首頁 > 成語

摩爾定律即將走到極限,英偉達試圖推動半導體“黃氏定律”

作者:由 介面新聞 發表于 成語日期:2023-01-15

摩爾定律到極限了嗎

摩爾定律即將走到極限,英偉達試圖推動半導體“黃氏定律”

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效能,‘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效能實現逐年翻倍。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、資料中心等,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,進一步向個人裝置、邊緣領域拓展。以智慧手機為例,內建晶片搭載的神經網路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、手勢和文字識別等。

“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階總監賴俊傑告訴介面新聞記者。同時,英偉達依靠架構上的創新,從而使GPU發展速度和效能提升呈現幾倍、甚至幾十倍的結果。在GPU市場,英偉達GPU晶片的應用早已擴充套件到了遊戲、圖形計算之外,在資料中心的加速計算、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,此前擔任斯坦福大學計算機科學系主任,致力於資料科學、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,英偉達的目標是透過GPU技術的改進,每年將使AI推理效能成倍提升。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。

“資料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透過裝置的資訊流,從而最大限度地減少資料傳輸。”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“密集波分複用”的技術,有望在僅一毫米大小的晶片上實現Tb/s級別資料傳輸,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路中所採用的技術,透過一條光纖來傳輸數十路訊號。

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“效能”每年可增加一倍,但要如何對“效能”達成共識,仍然是一項挑戰。