<mark id="oztn4"></mark>
0
| 本文作者： 包永剛 | 2019-08-24 10:14 |
雷鋒網(wǎng)按：Hot Chips 31本周在美國硅谷舉辦，兩款最大的芯片發(fā)布引人注意。分別是Cerebras最大的深度學習芯片WSE，還有賽靈思發(fā)布全球最大的FPGA。Intel發(fā)布的兩款AI芯片Nervana NNP-T/NNP-I同樣備受關(guān)注。不過，AMD在Hot Chips期間并沒有獲得巨大的關(guān)注，這或許是因為在當今AI大熱的情況下，他們采用“觀望式”的AI策略。
Intel、AMD和NVIDIA如何預估AI市場？
NVIDIA預計，其數(shù)據(jù)中心和人工智能潛在市場（TAM）到2023年將達到500億美元。這包括HPC（高性能計算），DLT（深度學習訓練）和DLI（深度學習推理）。
英特爾估計，其DLT和DLI 潛在市場在2020年將達到460億美元。
AMD尚未發(fā)布任何關(guān)于深度學習潛在市場的預測，因為它更專注于從英特爾和NVIDIA獲得市場份額。因此，也沒有看到AMD有專注于人工智能的芯片。
不過，AMD首席執(zhí)行官Lisa Su表示，我們正在努力成為人工智能領(lǐng)域更重要的參與者。
Lisa Su：CPU的局限性
任何計算性能的討論都始于摩爾定律，但摩爾定律正在放緩。摩爾定律指出，隨著芯片尺寸縮小和晶體管密度增加，計算性能將每兩年翻一番。
在AnandTech Hot Chips 31的報道指出，Lisa Su在主題演講中解釋說，AMD通過各種方式改善了CPU的性能，包括工藝制程、芯片面積、TDP（熱設(shè)計功耗）、電源管理、微體系結(jié)構(gòu)和編譯器。
先進工藝制程的貢獻最大，這使得CPU的性能提升了40％。增加芯片尺寸也可以帶來兩位數(shù)性能的提升，但這不符合成本效益。
AMD通過微體系架構(gòu)將EPYC Rome服務(wù)器CPU IPC（每個周期的指令）在單線程和多線程工作負載中分別提升了23%和15%。高于行業(yè)平均5%-8%的水平。上述所有方法在兩年半內(nèi)都會使性能翻倍。
Lisa Su：人工智能所需的加速計算
Lisa Su表示，一方面，摩爾定律正在放緩。另一方面，世界上最快的超級計算機的性能每1.2年翻一番。這意味著過去十年的解決方案將失效。
該行業(yè)目前的需求是優(yōu)化系統(tǒng)的各個部分，使其成為人工智能工作負載的理想選擇。她解釋說，ASIC和FPGA的每瓦特性能最高，CPU最低。通用GPU在每瓦性能方面介于CPU和FPGA之間。
Lisa Su指出，每個人工智能工作負載都有不同的計算要求。互連技術(shù)是解決方案，因為它將不同的部分互連到同一個系統(tǒng)。她用以下例子解釋了這一點：
NAMD（納米級分子動力學）工作負載取決于GPU
NLP（自然語言處理）工作負載在CPU、GPU、內(nèi)存帶寬和連接性之間保持平衡
業(yè)界使用傳統(tǒng)方法提高了CPU和GPU的性能。Lisa Su強調(diào)，業(yè)界應(yīng)該通過關(guān)注互連，I/O、內(nèi)存帶寬、軟件效率和軟硬件協(xié)同優(yōu)化來提高性能。
AMD的AI策略
Lisa Su表示，AMD已采用CPU / GPU /互連策略來挖掘人工智能和HPC的機會。她說，AMD將在Frontier超級計算機中使用其所有技術(shù)。該公司計劃為實現(xiàn)超級計算機全面優(yōu)化其EYPC CPU和Radeon Instinct GPU。它將通過其Infinity Fabric總線技術(shù)進一步增強系統(tǒng)性能，并通過其ROCM（Radeon Open Compute）軟件工具解鎖性能。
與英特爾和NVIDIA不同，AMD沒有專用的人工智能芯片或?qū)Ｓ玫募铀倨鳌１M管如此，蘇還指出，“我們絕對會看到AMD在人工智能方面是一個很重要的參與者。”AMD正在考慮是否要建立一個專用的AI芯片，這一決定將取決于人工智能如何發(fā)展。
Su補充說，許多公司正在開發(fā)不同的人工智能加速器，如ASIC、FPGA和張量（Tensor）加速器。這些芯片將縮小到最可持續(xù)的狀態(tài)，然后AMD將決定是否構(gòu)建可以廣泛應(yīng)用的加速器。
與此同時，AMD將與第三方加速器制造商合作，并通過其Infinity Fabric互連將其芯片與自己的CPU / GPU連接。這個策略類似于其光線跟蹤策略，NVIDIA去年推出了實時光線跟蹤，但AMD并沒有急于推出這項技術(shù)。不過，Su表示AMD將在生態(tài)系統(tǒng)完善并且該技術(shù)被廣泛采用的情況下引入光線跟蹤技術(shù)。
鑒于AMD是一個相對較小的玩家，與擁有充足資源的大型玩家競爭，上述策略具有經(jīng)濟意義。在已經(jīng)建立的市場中分享份額可以減少因采用率低而導致產(chǎn)品失敗的風險，并保證最低的回報。
AMD AI戰(zhàn)略與英特爾和NVIDIA戰(zhàn)略的不同
AMD在開發(fā)AI芯片之前采用了觀望態(tài)度。他們現(xiàn)在做的，是利用其現(xiàn)有技術(shù)來滿足AI工作負載。
英特爾開發(fā)了全面的技術(shù)，包括Xeon CPU、Optane內(nèi)存、Altera FPGA和互連技術(shù)。也在開發(fā)獨立GPU Xe。在Hot Chip 31中，英特爾推出了專用于深度學習訓練和深度學習推理的Nervana AI芯片。英特爾的芯片由自己生產(chǎn)，雖然這使英特爾能夠更好地控制其技術(shù)，但需要大量的時間和資源。
NVIDIA的AI策略是提供通用GPU以及可用于任何AI應(yīng)用程序的CUDA軟件支持。它還具有NVLink互連技術(shù)。英偉達正與合作伙伴共同探索人工智能新市場。雖然這種策略需要大量研究并且有很高的失敗風險，但這些高風險也會帶來高回報。
雷鋒網(wǎng)編譯，via marketrealist 雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
