Intel收购Mobileye后,很多评论家说,算法和芯片已经进入了协同进化的时代。图灵奖获得者Alan Kay也说,
如果要严肃思考你的软件,就必须要做你自己的硬件
。苹果自己做手机芯片,特斯拉自己做自动驾驶芯片,都在表明一种趋势:软件和硬件互相成就、互相促成,行业竞争已经到了这样一个阶段。
中国科技厂商虽然在芯片等硬件上比较弱,但是在软件、应用层面和美国的差距却没有那么大。尤其是在人工智能的应用上面,中国市场以场景丰富而闻名。中国网民人口众多,互联网应用产生了大量的数据。中国汽车产销量长期保持世界第一,路况复杂,也是自动驾驶技术发展的最佳土壤。中国的互联网公司,尤其是百度,在深度学习方面的技术积累也比较多。这些公司肯定会逐渐将触角深入芯片领域,把他们的AI算法、用户体验方面积累的经验,反馈到芯片整体架构的设计中去。
举例来说,为应对庞大的计算需求和深度学习的要求,早在两三年前,百度就开始用GPU替代CPU进行计算,同时与Altera公司合作在云数据中心使用FPGA集群——百度作为最早一批在服务器中使用FPGA集群的科技巨头,满足了数据中心环节对高性能和灵活性的要求,并且完成了国内最大规模的部署。这些工作和技术创新的到了业内的好评,被收录在ASPLOS2014、hotchips2014和hotchips2016中。hotchips是国际高性能微处理器研讨会,中国历史上已经发表了8篇文章,其中3篇来自百度。一般人很难去了解这些业内信息。
2017年,百度宣布在公有云服务器中部署基于赛灵思FPGA的应用加速服务,带动主流云服务企业把目光聚焦到FPGA上。在和赛灵思的合作的基础上,百度发布了XPU(云计算加速芯片),采用百度设计的新一代AI处理架构,拥有专用计算单元和数百个处理器,兼具GPU的通用型和FPGA的高效率,同时针对PaddlePaddle深度学习平台进行了优化。
从百度上面的路径可以看到,国内科技公司尤其是致力于发展云计算的公司,在实践中必然会不满足于只做算法,而会算法和芯片一起做。
先进算法对芯片提出更高的要求,更强算力的芯片支撑优秀的AI算法,两者不可分离
。