“奔腾”之父拟开创“真”AI芯片

以“奔腾之父”著称的英特尔(Intel)前高管维诺德·达姆（Vinod Dham）与一些年轻的芯片设计师合作，正在设计一种“真正的人工智能处理器”。

每个人都在尝试设计人工智能处理器或电子芯片，它们充当电脑的大脑，能像人类大脑一样工作。以“奔腾之父”著称的英特尔(Intel)前高管维诺德·达姆（Vinod Dham）是最近一个着手设计人工智能芯片的人。他与一些年轻的芯片设计师合作，设计了RAP芯片（real AI processors），即“真正的人工智能处理器”。

在AlphaICs公司，该团队正在开发一种协处理器芯片，可以实现基于智能代理的人工智能。这些RAP芯片有一天可能会被部署到计算设备和自动驾驶汽车上，以闪电般的速度做出决定，或者被大规模部署到数据中心。在自动驾驶汽车里，环境在不断变化，行人等威胁无处不在。RAP芯片就是为这些条件而设计的，达姆表示：“有了我们的芯片，你可以随时做决定”。

在某种程度上，这种芯片的出现很及时。多年来，英特尔和其他大型芯片制造商通过缩小芯片电路，能够制造出更快、更小、更便宜、耗电更少的芯片。这代表了一种制造上的进步，制造专家可以将电路之间的宽度从14纳米缩短到10纳米，以此类推。但就连英特尔也坦言，经过50多年的不断进步，摩尔定律正在放缓。该定律是1965年英特尔名誉主席戈登·摩尔（Gordon Moore）的一项预测，即芯片上的晶体管数量每年将增加一倍。通过每年向芯片工厂投资100多亿美元，英特尔每隔几年就能建立新的工厂，这样就可以将半导体转移到一个新的制造节点。目前只有格罗方德（GlobalFoundries）、台积电(TSMC)和三星(Samsung)才能进行类似的投资。

但英特尔已将其10纳米芯片的生产计划推迟到2019年晚些时候。这给了竞争对手一个迎头赶上的历史性机遇，可以通过设计而不是制造业的进步来实现芯片竞争。也就是说，如果你不能制造出更小的芯片，那么也许你可以通过设计更高效或更成熟的芯片来赢得竞争。达姆与AlphaICs公司都采用了这一想法，因为在人工智能应用的时代，提出一个全新的架构是有意义的。

科技行业分析公司Linley Group的分析师林利·格文奈普（Linley Gennap）表示，随着时间的推移，摩尔定律带来的好处将越来越少，最终可能会慢慢停止。在这一点上，芯片设计将带来性能的提高。关于人工智能最酷的一点是，现在没有人知道正确答案是什么，人们正在尝试很多不同的架构。这是一个非常有创造力的时期，最终会有人想出一个很好的解决方案，它的数量级将比我们今天所拥有的要高。

但格文奈普并不清楚Alpha ICs公司的具体方法，他更倾向押注于Alpha ICs的竞争对手，如Graphcore公司（该公司在2017年底筹集了5000万美元），或Mythic公司（该公司在2018年初筹集了4000万美元）。格文奈普认为，还有很多其他资金雄厚的公司也在讨论和Alpha ICs一样的方法，这涉及到寻找与英伟达推广的图形处理器(GPUs)不同的解决方案。

格文奈普表示，我们都认同图形处理器对人工智能并没有多大帮助，但却是我们今天所拥有的，我们真正需要的是经过优化的芯片，能以一种更节能的方式运行人工智能。这些人所说的听起来和其他人宣传的一样，Alpha ICs公司谈论的是张量，这是英伟达正在做的；把智能代理放到芯片上，这是Graphcore和其他人正在做的。每个人都有相同的目标，问题是，谁将很快兑现承诺，谁能展示比英伟达优化的图形处理器更好的性能功耗比。在这个领域还有很多公司，当然，达姆并不会被胜算不大的事情吓倒。

AlphaICs公司已筹集了250万美元的种子资金，以证明其芯片设计能比中央处理器(CPUs，如英特尔制造的)或图形处理器(GPUs，如英伟达制造的)更好地处理人工智能。该公司总部位于加利福尼亚州米尔皮塔斯(Milpitas)市，现有25名工程师。该公司位于FalconX孵化器中，由Nagendra Nagaraja和Prashant Trivedi发起。Nagendra拥有18年芯片设计经验，获得了28项专利；Prashant是一位经验丰富的芯片设计师和营销人员，有17年的工作经验。他们相对来说不为人所知，尽管达姆认为他们在创业初期做了大量的工作。Nagaraja在与Trivedi建立公司之前，自己做了一段时间的芯片设计。“我遇到Nagendra，并爱上了他的这个想法，”达姆说，“我们追求的是一种别人从未有过的思维方式，我们认为必须通过在现场可编程门阵列(FPGA)或可编程测试芯片上进行测试来证明它的有效性。”

相比之下，达姆的经历则是典型的白手起家的硅谷移民故事，40多年来他一直是科技界的常客。他出生在印度的普纳（Pune），1975年他来到美国学习工程学，当时口袋里只有8美元。后来他成为了一名芯片工程师，并帮助发明了英特尔的第一个闪存芯片，该芯片现在已经成为一个价值数十亿美元的巨大产业。他继续管理英特尔的微处理器项目，包括1993年推出的奔腾处理器芯片，巩固了英特尔作为全球最大芯片制造商的地位。他处理了关于奔腾处理器故障的负面报道，后来加入到英特尔的竞争对手美国半导体公司NexGen和AMD。2000年，他将Silicon Spice公司以12亿美元的价格卖给了Broadcom公司，并成为该公司的首席执行官。后来，他成了一名风险投资家，先后在风投公司NewPath Ventures、NEA-IndoUS Ventures任职。如今，他是Alpha ICs公司的总裁兼首席运营官。

“我们有制造新技术的新方法，并会首先应用到人工智能上，”达姆说。“我们投资的是真正的人工智能，而不是图形处理器。”图形处理器擅长分类，这要归功于深度学习神经网络软件，在过去的五年里，它已经变得非常善于学习识别物体。但这些芯片并不像AlphaICs公司所设想的那样擅长做智能代理或决策。达姆称，事实上，当图形处理器在识别中出错时，结果可能是灾难性的。“有些异常值无法预测，”他说。“我们需要一种比基于图形处理器的深度学习更智能的技术，除了分类，它还能让你做出决策。这是芯片上的一个自我学习代理，它可以做出决定。也是我们现在所做的。”相比之下，市面上有很多愚蠢的人工智能。你给人工智能电脑展示一把牙刷，它可能会得出结论——这是一个棒球棒。“如果你错了，结果会很危险，而且产生浪费，”达姆说。“深度学习也是一个黑匣子。如果出了问题，你却不知道问题出在哪儿。我们的芯片更容易调试。”

2013年，DeepMind公司的一个研究小组训练他们的神经网络去玩雅达利2600游戏，如Breakout，这样他们就能比最优秀的人类玩家表现得更好。现在这些游戏作为人工智能的基准测试。DeepMind公司训练了大约7天时间才变得熟练。2016年，英特尔使用16核的Xeon处理器，可以在24小时内完成。AlphaIC的芯片则可以在6小时内用64个智能代理完成这项任务。“这是很大的突破，”达姆说。“我们相信我们可以达到最优的性能功耗比。”在第一次尝试中，AlphaICs公司将32个智能代理放在一个芯片上，接着在约225毫米的芯片上放置64个智能代理。这是一个相对较小的芯片，应该比传统的计算芯片更节能。但它的思维方式不同。

AlphaICs芯片是计算张量的集合，它接收来自真实世界的反馈并对其做出反应。许多工作是并行进行的。达姆表示，这些芯片的延迟或交互之间的等待时间减少了10倍。“谷歌已经创建了一台基于张量的计算机，我们已经更进一步，创造了一组张量来创建一个层次结构以支持一种新型计算，”达姆说。“这就是我们想法的起源。中央处理器有限制。图形处理器为游戏而设计。这些都是在盲目地解决问题。在不断变化的环境中，它们通常不会做出决定。”

AlphaICs公司并没有筹集大量的资金，而是一直保持小规模，并小心翼翼地进行研发。它已经与微软等公司合作，并且正在开发用于协处理器的大量软件。达姆相信，AlphaICs的工作速度可以比竞争对手快很多倍，但这种芯片对工程师来说也相对容易编程。“我们看到的很多都是脆弱的人工智能，”达姆说。“你可以把我们叫作强大的人工智能。”达姆表示，该公司希望在2019年年中能在市场上占有一席之地。

当然，英伟达十多年来一直致力于开发其图形处理器芯片的人工智能版本，而且其许多新的人工智能芯片都是完全设计用来处理人工智能的。英伟达还拥有CUDA编程语言，这使其在全球大部分人工智能软件领域几乎处于垄断地位。

想成功还有一些压力。达姆担心会面临另一个“人工智能寒冬”的风险，就像20世纪80年代和90年代那样，当时人工智能的进展相对较小。随着摩尔定律速度放缓，人工智能芯片设计师和软件制造商必须取得成功。“图形处理器结束了人工智能的寒冬，它们疯狂地腾飞了，”达姆说。“我们想为真正的人工智能来一次大变革。这是20年来第一次有机会在芯片上做一些创造性的事情。”