人總是不滿足的，在如今科技發(fā)展迅速的時代，我們過于的依賴著計算機，我們期待著它可以像真正的人類一樣與我們交朋友，陪我們說話，陪我們戲耍。然而，這些人工智能的實現(xiàn)需要有強大的科技支持，計算機索要實現(xiàn)的計算甚至會超過最先進的機器的計算極限。

　　面對日益升級的需求，大型科技公司想要從生物學中尋找一些啟示。他們正在反思計算機的本質(zhì)，想要研發(fā)出一種更像人腦的機器。

　　計算機的新發(fā)展可能會削弱芯片界大佬英特爾的實力，并會從根本上改變年產(chǎn)值高達3350億美元的半導體產(chǎn)業(yè)。半導體產(chǎn)業(yè)是當前各種高科技產(chǎn)品的關鍵所在。

　　圖：微軟的Xuedong Huang（左）和Doug Burger（右）都認為公司需要致力于研發(fā)專門化芯片

　　半個世紀以來，計算機制造商都在使用一種單一的、適用于各種情況的芯片。作為全球最大的半導體芯片制造商，英特爾一直以來都是這種芯片的主要生產(chǎn)商。

　　如今，計算機工程師們正在研發(fā)新型芯片。新型機器的運作將會細分為多個小部分，而每一種小分工都需要自己獨有的芯片。另外，這種專門化芯片的能耗將大大減少。

　　谷歌的數(shù)據(jù)中心的變革預示著該行業(yè)的其他公司也將迎來一些變化。谷歌的大部分服務器仍然在使用中央處理器，不過他們也在和一些定制芯片供應商合作。另外，谷歌還在研發(fā)可以進行語音識別和其他人工智能應用的算法。

　　谷歌的變革是出于公司自身發(fā)展的需要。多年來，谷歌一直運營著世界上最大的計算機網(wǎng)絡。雖然這一數(shù)據(jù)帝國涉及世界眾多地區(qū)，但是對于谷歌的研發(fā)來說還是不夠的。

　　2011年，谷歌最著名的工程師之一Jeff Dean負責的研究小組，就神經(jīng)網(wǎng)絡進行了一番研究。神經(jīng)網(wǎng)絡的研究有助于實現(xiàn)計算機算法的自我學習。

　　幾個月后，Dean和他的團隊建立了一個升級版的口語識別服務，該服務的精確度遠遠高于當時谷歌所推出的服務。不過，要想實現(xiàn)這一功能，僅靠谷歌當前的數(shù)據(jù)中心是不夠的。

　　于是，Dean提出谷歌可以為這種人工智能專門打造一款計算機芯片。

　　數(shù)據(jù)中心發(fā)生的變化正在逐漸蔓延到科技領域的其他部分。在接下來的幾年里，像谷歌、蘋果和三星這些公司都將推出適用于智能手機的人工智能芯片。微軟也正在為增強現(xiàn)實頭顯設計一款芯片。另外，像谷歌、豐田這些公司還在研發(fā)適用于自動駕駛汽車的芯片。

　　微軟：從英特爾的C.P.U.到自己的F.P.G.A.

　　當今市面上的芯片，有的是用于存儲信息，有的是應用于玩具和電視機，還有一些則是安裝在各種計算機程序里，比如用于創(chuàng)建全球變暖模型的超級計算機、個人電腦或者智能手機。

　　穆爾定律（Moore’s Law）指出，因特網(wǎng)上的通信量大約每年要翻一番。該定律是由英特爾的聯(lián)合創(chuàng)始人Gordon Moore提出的。隨著芯片的不斷發(fā)展，IBM的著名研究人員Robert Dennard又提出了登納德縮放比例定律（Dennard Scaling）。

　　到了2010年，人們發(fā)現(xiàn)，通信量翻一番實際所需的時間要長于穆爾定律的預測。另外，登納德縮放比例定律也開始不適用，因為芯片設計者發(fā)現(xiàn)，用來制造處理器的物理材料已經(jīng)達到了極限。也就是說，如果公司想要制造出計算能力更強的芯片，不能再僅靠處理器的升級，而是需要更多的電腦、更多的空間和更多的能耗。

　　工業(yè)界和學術界的研究人員一直在努力發(fā)展穆爾定律，探索全新的芯片材料和設計技術。但是，微軟的研究員Doug Burger卻有著不同的想法，他提出，可以不要依賴于中央處理器的穩(wěn)定演進，而是把一些負載轉(zhuǎn)移到專門化芯片上。

　　在2010年圣誕節(jié)期間，Burger與微軟的其他幾位芯片研究人員一起開始探索新的硬件，用以改進微軟的搜索引擎Bing。

　　當時，微軟剛剛開始改進Bing的機器學習算法，該算法可以通過分析人們使用服務的方式來改進搜索結(jié)果。盡管構(gòu)建這種算法的要求比建立神經(jīng)網(wǎng)絡的要求要低，但是現(xiàn)有的芯片也還是很難滿足它的發(fā)展需求。

　　Burger和他的團隊研究了多種方案，最后決定使用現(xiàn)場可編程門陣列（F.P.G.A.）。一直以來，像Windows這樣的軟件使用的都是英特爾的中央處理器（C.P.U.），并且這些軟件是不能對芯片進行重新編程。

　　不過，有了F.P.G.A.以后，微軟的軟件就可以對芯片進行編程了。

　　微軟在2015年開始批量安裝這種芯片。現(xiàn)在，幾乎每一個連接到微軟數(shù)據(jù)中心的新服務器都配有一個這樣的可編程芯片。另外，這種芯片對微軟的搜索引擎Bing和云計算Azure都大有幫助。

　　發(fā)展神經(jīng)網(wǎng)絡，讓電腦學會“傾聽”

　　2016年秋季，和谷歌的工程師Jeff Dean一樣，微軟的另一支研究團隊也建立了一個神經(jīng)網(wǎng)絡，它在進行語音識別時，準確率要比一般人高。

　　圖：圖為谷歌最著名的工程師之一Jeff Dean。他曾經(jīng)提出，公司應該研發(fā)一種專門用于人工智能的芯片。如今，這種芯片已經(jīng)有了，它就是谷歌自己設計的Tensor處理單元（T.P.U.）

　　黃學東是微軟語音識別領域的領軍人物。他和自己的團隊在訓練微軟的語音識別服務時，使用的是由Nvidia制造的專門芯片，而不再像以前一樣過分依賴于英特爾的芯片。

　　黃學東表示，這種專門化芯片讓他們把原本至少需要5年才能趕上的差距，僅用1年就趕上了。

　　不過這種芯片也存在一個問題，那就是用這種方法訓練神經(jīng)網(wǎng)絡的話，需要進行大量的試驗。研究人員必須反復進行訓練，并且還要不停地調(diào)整算法以及改進訓練數(shù)據(jù)。另外，在任何給定的時間內(nèi)，這個過程都會出現(xiàn)上百種算法，這就需要強大的計算能力的支持，而僅僅使用標準化芯片的話是不能滿足這一需求。

　　因此，一些領先的互聯(lián)網(wǎng)公司正在用一種被稱為圖形處理單元（G.P.U.）的芯片訓練神經(jīng)網(wǎng)絡。這種低能耗的芯片主要是由Nvidia制造的，它們原本是用來處理游戲等軟件的圖像。另外，在神經(jīng)網(wǎng)絡的運算中，G.P.U.的運行速度要比C.P.U.快得多。

　　NVIDIA的蓬勃發(fā)展就是得益于這種芯片的流行。現(xiàn)在，NVIDIA正在為美國的互聯(lián)網(wǎng)巨頭和世界上最大的一些網(wǎng)絡公司生產(chǎn)這種芯片，其中一些中國企業(yè)的需求尤為龐大。在過去的一年中，NVIDIA的季度收入增長了兩倍，已經(jīng)超過4.09億美元。

　　專門化芯片將越來越流行

　　目前，很多公司在發(fā)展自己的神經(jīng)網(wǎng)絡時，主要就是使用G.P.U.，不過它只是這一工程的一部分。一旦神經(jīng)網(wǎng)絡就某個任務進行訓練以后，它就需要專門用于執(zhí)行這一任務。

　　例如，在進行語音識別算法的訓練以后，微軟將會把它加入在線服務，用于識別人們對智能手機發(fā)出的語音指令。

　　谷歌已經(jīng)打造出了自己的專門化芯片，就是上文提到過的T.P.U.；Nvidia正在打造類似的芯片；微軟則是讓Altera幫忙制造了一款專門化芯片。

　　其他的公司也緊隨其后。比如，專注于為智能手機制造芯片的Qualcomm和一些創(chuàng)企也在研發(fā)人工智能芯片。市場研究公司IDC預測，到2021年，配備這類芯片的服務器的總收入將達到68億美元，約占整個服務器市場的10%。

　　圖：谷歌平臺的副總裁Bart Sano認為，專門化芯片對公司的運營仍然不太重要

　　Burger指出，在微軟的全球網(wǎng)絡中，這類芯片仍然只是相對較小的一個部分。谷歌平臺的副總裁Bart Sano也認為，專門化芯片對公司的運營并不是太重要。

　　Mike Mayberry是英特爾實驗室的負責人，他并不是太重視對專門化芯片的研發(fā)。這可能是因為英特爾控制著90%以上的數(shù)據(jù)中心市場，所以它一直是傳統(tǒng)芯片的最大生產(chǎn)商。在Mike Mayberry看來，如果中央處理器進行適當?shù)母倪M，完全不需要其他芯片的幫助，就能滿足當前的需求。

　　兩年前，英特爾花了167億美元收購了Altera，就是上文提到過的那家為微軟研發(fā)可編程芯片的公司。這也是英特爾至今為止最大的收購案。去年，英特爾又以4.08億美元的價格收購了Nervana。現(xiàn)在，英特爾和Nervana的團隊合作，共同研發(fā)用于訓練和運作神經(jīng)網(wǎng)絡的芯片。

　　硅谷的風投公司Sequoia Capital的合伙人Bill Coughran表示，英特爾需要考慮一下如何在不影響自己的傳統(tǒng)業(yè)務的情況下，進軍新的領域。

　　目前，英特爾不僅要和Nvidia、Qualcomm這樣的芯片制造商競爭，還要和谷歌、微軟這樣的公司競爭。

　　谷歌正在設計第二代T.P.U.芯片。公司表示，這種芯片會在今年晚些時候投入使用。

　　目前這些變化還只是發(fā)生于大型數(shù)據(jù)中心內(nèi)部，蔓延到其他行業(yè)應該就只是時間問題。