软件的了解和英特尔对硬件的了解，以及对芯片的了解和系统的了解，完成对 AI 系统的软硬一体的全体优化。现在，两边经过第二代至强可扩展处理器、傲腾数据中心级耐久内存，去提高 AI 的核算功能、优化仿存和内存容量等，其背面的触及的技能工作适当杂乱。”
（来历：东方 IC）
第二个打破口在于数据。他指出，现在许多客户在进行数字化转型和AI转型中最大的瓶颈，是有了算力可是没有数据，没有数据便难以树立模型。数据在哪，怎么搜集，搜集之后的数据怎么成为机器能看懂的数据，怎么存储数据以确保数据在AI练习和推理中能够被快速地运用和调用……这些都是现在数据亟需优化的方向。
其间，一致的 AI 数据管理对企业来说将十分必要，数字化转型提出的要求之一便是要将前史的批量数据和线上的流式数据进行同步。只要如此，系统才不会在建模进程中呈现数据不同步导致的运转精确性问题。AI的数据管理是要把海量数据一致地会聚进来，一起以特征和事情的方法进行归类和清洗，整个的数据弧构建和传统的BI有着本质区别，所以这也是未来一个重要的改变点之一。“这儿触及许多技能细节，所以未来AI的存储形状会发作一些改变”，他说。
第三个打破口在于网络。一般以为，网络和 AI 关系不大，可是第四范式发现，团队在开发企业级AI集成系统 SageOne 的时分，花了适当长期在优化网络。这是由于在机器学习的进程傍边，整个 I/O 的交互以及分布式机器学习跨节点的通讯压力十分大。
图丨第四范式打造的 SageOne 渠道（来历：第四范式）
“从底层的算力开端，AI 的演进和开展有一个显着的轨道，那便是伴跟着数据量和核算力的迸发，AI 才在近 5 年得到了繁荣的开展。现在来看，数据、算力，而非算法的打破，是 AI 最近 5 年在实质性商业价值有打破性开展的根本原因……事实上，虽然不少互联网、AI 公司都在用包含机器学习在内的AI算法，但这些算法大多数都不是最近5年的技能。驱动这 5 年 AI 繁荣开展的中心原因，是数据的迸发和算力性价比的提高”，蔡斯扬说。
未来，AI 在算力基础设施建造、打破核算架构瓶颈上还有许多立异的时机，算力也将是持续支撑人工智能向前开展的重要一环。由此能够看来，走向非冯诺依曼系统架构革新，将为 AI 推进工业革新供给更为耐久的驱动力。
-End-
坐标：北京·国贸
请随简历附上3篇往期著作（实习生在外）
