概要：2017年，人工智能最火的風(fēng)口一定是AI芯片。

2017年，人工智能最火的風(fēng)口一定是AI芯片。

AI芯片的出現(xiàn)，與深度學(xué)習(xí)技術(shù)的成熟及應(yīng)用密不可分。深度學(xué)習(xí)的過程可以簡化理解為利用大量標(biāo)注的數(shù)據(jù)進(jìn)行訓(xùn)練，訓(xùn)練出一個行之有效的模型，再將這一模型運(yùn)用于新數(shù)據(jù)的推斷。

這個耳熟能詳?shù)谋?a href="http://www.1cnz.cn/v/tag/2562/" target="_blank">算法是建立在多層大規(guī)模神經(jīng)網(wǎng)絡(luò)之上的，后者本質(zhì)上是包含了矩陣乘積和卷積操作的大運(yùn)算量函數(shù)。往往需要先定義一個包含回歸問題的方差、分類時的交叉熵的代價函數(shù)，再數(shù)據(jù)分批傳遞進(jìn)網(wǎng)絡(luò)，根據(jù)參數(shù)求導(dǎo)出代價函數(shù)值，從而更新整個網(wǎng)絡(luò)模型。這通常意味著至少幾百萬次的相乘處理，計算量巨大。通俗來說，包含了數(shù)百萬次A*B+C的計算，算力消耗巨大。

為解決這一問題，AI芯片應(yīng)運(yùn)而生。2017年開始，圍繞AI芯片，半導(dǎo)體行業(yè)，戰(zhàn)事升級，賽場上新老玩家暗潮涌動，連橫合眾，大有“AI芯片太多，設(shè)備都不夠用了”之勢。

時間進(jìn)入2018年，備受關(guān)注的大小公司都將正式推出自研AI芯片。這些芯片也都被業(yè)界寄予厚望，是否能解決或者部分解決終端計算難題？什么樣的芯片才能夠真正適應(yīng)終端智能的需求？

這些都是我們十分好奇且關(guān)注的問題。于是也與一些創(chuàng)業(yè)者進(jìn)行了交流。本文即是其中的一篇，來自于與探境科技CEO魯勇的訪談。目前探境科技正研發(fā)適用于終端的AI芯片，在創(chuàng)業(yè)前魯勇曾在芯片廠商Marvell任高管，從事過存儲芯片的相關(guān)工作，而存儲正是計算之外所有芯片另一核心。基于過往的經(jīng)歷、經(jīng)驗與觀察，魯勇認(rèn)為，做適用于終端的AI芯片，除了要在計算方面提升，存儲優(yōu)化同樣至關(guān)重要。

以下為正文，來自36氪對魯勇的訪談內(nèi)容，36氪基于訪談內(nèi)容對其觀點(diǎn)進(jìn)行了整理。

一

AI算法在芯片實(shí)現(xiàn)時遇到的核心問題不是計算資源而是存儲問題，強(qiáng)如GPU提供眾多的計算資源，而實(shí)際計算能力與計算資源大為降低。

概括來說，存儲問題分為兩個部分，一個是帶寬問題，一個是功耗問題，這兩個問題的解決其實(shí)也是耦合在一起的。

具體來說，深度學(xué)習(xí)算法使用大量存儲資源，即包括靜態(tài)模型參數(shù)，也包括網(wǎng)絡(luò)層之間的動態(tài)數(shù)據(jù)。對于靜態(tài)模型參數(shù)權(quán)重，動輒幾十兆上百兆樣本數(shù)量，無法在片上SRAM保存，因此需要存入外部DRAM。DRAM與AI計算芯片間帶寬有限，如果芯片上計算資源很大，但受存儲帶寬的瓶頸限制，實(shí)際計算力大為下降。

打比方來說，負(fù)責(zé)存儲的DRAM和與負(fù)責(zé)計算的芯片就像是位于河兩岸的倉庫，整個運(yùn)算的過程可以類比從存儲的倉庫搬取數(shù)據(jù)、搬運(yùn)過橋，將數(shù)據(jù)搬入計算的單元進(jìn)行處理，并高速循環(huán)往復(fù)。而當(dāng)前的AI芯片技術(shù)重點(diǎn)提升將數(shù)據(jù)搬入計算單元后的處理速度，但因為搬出數(shù)據(jù)、過橋的過程基本未發(fā)送變化，因此整體的效率提升還相對有限。

與之對應(yīng)的方法即是克服存儲帶寬的手段：一是減少數(shù)據(jù)量，降低所需數(shù)據(jù)帶寬，就是說想辦法只要從倉庫搬出少量數(shù)據(jù)，就可以達(dá)到同樣的效果；二是更科學(xué)的調(diào)度數(shù)據(jù)使用，提升調(diào)度的效率。

（1）減少數(shù)據(jù)容量

如果數(shù)據(jù)量降低了，這將總體上減少對DRAM的訪問，在DRAM物理帶寬保持不變的前提下，降低了DRAM的依賴性，提高了整體性能，同時減少DRAM訪問也將大幅減少系統(tǒng)功耗開銷。因此首先需要解決的問題是減少靜態(tài)參數(shù)權(quán)重的大小。通常的解決辦法包括參數(shù)定點(diǎn)化，將每個32bit浮點(diǎn)數(shù)減少為16bit以下的定點(diǎn)數(shù)，至少能降低50%甚至75%的存儲容量，也同樣幅度的降低了存儲帶寬的需求。實(shí)踐證明16bit定點(diǎn)化可以采用線性量化的方式，而16bit以下定點(diǎn)化根據(jù)模型的不同，有些需要采用非線性量化才可以達(dá)到維持模型性能的目的。

目前主要有模型剪枝、設(shè)計適于終端設(shè)備的簡化網(wǎng)絡(luò)兩種實(shí)現(xiàn)方式。模型剪枝作為進(jìn)一步降低模型容量和存儲帶寬的方式，是基于神經(jīng)網(wǎng)絡(luò)模型存在大量冗余信息的基礎(chǔ)，而另一種從源頭開始重新設(shè)計適于終端設(shè)備的簡化網(wǎng)絡(luò)的方式也在逐漸興起，從同樣規(guī)模的網(wǎng)絡(luò)性能來看，新設(shè)計的網(wǎng)絡(luò)可能比舊網(wǎng)絡(luò)通過剪枝再訓(xùn)練的方式更為簡單快捷，性能也更好。

（2）更科學(xué)的調(diào)度數(shù)據(jù)使用

深度學(xué)習(xí)的計算大量使用乘累加，即完成AXB+C的工作，這種乘累加單元（MAC）每次運(yùn)算需要三個輸入，完成一個輸出。參與運(yùn)算的數(shù)據(jù)包括事先準(zhǔn)備好的權(quán)重參數(shù)和網(wǎng)絡(luò)層產(chǎn)生的中間數(shù)據(jù)。每個乘累加完成后的輸出通常也會作為下一次運(yùn)算的輸入，因此如何調(diào)度這些數(shù)據(jù)成為關(guān)鍵。

功耗角度來說，從DRAM獲取數(shù)據(jù)所消耗的功耗最大，從SRAM中獲取數(shù)據(jù)其次，從本地寄存器中獲取數(shù)據(jù)消耗功耗最低，但從成本角度考慮剛好相反，因此這三個不同層次的存儲器的使用非常關(guān)鍵，我們希望盡可能減少DRAM的訪問，最理想的結(jié)果是僅從DRAM中讀取一次事先存好的模型參數(shù)，而不依賴DRAM做任何其他工作。

從宏觀上看，整個深度學(xué)習(xí)運(yùn)算計算一次，進(jìn)入MAC的總數(shù)據(jù)量遠(yuǎn)大于靜態(tài)數(shù)據(jù)的容量，因為無論是模型參數(shù)還是中間數(shù)據(jù)都多次被重復(fù)使用，因此實(shí)際所需的數(shù)據(jù)帶寬非常大，并且當(dāng)所有這些數(shù)據(jù)都僅通過DRAM被緩存使用時，其功耗開銷也是驚人的，因此充分利用各級緩存的特性非常重要，設(shè)計一個合理的數(shù)據(jù)流，將多次被重復(fù)使用的數(shù)據(jù)放在離計算資源較近的地方，少量讀取的數(shù)據(jù)放在DRAM中，將提高計算性能，降低系統(tǒng)功耗。

二

那么問題來了，如何才能設(shè)計一款真正適用于終端的AI芯片。

簡單的設(shè)計一個卷積加速器并不能帶來深度學(xué)習(xí)計算性能上的提高，合格的計算架構(gòu)需要結(jié)合對存儲問題的分析來設(shè)計，不僅要考慮計算架構(gòu)，也要考慮存儲的數(shù)據(jù)流控制，因此深度學(xué)習(xí)的計算特點(diǎn)并非是一個簡單粗暴的并行計算問題。

首先還是要考慮浮點(diǎn)和定點(diǎn)計算的問題，8 位的整數(shù)乘法比IEEE 754標(biāo)準(zhǔn)下16位浮點(diǎn)乘法降低 6 倍的能耗，占用的芯片面積也少 6 倍；而整數(shù)加法的差異是13倍的能耗與38倍的面積，因此終端AI芯片采用定點(diǎn)計算將獲得巨大收益。當(dāng)定點(diǎn)成為設(shè)計目標(biāo)的時候，要充分考慮軟硬件的結(jié)合，不同網(wǎng)絡(luò)對定點(diǎn)位數(shù)的影響程度是不一樣的，數(shù)據(jù)量化的具體方式也有差異，有線性量化也有非線性量化的方法，因此針對應(yīng)用場景結(jié)合軟件協(xié)同設(shè)計非常有必要。

其次深度學(xué)習(xí)不是簡單粗暴的并行計算但仍然有明顯的并行計算特征，因此考慮存儲問題后放入更多的計算資源會大幅提高計算性能。首先將最多被重復(fù)使用的數(shù)據(jù)放在接近計算資源的地方，這符合較為流行的In Memory Computing（存儲計算一體化）的思想，并且考慮到當(dāng)前工業(yè)水平，這更為實(shí)際，而通過重新設(shè)計包括計算單元的存儲單元或采用ReRAM等方式是未來的 發(fā)展方向。

第三要考慮到深度學(xué)習(xí)數(shù)據(jù)的另一重要特性，即數(shù)據(jù)稀疏化特性，也就是說在參與運(yùn)算的數(shù)據(jù)中有大量的零值數(shù)據(jù)存在，這些零值數(shù)據(jù)即可以在存儲中被壓縮存放，降低存儲容量和帶寬需求，也可以在計算中被進(jìn)一步調(diào)度，減少運(yùn)算壓力，提高運(yùn)算的有效性能。這些零值數(shù)據(jù)不僅存在于模型參數(shù)中，也大量存在于神經(jīng)網(wǎng)絡(luò)各層運(yùn)算的中間數(shù)據(jù)中，這兩方面都需要進(jìn)行考慮。稀疏數(shù)據(jù)在多核心并行計算中的調(diào)度是個復(fù)雜的問題，而不同網(wǎng)絡(luò)結(jié)構(gòu)也會帶來不同的影響，因此將軟硬件協(xié)同設(shè)計，動態(tài)調(diào)度的調(diào)度器是非常復(fù)雜的設(shè)計難點(diǎn)。

最后要考慮針對不同網(wǎng)絡(luò)的資源有效利用率問題，由于神經(jīng)網(wǎng)絡(luò)差異化較大，如果希望針對不同網(wǎng)絡(luò)都有較高的資源有效利用率，則需要在較細(xì)的顆粒度上進(jìn)行優(yōu)化，進(jìn)一步加深了數(shù)據(jù)流調(diào)度器的復(fù)雜度。