如何实现超过1000倍的计算效能提升？

张心怡

“到2019年10月，经过三年多的转型，英特尔‘以数据为中心的业务营收在上个季度（2019年Q3）已经与PC业务持平，这是非常大的变化。”在近日举办的英特尔技术创新媒体沟通会上，英特尔中国研究院院长宋继强晒出了其数据中心业务的成绩单。

异构计算渐成趋势

与通用计算相对，异构计算面向专业化、客制化的计算需求，在计算任务中应用CPU、GPU、ASIC、FPGA等多种计算架构，被视为更适合后摩尔时代的计算方式。

产业界不断加码异构计算，是因为从20世纪90年代至今，数据的量和质都发生了巨大的变化。2000年之前的Web1.0，计算设备以PC为主，数据类型以结构化数据和图形数据为主。到了 Web2.0时代，用户从被动获取数据走向主动产生数据，服务器和PC同等重要，催生了云生态。到Web3.0，IoT让更多设备入网，产生的数据被AI深度挖掘，转化为业务价值。AI在训练、推理过程中产生大量元数据。随着IoT传感器越来越多，还会产生大量自然描述的数据。

来自端、边、云，对延时、成本、算法有着不同需求的数据，正在驱动计算架构的演进和扩展，异构计算渐成趋势。CPU适合标量运算，GPU可用于矩阵运算或者加速器，ASIC等定制的可编程硬件可作为AI专用的加速器。空间运算，即在矩阵中用最少的路径计算，可以用FPGA实现流程定制，这些架构构成了异构计算的常用组件。宋继强表示，在CPU和嵌入式GPU的基础上，通过对FP-GA厂商 Altera、ASIC 厂商 Nervana、结构化ASIC厂商eASIC等厂商的收购，英特尔已经掌握了CPU、GPU、ASIC、FPGA四种不同架构。

超异构计算面向下一个十年

在异构计算的基础上，英特尔提出了“超异构计算”，即采用多功能、多架构的芯片处理和加速不同的运算负载，采用封装集成技术将计算单元封装在一个SoC，并具备统一异构计算软件的计算架构。在异构计算的基础上，避开异构计算的短板，实现计算最优化，是超异构计算的意义所在。

除具备多种计算架构，超计算架构还需要封装和统一的计算软件。为此，英特尔推出了封装级别的异构整合方案和跨计算架构的软件平台。

英特尔的异构整合方案主要有2.5D封装EMIB和3D封装Fovero%EMIB泛用性更好，性价比较高，而Foveros相对昂贵，多用在小尺寸、低功耗、高性能的异构芯片中。

统一的异构计算软件平台，是为了提升编程效率，解决不同架构有着不同的汇编语言和调优方式的问题。英特尔的one API平台隐藏了硬件复杂性，根据系统和硬件自动适配功耗最低、性能最佳的加速方式，简化并优化编程过程。

在此基础上，英特尔推出了 Aumm超级计算机架构。Aurora包含one API，采用Foveros3D封装，配置了 2个英特尔至强可扩展处理器、6个基于CXL标准的GPU，采用7nm制程。宋继强表示，Aurora是“一个典型的超异构计算”，面向百亿亿次级的计算需求。

神经拟态量子计算驱动未来计算

在媒体沟通会上，宋继强拋出了一个问题：如何实现超过1000倍的计算效能提升？從标准计算到深度神经网络，再到神经拟态，千倍计算效能的提升需要“另辟蹊径”。英特尔的探索方向是神经拟态计算和量子计算。

神经拟态计算是真正模拟人脑的计算方式。宋继强表示，人脑计算有两个特点，一是事件驱动，二是输入多种互相关联的信号。“神经拟态想达到的目的是利用人脑事件驱动的机制达到省电，并利用能运用多种方式去学习和训练的机制，达到跨领域的融合和相关。”宋继强说。

2017年，英特尔推出了 Loihi神经拟态芯片，单个芯片有128核，可以模拟13万逻辑神经元，构成支持脉冲消息分发的片上网络。宋继强透露，英特尔已经尝试将200多个Loihi放在一起，构成1亿个神经元的计算和学习平台。“Loihi是14纳米制程，14纳米到10纳米，再到7纳米、5纳米，还有三个层级，假设每级密度提升两倍，光靠摩尔定律还可以实现8倍的密度，加上3D系统整合、芯片级3D整合技术，从1亿神经元到800多亿神经元，就不是一个梦了，只是一个时间和工程的问题。”宋继强说。

具备芯片、技术和工具链之后，英特尔建立了全球范围的神经拟态研究社区INRC，以进行更广泛的学术界、产业界合作，目前INRC已经有75家组织。

量子计算能够处理经典计算机不擅长的大规模计算问题。量子计算基于量子比特构成计算路径，在算法上，逻辑量子位可以当做稳定的量子位来使用。但是，量子计算距离商用还有相当的距离，不仅要解决量子位的数量问题，还要解决纠错、量子位之间的连接和测试问题。英特尔正在尝试基于硅电子自旋，用硅产业链去做量子计算，为量子计算打下商业化基础。“量子计算不会取代经典计算，适合在数据中心里配合经典计算的数据中心，处理组合爆炸问题，我们预计量子计算还需要8到10年来实现商业化应用。”宋继强说。