圖靈獎得主avid Patterson表示我們正處于“后摩爾定律時代”

2017年圖靈獎得主、現(xiàn)任谷歌工程師以及計算機體系結(jié)構(gòu)宗師David Patterson表示我們正處于“后摩爾定律時代”。谷歌、英偉達、微軟、英特爾等各家公司都在探索不同的機器學習專用架構(gòu)，最終市場會決定一切。對于硬件和軟件工程師而言，正有無數(shù)能獲得圖靈獎的機遇在前面。

2017年圖靈獎得主之一、加州大學教授、Google工程師和RISC先驅(qū)David Patterson表示，沒有什么是比現(xiàn)在從事計算機系統(tǒng)結(jié)構(gòu)更好的時候了。

那是因為，摩爾定律真的結(jié)束了，他說：“如果摩爾定律仍然有效，那我們現(xiàn)在就落后了15倍。我們正處于后摩爾定律時代（post-Moore’s Law era）?！?/p>

上周，在圣何塞舉行的2018年@Scale會議上，Patterson表示，“我們已經(jīng)處于性能增長的最后階段。當性能每18個月翻一番時，人們就會丟掉用得好好的臺式電腦，因為他們朋友的新電腦速度要快得多得多。”

但去年，Patterson曾說，“運行單個程序的性能只增長了3％，因此它是每20年翻一番。如果你只是坐在那里等著芯片變得更快，你將不得不等待很長的時間?！?/p>

對于像Patterson這樣的計算機架構(gòu)師來說，這實際上是個好消息。他同時指出，這也是軟件工程師創(chuàng)新的好機會?！皩樘幚硖囟愋陀嬎銌栴}而定制的革命性的新硬件架構(gòu)和新軟件語言，正等待我們?nèi)ラ_發(fā)，”Patterson說：“這些事情你只要去做，就有機會拿圖靈獎?！?/p>

作為軟件方面的一個例子，Patterson表示將Python重寫為C可以使性能提高50倍。加上其他一些優(yōu)化方法，速度會急劇增加，與原始Python程序相比性能提高1000倍也是完全有可能的。

在硬件方面，Patterson認為特定領(lǐng)域架構(gòu)（domain-specific architectures，DSA）運行得更好。他說：“這不是魔術(shù)，只是我們能做的一些事情?！崩?，應用程序并不都需要用同樣精度的計算。他說，對于有些應用，你可以使用比常規(guī)的IEEE 754標準更低精度的浮點運算。

Patterson說，機器學習是現(xiàn)在應用這種新架構(gòu)和語言的最大機會。“如果你是做硬件的，”他說，“你希望你的朋友都恨不得要更多更多的計算機?！倍鴻C器學習對于計算來說是“貪婪的，我們太喜歡了”。

他說，如今，關(guān)于哪種類型的計算機架構(gòu)最適合機器學習，業(yè)界有很多爭議，有很多公司在不同的架構(gòu)上下注。谷歌擁有張量處理單元（TPU），每個芯片有一個核心和用軟件控制的內(nèi)存（而非緩存），英偉達的GPU則擁有80多個內(nèi)核；微軟正在走FPGA的路線。

至于英特爾，Patterson表示他們“在所有的賽道上都下了注”，為機器學習推銷傳統(tǒng)的CPU，收購Altera（這家公司向微軟提供FPGA），并且收購Nervana，后者專注于開發(fā)神經(jīng)網(wǎng)絡(luò)專用處理器（類似于谷歌的TPU）。

除了這些大公司外，Patterson表示至少還有45家硬件初創(chuàng)公司都在解決這個問題，即設(shè)計機器學習專用架構(gòu)。最終，他說，市場將決定一切。

“現(xiàn)在，”他說，“是計算機系統(tǒng)結(jié)構(gòu)的黃金時代。”