出處：雷鋒網(wǎng)  作者：包永剛 

Hot Chips 31本周在美國(guó)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(xué)習(xí)芯片WSE，還有賽靈思發(fā)布全球最大的FPGA。Intel發(fā)布的兩款A(yù)I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?yàn)樵诋?dāng)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(yù)估AI市場(chǎng)？

NVIDIA預(yù)計(jì)，其數(shù)據(jù)中心和人工智能潛在市場(chǎng)（TAM）到2023年將達(dá)到500億美元。這包括HPC（高性能計(jì)算），DLT（深度學(xué)習(xí)訓(xùn)練）和DLI（深度學(xué)習(xí)推理）。

Intel估計(jì)，其DLT和DLI 潛在市場(chǎng)在2020年將達(dá)到460億美元。

AMD尚未發(fā)布任何關(guān)于深度學(xué)習(xí)潛在市場(chǎng)的預(yù)測(cè)，因?yàn)樗鼘Ｗ⒂趶腎ntel和NVIDIA獲得市場(chǎng)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)行官蘇姿豐(蘇姿豐)表示，AMD正在努力成為人工智能領(lǐng)域更重要的參與者。

蘇姿豐：CPU的局限性

任何計(jì)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(jì)算性能將每?jī)赡攴环?/p>

在AnandTech Hot Chips 31的報(bào)道指出，蘇姿豐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(jì)功耗）、電源管理、微體系結(jié)構(gòu)和編譯器。

先進(jìn)工藝制程的貢獻(xiàn)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(gè)周期的指令）在單線程和多線程工作負(fù)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(huì)使性能翻倍。

蘇姿豐：人工智能所需的加速計(jì)算

蘇姿豐表示，一方面，摩爾定律正在放緩。另一方面，世界上最快的超級(jí)計(jì)算機(jī)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(gè)部分，使其成為人工智能工作負(fù)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。

蘇姿豐指出，每個(gè)人工智能工作負(fù)載都有不同的計(jì)算要求。互連技術(shù)是解決方案，因?yàn)樗鼘⒉煌牟糠只ミB到同一個(gè)系統(tǒng)。她用以下例子解釋了這一點(diǎn)：

－ NAMD（納米級(jí)分子動(dòng)力學(xué)）工作負(fù)載取決于GPU

－ NLP（自然語言處理）工作負(fù)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。蘇姿豐強(qiáng)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

蘇姿豐表示，AMD已采用CPU / GPU /互連策略來挖掘人工智能和HPC的機(jī)會(huì)。

她說，AMD將在Frontier超級(jí)計(jì)算機(jī)中使用其所有技術(shù)。該公司計(jì)劃為實(shí)現(xiàn)超級(jí)計(jì)算機(jī)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(jìn)一步增強(qiáng)系統(tǒng)性能，并通過其ROCM（Radeon Open Compute）軟件工具解鎖性能。

與Intel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(duì)會(huì)看到AMD在人工智能方面是一個(gè)很重要的參與者。”

AMD正在考慮是否要建立一個(gè)專用的AI芯片，這一決定將取決于人工智能如何發(fā)展。

蘇姿豐補(bǔ)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(shí)，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(gè)策略類似于其光線跟蹤策略，NVIDIA去年推出了實(shí)時(shí)光線跟蹤，但AMD并沒有急于推出這項(xiàng)技術(shù)。

不過，蘇姿豐表示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(gè)相對(duì)較小的玩家，與擁有充足資源的大型玩家競(jìng)爭(zhēng)，上述策略具有經(jīng)濟(jì)意義。

在已經(jīng)建立的市場(chǎng)中分享份額可以減少因采用率低而導(dǎo)致產(chǎn)品失敗的風(fēng)險(xiǎn)，并保證最低的回報(bào)。

AMD AI戰(zhàn)略與Intel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(fù)載。

Intel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(dú)立GPU Xe。

在Hot Chip 31中，Intel推出了專用于深度學(xué)習(xí)訓(xùn)練和深度學(xué)習(xí)推理的Nervana AI芯片。Intel的芯片由自己生產(chǎn)，雖然這使Intel能夠更好地控制其技術(shù)，但需要大量的時(shí)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(dá)正與合作伙伴共同探索人工智能新市場(chǎng)。雖然這種策略需要大量研究并且有很高的失敗風(fēng)險(xiǎn)，但這些高風(fēng)險(xiǎn)也會(huì)帶來高回報(bào)。