硅谷科技周报~“金钱为王”与“速度的尽头”
作者 硅谷寒 | 2013-11-23 20:21 | 类型 硅谷科技周报 | Comments Off
系列目录 科技一周
科技一周 2013/11/23~“金钱为王”与“速度的尽头”
“金钱为王”的概念,自古至今,未曾有过丝毫动摇。在当今这个充分商业化的社会里,金钱不仅仅是各种商业公司运转的直接目的,它更在世界任何的角落里都显露出了自己那举世无双的统治力。如果想要超越你的竞争对手,很简单,请先用金钱砸过去吧。来自中国的土豪就正在用这种办法“购买”着美国:
接下来转入科技一周的“科技正题”。本周一,图形芯片巨头Nvidia推出了新一代图形加速芯片Tesla K40,宣称具有“世界最快的图形加速性能”。对于这一点,我丝毫不怀疑,因为Nvidia每次推出的都是“世界最快”,从K10、K20、K20X,一直到今天的K40。但,我并不是来给K40唱赞歌的,毕竟K40这么一个集成了2880个并行计算处理器、12G显存的庞然大物,其计算速度也只不过是给单一CPU提升了10倍[1],而其带来的功耗增额与附加成本又岂止以10倍计? 如今,提升半导体制造工艺,越来越难,单颗芯片的计算速度几乎停滞不前,仅仅依靠堆积大量的核数与内存,来表象式地增加速度,真地是计算技术的未来之路吗?至少,我并不如此认为。论及此,我们不妨先从科技界最近的一些进展讲起。 “由来只有新人笑,哪里闻得旧人哭”,这句话放在科技界里,也分毫不差。三年前还红极一时的搜索技术,已渐显过时之态,而基于神经网络、贝叶斯网络、以及启发式算法(Metaheuristic)的人工智能技术,转眼之间炙手可热。人工智能技术涵盖这么几个大类:机器学习、大数据处理、计算机视觉、自然语言处理等。 这类技术有一个共同特点,都是基于大样本分析的网络节点训练算法。与先前基于搜索或逻辑推理的算法相比,它们并不需要每一个训练节点都能在事前推导出精准的正确结果,而是采用统计的方法,渐进优化自己的参数,最终在某个假设空间上达到最优的目标函数。 可以说,人工智能技术所需要的算法更接近于人脑的思维方式。 人工智能技术,固然需要底层处理器提供极快的计算速度,但不可忽视的是,它们也需要处理器在架构设计上有所变化,从而能适应这种“类人脑式”的网络推理模式,这并不是仅仅通过增加并行运算单元就能解决掉的。换句话说,已纵横天下近70年的冯诺依曼架构,到了是要改变的时候。如何在现有制造工艺的基础上,通过改变处理器架构,来提高系统的整体计算速度,并改善CPU与内存之间的通讯效率,将成为科技人员未来研究的重要方向。 前不久,IBM和Qualcomm都曾推出过基于神经网络架构的芯片。Qualcomm推出的叫做“0号NPU”(Zeroth Nerual Processing Unit),可以通过模拟人脑的思维方式,低功耗并且快速地完成一些简单的学习算法[2]。这无疑为计算技术的发展提供了新的想象空间。毕竟,在速度的尽头,我们需要一个革命性的全新架构。
[1]. Nvidia, Nvidia Launches World’s Fastest Accelerator For Cialis Online Supercomputing And Big Data Analytics, https://nvidianews.nvidia.com/Releases/NVIDIA-Launches-World-s-Fastest-Accelerator-for-Supercomputing-and-Big-Data-Analytics-a66.aspx , Nov 2013. [2]. Qualcomm, Introducing Qualcomm Zeroth Processors: Brain-Inspired Computing, http://www.qualcomm.com/media/blog/2013/10/10/introducing-qualcomm-zeroth-processors-brain-inspired-computing , Oct 2013. 图1. 郑峻,苏宁设立硅谷研究院,http://tech.sina.com.cn/i/2013-11-20/09268930947.shtml , Nov 2013. 图2. [1]. 图3. [2].
| |