“ 除了算法、數(shù)據(jù)外，異構(gòu)計算將會為AI應(yīng)用帶來更強(qiáng)大的支持。異構(gòu)計算，特別是加速器的發(fā)展和創(chuàng)新，將會為業(yè)界、最終用戶和創(chuàng)業(yè)公司帶來更無限的商機(jī)?！?/p>
去廚神主持的餐廳吃飯，上菜慢，一定要等。因?yàn)閺N神只有一個。但是在競爭激烈的市場里，應(yīng)用人工智能AI技術(shù)則不能等，否則可能被顛覆被市場淘汰。
該怎樣做？
人工智能（AI）的研究已經(jīng)持續(xù)了60多年。最近AI所呈現(xiàn)出的爆發(fā)趨勢，不單單是因?yàn)樗惴ǖ母倪M(jìn)、大數(shù)據(jù)的積累，更重要的是計算能力的大幅提升和變革。企業(yè)和互聯(lián)網(wǎng)巨頭都有自己的算法和數(shù)據(jù)，但在計算力的獲取上一直有比較高的門檻。今天我們重點(diǎn)談AI時代的計算能力。
隨著近年來硅芯片逼近物理的極限和經(jīng)濟(jì)成本高升，摩爾定律已趨近失效。使用通用處理器這個傳統(tǒng)的方法已無法滿足人工智能的各種應(yīng)用對爆發(fā)的和高計算能力的需求。因此，具有GPU、ASIC、FPGA或其它加速器（Accelerator）等高并行、高密集的計算能力的異構(gòu)計算持續(xù)火熱，而異構(gòu)計算也將成為支撐先進(jìn)和以后更復(fù)雜AI 應(yīng)用的必然的選擇。
異構(gòu)計算（Heterogeneous Computing）是指使用不同類型指令集和體系架構(gòu)的計算單元組成的計算系統(tǒng)。異構(gòu)計算是性能、成本和功耗均衡的技術(shù)，同時也是讓最適合的專用硬件去做最適合的事如密集計算或外設(shè)管理等，從而達(dá)到性能和成本的最優(yōu)化。
異構(gòu)計算大廚房里的CPU
我們熟知的CPU（中央處理器，Central Processing Unit）作為通用處理器，是更偏重支持控制流數(shù)據(jù)。CPU每個物理核中大部分的硬件資源被做成了控制電路和緩存，用來提高指令兼容性和效率，只有小部分是真正用來做計算的邏輯運(yùn)算單元（ALU）。在沒有AI或其它高計算力要求時，CPU可以應(yīng)付得綽綽有余，在AI或高計算力要求時，從計算任務(wù)執(zhí)行效率來看，盡管CPU能兼容大量指令，但是實(shí)際的計算效率并不高。相反，CPU在異構(gòu)系統(tǒng)當(dāng)中，可以扮演和發(fā)揮非常重要的指揮統(tǒng)籌，控制核心的功能。
做個比喻吧，CPU可以看成一個“大廚”，各大菜系烹飪了如指掌，可以做出各式各樣不同口味的菜品滿足各類人群的需求。但“大廚”由于要負(fù)責(zé)廚房里的方方面面，對一些大量而特定的復(fù)雜處理就顯得力不從心，比如一千位客人要吃各種土豆絲，比如酸辣土豆絲、青椒土豆絲、土豆絲炒肉，需要助手在短時間內(nèi)切出大量長短薄厚相同的土豆絲，于是“大廚”需要找個幫手（GPU，F(xiàn)PGA或ASIC）來協(xié)助，這個幫手可以同時處理很多土豆（并行處理），而且速度很快（低延時），最后在與“大廚”的合理分工協(xié)作下，能滿足客戶對菜品的需求。
也許有人會說，可以再雇個“大廚”，這樣組成一個同構(gòu)廚房（Homogenous Computing，同構(gòu)計算系統(tǒng)）不好嗎？當(dāng)然可以，之前的多CPU就是這么做的，但是在當(dāng)前基于人工智能應(yīng)用的計算密集型負(fù)載上，這種同構(gòu)廚房有明顯的缺點(diǎn)。首先，“大廚”身價很高，而且在某些具體的應(yīng)用上也不擅長，比如快速切土豆絲；其次，“大廚”很健忘，需要總是翻看菜譜（訪問內(nèi)存）。由此可見，一個高效的廚房需要“大廚”和一群擅長各種任務(wù)的“幫廚”高效溝通和協(xié)同合作。
“大廚”CPU的重要幫手們
我們知道在異構(gòu)計算大廚房里常見的計算單元類別除了“大廚”CPU之外，還有眾多幫手如GPU、ASIC、FPGA、DSP等。那么，這么多的計算單元各自有什么特長呢？
GPU：適于大范圍、多任務(wù)的簡單運(yùn)算
GPU是圖形處理器（Graphics Processing Unit）的縮寫。顧名思義就是一種專門在個人電腦、工作站、游戲機(jī)和一些移動設(shè)備（如平板電腦、智能手機(jī)等）上進(jìn)行圖像運(yùn)算工作的微處理器。近年來，GPU在深度學(xué)習(xí)方面應(yīng)用廣泛，主要是因?yàn)獒槍τ谏窠?jīng)網(wǎng)絡(luò)這種大范圍多任務(wù)的簡單運(yùn)算來說，正好符合GPU這種多核架構(gòu)，就好像幾萬個客人同時點(diǎn)了酸辣土豆絲，需要大量的“幫廚”快速切好幾萬盤土豆絲。
不過，GPU雖然土豆絲切的又快又好，但如果你要跟他說，幾個土豆切絲，幾個土豆切塊，再配上幾個青椒，然后去冰箱拿些豬肉，做一盤復(fù)雜的大菜，那就力所不及了。這是因?yàn)閺?fù)雜的控制流程會產(chǎn)生大量的分支，而GPU中一個控制單元要負(fù)責(zé)好幾個計算單元。所以，如果要最大程度地使用GPU，勢必要求指令簡單特別是控制分支越少越好。
另外，GPU也有CPU“大廚”的毛?。航⊥ㄐ枰獜膬?nèi)存讀取指令）。這帶來了一系列問題，如存儲墻，功耗大，基于指令系統(tǒng)，要譯碼。
ASIC：全自動、定制化
ASIC的全稱是特殊應(yīng)用專用集成電路（Application Specific Integrated Circuit）。它是定制的，也意味著不需要去糾結(jié)CPU和GPU怎樣分配控制資源和計算資源的問題了，想怎么分配就怎么分配。
編程語言越接近底層硬件，運(yùn)行速度越快。ASIC所有的設(shè)計是直接建筑在物理硬件（門電路）上的。所以ASIC不需要復(fù)雜的指令系統(tǒng)，每個時鐘周期單位都能專注于數(shù)據(jù)處理或者傳輸，因此大大提高了效能。而且因?yàn)楦叨榷ㄖ苹?，芯片可以在設(shè)計中進(jìn)行針對性的PPA優(yōu)化（PPA是性能Performance，功耗Power和面積Area的簡稱）。
這么說來，ASIC像一臺全自動定制土豆切絲機(jī)，你只要把土豆扔進(jìn)這個切絲機(jī)里，土豆絲很快就切出來了，而且形狀一致性好，能耗低，還節(jié)省空間。
可見這臺定制機(jī)簡直是廚房神器，完勝CPU和GPU。但是定制機(jī)也有缺點(diǎn)，如果客人改變口味，想吃土豆燒雞，需要把土豆切成塊。這樣一來切絲機(jī)就沒法用了，并且在市面上還買不到現(xiàn)成的切塊機(jī)，需要重新定制。
FPGA：靈活可編程
FPGA做為異構(gòu)計算大廚房的重要幫手，和GPU、ASIC又有什么區(qū)別呢？
FPGA（Field Programmable Gate Array），即現(xiàn)場可編程門陣列，它是在PAL、GAL、CPLD等可編程器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。關(guān)鍵字是“可編程”，這意味著靈活性。這樣，F(xiàn)PGA可以利用預(yù)建的邏輯塊（LUT，Look-Up-Table）和可重新編程來布線資源，當(dāng)客戶需要土豆絲的時候可以定制成是切絲機(jī)，在需要土豆塊的時候可以變成切塊機(jī)。而且，正是因?yàn)镕PGA里擁有這些大量的可編程邏輯，可以使其做到真正的并行執(zhí)行，不同的處理操作無需競爭相同的資源，每個獨(dú)立的處理任務(wù)都配有專用的電路部分，能在不受其它邏輯塊的影響下自主運(yùn)作。因此，添加更多處理任務(wù)時，其它應(yīng)用性能也不會受到影響。
當(dāng)然FPGA也有缺點(diǎn)，主要問題在開發(fā)。異構(gòu)算法的開發(fā)人員大部分是軟件人員，缺乏對FPGA結(jié)構(gòu)和數(shù)字電路的了解，編程語言也不統(tǒng)一（CPU端是C、C++等；FPGA端是VHDL、Verilog等底層硬件描述語言）。目前解決這個問題的方法是OpenCL和HLS（High Level Synthesis）技術(shù)，支持直接把C、C++代碼編譯成Verilog，目前轉(zhuǎn)化效果仍然有待提高，這些技術(shù)的成熟還需要一些時間。
綜上所述，一個具有高效的AI計算能力（廚房）的系統(tǒng)是大家必需要的，這個廚房里需要有經(jīng)驗(yàn)豐富的大廚（CPU）和身懷絕技的各種幫廚（加速器），在“大廚”的指揮統(tǒng)籌下，加上幫手們各展所長，并進(jìn)行有效的協(xié)同合作，從而滿足客戶對美味佳肴不斷快速變化的需求。