「奔騰」之父擬開創「真」AI晶片

以「奔騰之父」著稱的英特爾(Intel)前高管維諾德·達姆（Vinod Dham）與一些年輕的晶片設計師合作，正在設計一種「真正的人工智慧處理器」。

每個人都在嘗試設計人工智慧處理器或電子晶片，它們充當電腦的大腦，能像人類大腦一樣工作。

以「奔騰之父」著稱的英特爾(Intel)前高管維諾德·達姆（Vinod Dham）是最近一個著手設計人工智慧晶片的人。

他與一些年輕的晶片設計師合作，設計了RAP晶片（real AI processors），即「真正的人工智慧處理器」。

在AlphaICs公司，該團隊正在開發一種協處理器晶片，可以實現基於智能代理的人工智慧。

這些RAP晶片有一天可能會被部署到計算設備和自動駕駛汽車上，以閃電般的速度做出決定，或者被大規模部署到數據中心。

在自動駕駛汽車裡，環境在不斷變化，行人等威脅無處不在。

RAP晶片就是為這些條件而設計的，達姆表示：「有了我們的晶片，你可以隨時做決定」。

在某種程度上，這種晶片的出現很及時。

多年來，英特爾和其他大型晶片製造商通過縮小晶片電路，能夠製造出更快、更小、更便宜、耗電更少的晶片。

這代表了一種製造上的進步，製造專家可以將電路之間的寬度從14納米縮短到10納米，以此類推。

但就連英特爾也坦言，經過50多年的不斷進步，摩爾定律正在放緩。

該定律是1965年英特爾名譽主席戈登·摩爾（Gordon Moore）的一項預測，即晶片上的電晶體數量每年將增加一倍。

通過每年向晶片工廠投資100多億美元，英特爾每隔幾年就能建立新的工廠，這樣就可以將半導體轉移到一個新的製造節點。

目前只有格羅方德（GlobalFoundries）、台積電(TSMC)和三星(Samsung)才能進行類似的投資。

但英特爾已將其10納米晶片的生產計劃推遲到2019年晚些時候。

這給了競爭對手一個迎頭趕上的歷史性機遇，可以通過設計而不是製造業的進步來實現晶片競爭。

也就是說，如果你不能製造出更小的晶片，那麼也許你可以通過設計更高效或更成熟的晶片來贏得競爭。

達姆與AlphaICs公司都採用了這一想法，因為在人工智慧應用的時代，提出一個全新的架構是有意義的。

科技行業分析公司Linley Group的分析師林利·格文奈普（Linley Gennap）表示，隨著時間的推移，摩爾定律帶來的好處將越來越少，最終可能會慢慢停止。

在這一點上，晶片設計將帶來性能的提高。

關於人工智慧最酷的一點是，現在沒有人知道正確答案是什麼，人們正在嘗試很多不同的架構。

這是一個非常有創造力的時期，最終會有人想出一個很好的解決方案，它的數量級將比我們今天所擁有的要高。

但格文奈普並不清楚Alpha ICs公司的具體方法，他更傾向押注於Alpha ICs的競爭對手，如Graphcore公司（該公司在2017年底籌集了5000萬美元），或Mythic公司（該公司在2018年初籌集了4000萬美元）。

格文奈普認為，還有很多其他資金雄厚的公司也在討論和Alpha ICs一樣的方法，這涉及到尋找與英偉達推廣的圖形處理器(GPUs)不同的解決方案。

格文奈普表示，我們都認同圖形處理器對人工智慧並沒有多大幫助，但卻是我們今天所擁有的，我們真正需要的是經過優化的晶片，能以一種更節能的方式運行人工智慧。

這些人所說的聽起來和其他人宣傳的一樣，Alpha ICs公司談論的是張量，這是英偉達正在做的；把智能代理放到晶片上，這是Graphcore和其他人正在做的。

每個人都有相同的目標，問題是，誰將很快兌現承諾，誰能展示比英偉達優化的圖形處理器更好的性能功耗比。

在這個領域還有很多公司，當然，達姆並不會被勝算不大的事情嚇倒。

AlphaICs公司已籌集了250萬美元的種子資金，以證明其晶片設計能比中央處理器(CPUs，如英特爾製造的)或圖形處理器(GPUs，如英偉達製造的)更好地處理人工智慧。

該公司總部位於加利福尼亞州米爾皮塔斯(Milpitas)市，現有25名工程師。

該公司位於FalconX孵化器中，由Nagendra Nagaraja和Prashant Trivedi發起。

Nagendra擁有18年晶片設計經驗，獲得了28項專利；Prashant是一位經驗豐富的晶片設計師和營銷人員，有17年的工作經驗。

他們相對來說不為人所知，儘管達姆認為他們在創業初期做了大量的工作。

Nagaraja在與Trivedi建立公司之前，自己做了一段時間的晶片設計。

「我遇到Nagendra，並愛上了他的這個想法，」達姆說，「我們追求的是一種別人從未有過的思維方式，我們認為必須通過在現場可編程門陣列(FPGA)或可編程測試晶片上進行測試來證明它的有效性。

」

相比之下，達姆的經歷則是典型的白手起家的矽谷移民故事，40多年來他一直是科技界的常客。

他出生在印度的普納（Pune），1975年他來到美國學習工程學，當時口袋裡只有8美元。

後來他成為了一名晶片工程師，並幫助發明了英特爾的第一個快閃記憶體晶片，該晶片現在已經成為一個價值數十億美元的巨大產業。

他繼續管理英特爾的微處理器項目，包括1993年推出的奔騰處理器晶片，鞏固了英特爾作為全球最大晶片製造商的地位。

他處理了關於奔騰處理器故障的負面報導，後來加入到英特爾的競爭對手美國半導體公司NexGen和AMD。

2000年，他將Silicon Spice公司以12億美元的價格賣給了Broadcom公司，並成為該公司的執行長。

後來，他成了一名風險投資家，先後在風投公司NewPath Ventures、NEA-IndoUS Ventures任職。

如今，他是Alpha ICs公司的總裁兼營運長。

「我們有製造新技術的新方法，並會首先應用到人工智慧上，」達姆說。

「我們投資的是真正的人工智慧，而不是圖形處理器。

」圖形處理器擅長分類，這要歸功於深度學習神經網絡軟體，在過去的五年里，它已經變得非常善於學習識別物體。

但這些晶片並不像AlphaICs公司所設想的那樣擅長做智能代理或決策。

達姆稱，事實上，當圖形處理器在識別中出錯時，結果可能是災難性的。

「有些異常值無法預測，」他說。

「我們需要一種比基於圖形處理器的深度學習更智能的技術，除了分類，它還能讓你做出決策。

這是晶片上的一個自我學習代理，它可以做出決定。

也是我們現在所做的。

」相比之下，市面上有很多愚蠢的人工智慧。

你給人工智慧電腦展示一把牙刷，它可能會得出結論——這是一個棒球棒。

「如果你錯了，結果會很危險，而且產生浪費，」達姆說。

「深度學習也是一個黑匣子。

如果出了問題，你卻不知道問題出在哪兒。

我們的晶片更容易調試。

」

2013年，DeepMind公司的一個研究小組訓練他們的神經網絡去玩雅達利2600遊戲，如Breakout，這樣他們就能比最優秀的人類玩家表現得更好。

現在這些遊戲作為人工智慧的基準測試。

DeepMind公司訓練了大約7天時間才變得熟練。

2016年，英特爾使用16核的Xeon處理器，可以在24小時內完成。

AlphaIC的晶片則可以在6小時內用64個智能代理完成這項任務。

「這是很大的突破，」達姆說。

「我們相信我們可以達到最優的性能功耗比。

」在第一次嘗試中，AlphaICs公司將32個智能代理放在一個晶片上，接著在約225毫米的晶片上放置64個智能代理。

這是一個相對較小的晶片，應該比傳統的計算晶片更節能。

但它的思維方式不同。

AlphaICs晶片是計算張量的集合，它接收來自真實世界的反饋並對其做出反應。

許多工作是並行進行的。

達姆表示，這些晶片的延遲或交互之間的等待時間減少了10倍。

「谷歌已經創建了一台基於張量的計算機，我們已經更進一步，創造了一組張量來創建一個層次結構以支持一種新型計算，」達姆說。

「這就是我們想法的起源。

中央處理器有限制。

圖形處理器為遊戲而設計。

這些都是在盲目地解決問題。

在不斷變化的環境中，它們通常不會做出決定。

」

AlphaICs公司並沒有籌集大量的資金，而是一直保持小規模，並小心翼翼地進行研發。

它已經與微軟等公司合作，並且正在開發用於協處理器的大量軟體。

達姆相信，AlphaICs的工作速度可以比競爭對手快很多倍，但這種晶片對工程師來說也相對容易編程。

「我們看到的很多都是脆弱的人工智慧，」達姆說。

「你可以把我們叫作強大的人工智慧。

」達姆表示，該公司希望在2019年年中能在市場上占有一席之地。

當然，英偉達十多年來一直致力於開發其圖形處理器晶片的人工智慧版本，而且其許多新的人工智慧晶片都是完全設計用來處理人工智慧的。

英偉達還擁有CUDA程式語言，這使其在全球大部分人工智慧軟體領域幾乎處於壟斷地位。

想成功還有一些壓力。

達姆擔心會面臨另一個「人工智慧寒冬」的風險，就像20世紀80年代和90年代那樣，當時人工智慧的進展相對較小。

隨著摩爾定律速度放緩，人工智慧晶片設計師和軟體製造商必須取得成功。

「圖形處理器結束了人工智慧的寒冬，它們瘋狂地騰飛了，」達姆說。

「我們想為真正的人工智慧來一次大變革。

這是20年來第一次有機會在晶片上做一些創造性的事情。

」