第15期 2020/11/15
芯片行業(yè)需要更多軟件才能趕上在人工智能領域領先的Nvidia
AI（人工智能）芯片初創(chuàng)公司BrainChip產品開發(fā)負責人Anil Mankar周二在著名的Linley Fall Processor會議上介紹了BrainChip公司技術的詳細信息。會議組織者Linley Gwennap提出，整個行業(yè)需要更多的軟件功能才能趕上在AI領域遙遙領先的Nvidia。（圖：BrainChip）
半導體行業(yè)目前處于芯片設計和性能改進的復興時期，但要趕上圖形芯片巨頭Nvidia（英偉達）卻還需要更多的軟件。業(yè)界會議Linley Fall Processor Conference（Linley秋季處理器會議）星期二提出了此觀點。
Linley Fall Processor Conference本周和下周以虛擬形式舉行。Linley Fall Processor Conference每年舉行一次，為年輕的芯片公司提供交流機會。
該會議的主持人Linley Gwennap是個有二十年經驗的半導體分析師。他在周二上午的大會開幕式上發(fā)表主題演講表示，對于那些想挑戰(zhàn)英偉達在人工智能方面領先優(yōu)勢的公司而言，軟件仍然是絆腳石。
Gwennap表示，“一些芯片供應商和云服務供應商為AI加速開發(fā)出了令人印象深刻的硬件，但下一個障礙是軟件。”
他在提到英偉達競爭對手遇到的困難時風趣地表示，“軟件是個極難的單詞。”
他稱有些公司或是不支持流行AI框架（例如TensorFlow）的某些功能，或是某些用于競爭芯片的AI應用程序甚至都可能沒法正確地編譯。
他表示，“這些供應商要與Nvidia和英特爾等公司的深度軟件堆棧競爭就必須支持廣泛的框架和開發(fā)環(huán)境，提供相應的驅動程序、編譯器和調試工具，為各種客戶工作負載提供全面的加速和最佳性能。”
Nvidia在構建神經網絡的訓練操作方面領先十幾年。Nvidia的CUDA是個軟件系統(tǒng)。一些曾與Nvidia芯片合作構建神經網絡的AI領域明星級人物曾一再提出，AI領域需要競爭才能打破Nvidia對AI科學領域的控制。
Global Foundries總經理Hiren Majmudar在會上詳細介紹了Global Foundries公司在物理設備方面的各種創(chuàng)新， AI初創(chuàng)公司可以利用這些創(chuàng)新取得性能優(yōu)勢。（圖：Global Foundries）
AI的開發(fā)傳統(tǒng)上是用在汽車和基礎架構的嵌入式設備上，現在已經擴展到云計算數據中心。英國的Imagination and Think Silicon是芯片設備巨頭Applied Materials的一個部門。Imagination and Think Silicon開發(fā)了一些臨界低功耗設備，可以應用于功耗受限的設備，例如由電池供電的微控制器產品。
英偉達上個月宣布打算以400億美元收購Arm Plc。這樣一來，要縮小與巨頭的差距就更難了。芯片行業(yè)所有挑戰(zhàn)者生產的芯片知識產權的核心屬于Arm制造。因此，英偉達軟件就會占更大的上風。
Gwennap表示，那些希望從Nvidia手里挖走市場份額的公司只得構建自己的軟件及復制Nvidia的某些功能，但還沒有產品能消除差距。
他表示，“目前存在一些開源努力，但并沒有很大的吸引力。大多數公司要開發(fā)自己的替代方案，這就是為什么花了這么長時間。”
盡管受到BrainChip和其他公司激增的競爭挑戰(zhàn)，Nvidia芯片（例如A100）仍繼續(xù)在市場份額和整體性能方面處于領先地位。（圖：英偉達）
這次會議吸引了許多新公司和已有所建樹的公司，每個公司都有一些在某些AI任務的原始性能方面優(yōu)于Nvidia的創(chuàng)新。創(chuàng)業(yè)公司包括Tenstorrent、Brainchip和SiFive等。包括英特爾和谷歌在內的一些知名公司也參與了該次會議。
合同芯片制造商Global Foundries為大批芯片公司生產處理器。Global Foundries在會上展示了創(chuàng)新的廣度和深度。Global Foundries公司描述了如何改善底層芯片的物理性能進而創(chuàng)建更好的晶體管，晶體管是所有芯片的基本組成部分。
盡管各方面的發(fā)展，英偉達新的和舊的部件的性能仍然令人印象深刻，MLPerf行業(yè)組織周三發(fā)布的最新AI基準測試結果證明了這一點（https://www.zdnet.com/article/nvidia-makes-a-clean-sweep-of-mlperf-predictions-benchmark-for-artificial-intelligence/）。
Gwennap表示，軟件仍然是縮小差距的癥結所在。
記者問Gwennap要采取哪些措施才能與Nvidia進行實質性競爭，他表示，“英特爾和高通擁有良好的軟件堆棧，他們在軟件上進行了大量投資并擁有大量的資源，我們看到一些資金雄厚的初創(chuàng)公司取得了一些進展，一些不錯的進展，但一切都仍然需要時間。”
會議的組織者Linley Gwennap表示，軟件仍然是那些想與Nvidia競爭公司的最大弱點。（圖：Linley集團）
他表示，“取決于團隊的規(guī)模和專業(yè)知識，開發(fā)此軟件可能要花費數月甚至數年。”
諸如Cerebras Systems和Graphcore的公司出售自己的計算系統(tǒng)，這些公司打造了全新的軟件程序，用在自己芯片上神經網絡處理方式的優(yōu)化。但這些個別的努力可能會使新芯片的使用趨向分化。
相比之下，英偉達的CUDA為人工智能設計人員提供了一致的平臺，設計人員可以在這樣的平臺上集中精力工作。
Gwennap建議，可能需要組合各種不同的努力才能形成對Nvidia有一定的挑戰(zhàn)。
Gwennap在談到一些初創(chuàng)公司各種不同的軟件開發(fā)工作時表示：“我認為需要在某個時進行整合，幫助其中一些公司增加軟件投資。”
Gwennap表示，無論要花費多少，軟件都是必不可少的。如果沒有一套完整的軟件程序、軟件堆棧，那么“AI加速器的客戶前景將受到限制”。
Gwennap告訴記者，該大會已舉辦15年了，今年有1,000多名與會者，是前幾年在硅谷酒店宴會廳舉行的會議會者的三倍多。
會議周三周四繼續(xù)，下周二、周三和周四進行第二輪演講，包括周二谷歌的主題演講。
本文章選自《AI啟示錄》雜志，閱讀更多雜志內容，請掃描下方二維碼
