Can Machines Think?

李根 丰色 发自 凹非寺

非常AI | 公众号 QbitAI

Can Machines Think?

这是阿兰·图灵在1950年论文《计算机器和智能》中的经典提问，围绕着图灵的目标，软件和硬件开启了分头行动。

软件，以算法为核心，衍生出了神经网络，并在深度学习的加持下，让人工智能浪潮实现全面汹涌。

硬件，以芯片为载体，从CPU、GPU到各类AI芯片，从执行人的计算程序，到像人一样计算。芯片和AI，硬件和软件，一个源头流出的两条大河，终于在此刻合流交汇。

但背后的驱动力也越来越明显：

一个时代有一个时代的架构。

现在，面向AI时代的计算架构，呼之欲出。

让机器执行人的思考和计算：从CPU到GPU

要想知道未来到哪去，必先知道自己从哪儿来。

今天，一切智能机器无论大小，都少不了一块CPU。正是这个好比“大脑”的东西，让大大小小的硬件可以执行人写好的规则，实现各式各样的功能。

世界首块CPU诞生于1971年，但它的概念可以追溯到世界上第一台具有现代意义的通用计算机——EDVAC身上。

EDVAC是ENIAC（世界第一台电子计算机）的小老弟，由冯·诺伊曼设计。EDVAC最大的改变之一，就是将计算机划由运算器、控制器、存储器、输入和输出这五个部分组成。

这就是著名的冯·诺伊曼架构。从这个架构里，我们就可以看到CPU的雏形。

——从彼时至今，无论CPU的具体实现怎么变、晶体管数量翻多少番，它的构成始终由运算器、控制器和寄存器这三大部分组成。

其中，运算器也叫算术逻辑单元（ALU），负责算术运算和逻辑运算。寄存器细分为指令寄存器和数据寄存器等，负责暂存指令、ALU所需的操作数、ALU算出的结果等。

控制器则负责整体调度工作，包括对要执行的指令进行译码、从内存中调取数据给寄存器、向运算器和寄存器发出具体操作指令等。

从上面这个分工我们也能看出CPU的大概工作流程，简单来说就是这四步：

1、从内存提取指令；2、解码；3、执行；4、写回。

其中写回到寄存器的结果，可供后续指令快速访问。

看起来，整个流程没有什么bug。

但仔细回看一下CPU三大组成的各自分工，可以发现控制器和寄存器是这里面要负责的东西最多、要存的东西最多的两部分。

从下面这张CPU的简略架构图也能看出，运算器“偏居一隅”，几乎80%的空间都被控制单元和存储单元占据。

这样的设计就造成CPU最擅长的是逻辑控制，而非计算。

同时，依照冯·诺依曼架构“顺序执行”的原则，“古板”的CPU只能执行完一条指令再来下一条，计算能力进一步受限。

当然，你说CPU灵活性高、通用性强，我们可以将它进行同构并行。

但别忘了，单个CPU的性能上限就那么高、能容纳的核数也有限，这种方法能挖掘的潜能实在有限。

所以，要是让CPU来完成计算量动辄上亿的AI任务，实在是“爱莫能助”。就比如在自动驾驶领域，系统需要同时查看人行道、红绿灯等路况，如果交给CPU来计算，总不能车都撞上了还没算出来结果吧。

所以，针对CPU“拉垮”的计算能力，GPU站在了浪潮之巅。

正如其全称“图形计算单元”，GPU的初衷主要是为了接替CPU进行图形渲染的工作。

因为图像上的每一个像素点都需要处理，这项任务计算量相当大。尤其遇上一个复杂的三维场景，就需要在一秒内处理几千万个三角形顶点和光栅化几十亿的像素。

不过，由于每个像素点处理的过程和方式相差无几，这项艰巨的任务可以靠并行计算来化解。

而这恰好就是GPU最得天独厚的优势，尤其以处理这种逻辑简单、类型统一的琐碎计算任务为甚。

GPU之所以擅长并行计算，从其架构里就决定了。

GPU几乎主要由计算单元ALU组成，仅有少量的控制单元和存储单元。

这也就意味着，GPU可以拥有数百、数千甚至上万核心来同时处理计算任务，使计算的并行度得到成千上万倍的提升——相比现在普通电脑最多8核CPU同时工作，这是一个多么恐怖的数字。

再举一个最简单的例子来直观感受一下。

比如现在我们来计算一下5000个数相加之后的总和。

如果我们用CPU来算，即使派上8核CPU，每个核也需要计算625个数；假设每计算一个数需要1s，即使8核并行计算，总共也需要625s。（这里暂时不考虑支持向量指令的CPU）而GPU，核心数成千上万，计算5000个数字只需每核算1个数，1s就能搞定。

625sVS1s，这是何等的差距。

除了并行计算能力，GPU的内存带宽也是CPU的几十倍 ，决定了它将数据从内存移动到计算核心的速度更快，整体计算性能更加让CPU望尘莫及。

由于GPU的设计并没有专门跟图形绑定的逻辑，属于一种通用的并行计算架构，所以除了图像处理，它其实也非常适用于科学计算，乃至复杂的AI任务。

所以在2012年，当Hinton及其弟子Alex Krizhevsky将其作为深度学习模型AlexNet的计算芯片，一举赢得Image Net图像识别大赛之后，GPU在AI领域的名声就一炮打响。

而早就基于自家GPU推出了CUDA系统的英伟达，又凭借着三年时间里将GPU性能提升65倍，并提供后端模型训练和前端推理应用的全套深度学习解决方案，奠定了自己在该领域的王者地位。

直到今天，GPU也还是AI时代算力的核心、人工智能硬件领域的霸主。

然而，GPU属于通用计算芯片和架构，并非专门为AI打造，无法实现性能和功耗的统一。它的计算能力越强代表核心越多，功耗也就越大。

比如RTX 4090，450W；比如今年9月刚上市的H100，直接史无前例，700W。这种情况还大有逐年攀升之势。

还是拿自动驾驶举例，在电车基本成为主流的当下，如此高的功耗势必对续航里程造成困扰。更别提越来越多的终端也开始具备AI能力（比如手机、智能音箱），它们不仅要求计算能力，对功耗的要求也更加严格，再强的GPU在这里也显得很弱势。

另外，一些更复杂的AI场景（如云端推理、模型训练等），常常动辄就需要上百块GPU一起运算，这让整个计算平台的功耗控制也是相当棘手。很多机构不得不考虑能源和环保问题。

这不，今年7月诞生的目前最大的多语言开源模型BLOOM，就动用了384块A100炼成，释放的热量最终都用来给学校供暖了。

所以，综上来看，CPU和GPU的出现，虽然帮助机器拥有了执行人的思考和计算的能力，尤其后者让AI计算任务得到了相当大的加速，但一些缺点还是让它们无法大展身手。

因此要想让机器像人一样思考和计算，通用计算芯片的架构决定了不会是最佳方案。

让机器像人一样思考和计算：AI芯片大爆发

数据驱动的方式方法，让机器像人一样思考和计算展现了可能。

但背后的计算需求，也让过去的计算架构越显强弩之末。

据统计，光是在2012年到2018年的六年时间里，人们对于算力的需求增长了就超过30万倍。也就说，每3.5个月AI算力就大约翻一倍。如今这个数字还在继续攀升。

所谓“通不如精”，以CPU和GPU为代表的通用计算芯片架构，已经无法很好地匹配和满足这一需求，所以在各类新AI技术层出不穷的同时，新计算、新架构、新芯片在过去几年也迎来了前所未有的大爆炸。

因此这几年，我们看到了很多除了CPU和GPU以外的各种“xPU”，诸如谷歌TPU、Graphcore IPU、特斯拉NPU、英伟达DPU……

尽管它们的分类不同，有的属于半定制化的FPGA，有的属于全定制化的ASIC，有的应用于终端，有的应用于云端……但作为专门为AI任务和需求而生的新芯片，它们都有着比CPU/GPU功耗低、计算性能高、成本更低等优势，落地到哪里就给哪里带去了翻天覆地的变化，比如最近几年的智能手机、自动驾驶、机器人、VR等领域。

按照能力和用途，这些AI芯片们在这个过程中上演了这样两个阶段：

首先是仅作为加速器，辅助CPU完成HPC、模型训练/推理等AI任务。

（AI芯片几乎都不具有图灵完备，所以必须要和CPU一起搭配使用，这也是所谓的“异构融合”大趋势。）

它们的结构类似串联，可以用“CPU+xPU”这样的公式来表达。

这一组合最经典的其实就是CPU+GPU，它俩到现在其实也还在流行。

只不过如前面所说，GPU不算专门为AI设计的芯片，无法在这一领域发挥出极致的性能，所以这里的xPU更多的指TPU、IPU、DPU等AI加速芯片。

（当然，GPU还是自有它的用处，所以它有时也会加入进来，形成“CPU+GPU+xPU”的结构。）

这一模式最大的特点就是，CPU只负责少量的计算，一般为那些情况比较复杂、计算难度不确定、灵活性要求高的部分；大部分“脏活累活”都由计算能力超强、能耗又没那么高的xPU来完成。

就如下图所示，在实际情况中，它们的分工很可能遵守“二八定律”——xPU负责整个系统80%的计算任务，剩下的20%由CPU+GPU分担，其中GPU的比例又高达16%，留给CPU的只剩下4%。

如果进行软硬件融合的进一步优化，三者之间的比例还可能变动为90%、9%和1%。

这样各司其职、各挥所长的安排可以保证最极致的性能和性价比，做到从前CPU和GPU单上无法企及的高度。

其次，AI芯片作为专用芯片，针对专门的领域推出，负责某一特定AI任务的计算。

（说通俗点，就是某一块专用芯片能在自动驾驶领域使用，换了机器人领域就不行）。

在这种模式下，各xPU已成为各系统的主角，决定该系统的整体性能和效果。

这就导致一些自动驾驶公司，在宣传它们的技术时，只把xPU拉出来大肆宣传，基本不提CPU和GPU的事儿了。

那么CPU在干嘛？当然是利用自己擅长的逻辑控制来把控整个流程。

因此此时，CPU和AI芯片的关系更像一种并联结构，我们就可以用“CPU、xPU”的公式来表达（当然，GPU也仍然可能参与其中）。

如前面所说，由于CPU基本不决定计算性能，我们也就不用再寄希望于CPU的战斗力有多强。

进一步地，我们可以认为，这种模式其实是将通用计算芯片的核心地位削减了——CPU的地位又变了。

那么，成为“中流砥柱”的AI芯片们究竟有多大威力？我们来看3个案例。

首先是云端。

在这个领域，互联网巨头们有着“本土作战”的优势，因此大多可以不依赖英伟达等传统巨头。

如谷歌2015年就推出了自己的云端加速AI芯片TPU。

它的中文名叫张量处理器，属于ASIC芯片的一种，专为加速深度学习框架TensorFlow而设计。

得益于用量化技术进行8位整数运算、脉动阵列、基于复杂指令集（CISC）等设计，它与同期的CPU和GPU相比（英特尔至强E5-2699 v3与Tesla K80 GPU），可以提供大约15-30倍的性能提升。

如下图所示，当将延迟全部控制在7毫秒之内时，TPU每秒可运行的MLP0预测可达22.5万次。同等情况下，CPU只有5000多，GPU也仅为1.3万+。

效率方面（性能/瓦特）的提升也高达30-80倍：

（谷歌第一代TPU功耗约为40W，性能最强的第四代也只有175W，而同时期的A100已达400W。)

这样的成绩意味着它既可以大规模运行于最先进的神经网络，也可以同时把成本控制在可接受的程度上。

△ TPU在以上6种神经网络中的CNN1上表现最好，性能是GPU的26倍

它的出现，不仅打破了深度学习硬件执行的瓶颈，也在一定程度上撼动了英伟达等传统巨头的地位。

谷歌也对它重用有加，搜索、街景、照片、翻译等服务以及AlphaGo背后的神经网络计算，都交由它来完成。TPU的出现，成为了AI时代云端计算需求的代表性解决方案。

终端方面，最具代表性的场景是AI司机变革下的汽车领域，即自动驾驶。

目前，自动驾驶芯片有两条主要技术路线：

一是英伟达Orin靠“魔改”GPU所走的通用架构路线；另一个是特斯拉、高通、Mobileye等青睐的专用芯片技术路线，也就是CPU+（GPU）+xPU的形式。

比如特斯拉FSD芯片就是主要由CPU、GPU和NPU组成。

△ 图源wikichip，特斯拉FSD芯片die shot图

其中，NPU是里面占比最大的处理器，是整个架构的重点。

它是由特斯拉硬件团队自研的一种ASIC芯片，主要用来对视觉算法中的卷积运算和矩阵乘法运算进行有效加速。

具体来看，每块NPU的运行频率为2GHz，峰值性能可达每秒36.86万亿次运算（TOPs），总功耗却仅为7.5W。

所以，正是从特斯拉开始，专为自动驾驶所需的神经网络打造的NPU开始成为汽车芯片的主要组成部分，传统的通用芯片CPU、GPU开始退居辅助位置。

国内方面，唯一实现车载智能芯片大规模前装量产的地平线，其代表芯片征程系列，也是采用“CPU+ASIC”的技术路线，ASIC部分用的是自研的BPU。

它的使用使最新的征程5芯片算力达到了128TOPS，功耗也只有30W。

由此，征程5靠4.3TOPS/W能耗比，一举超过了特斯拉FSD（2TOPS/W）、也超过了2022年高端智能电动车标配的英伟达Orin（3.9TOPS/W）。

这种性能和功耗展现出的对比，甚至是标志性的。背后是芯片架构在AI时代正在发生的变化趋势：

CPU在其中的作用和地位一直在变化，而这其实反映的是AI时代计算架构客观需求的进化——

一开始是完全规则驱动，只有CPU\GPU等通用计算芯片进行发力，但由于架构的规则都是被写死的，无法适应越来越快的算力需求；

于是开始了半规则驱动，CPU\GPU等通用计算芯片的核心能力继续发力，但已开始有专用芯片的介入，让AI计算架构不再依赖于完全写死的规则，相对灵活地发挥出价值；

再到后来，便开启了自定义规则驱动的阶段，此时专用型AI芯片占据核心地位，CPU/GPU仅仅作辅助之用，AI计算架构获得最大的自由度。

而我们的机器也终于能够从执行人的思考和计算，越来越接近像人一样思考和计算。

但这还不是终点。

终极计算架构：Neural Computing

终点是什么？不同视角会有不同的答案。

最近正在被更多人认同的是：Neural Computing，神经网络架构，或者说神经网络统一架构。

即一个大一统的神经网络计算架构，一套架构驱动所有场景、领域或任务，比如图像处理、视频编解码、图像的生成、渲染，只需要很少的一点点改动或者一点点算法的调优，就能解决各式各样的问题。

其特点，就是用技术驱动的方式去集成少量的规则，让硬件因软件而打造，软件为实现算法而生，这样更符合AI算法模型和任务的特点，也才能真正让模型跃迁驱动性能跃迁。而不再是传统的用硬件迭代解决问题。

而且这种方法论，不只是单纯的展望，因为正在被实践。

比如智能车载芯片，不仅用神经网络做了分割、检测和识别等语义级信息，而且能够清晰地看到一个趋势，包括ISP（Image Signal Processing）这样的图像处理任务，也都能够用神经网络实现了。

而业内，视频编解码相关的方法，神经网络也比传统方式实现得更好，信噪比更优异。

这两年火爆的NeRF，涉及到过去非常考验硬件能力的图像渲染，需要基于光线追踪等等图形学理论建立复杂规则的算法，也都被证明神经网络可以做得更好。

甚至用的还是很简单的神经网络计算方法，通过学习再推理的方式重构整个过程，把过去花费大力气求解的3D点云恢复重建等问题，更直接高效解决，实力和潜力，都不言自明了。

更重要的是，这种实践被放到了一个更具时代变革的趋势上：计算架构领域到了一个分久必合的时候，到了一个传统冯诺依曼架构亟待突破的时候。

这是两个时代的划分，背后是人与机器关系的两种范式。

1.0时代，依赖于经验和规则，把人类理性分析转换成计算机可具体执行的规则代码，不仅定义目标，也定义整个执行的过程。

这个时代里有很多经典的算法排序，会告诉机器每一步做什么，以及怎么做。CPU和GPU都是这个时代里的集大成者。

2.0时代，依靠的是神经网络学习和迭代，人类提目标、要求，有时目标甚至会是一个大致的方向和框架，但机器会在神经网络驱动下，搞清楚如何去执行，如何围绕目标求解最优解——机器有了自主性。于是就得从算法、架构到芯片确保机器的这种自主性。

1.0时代可以很多精细的规则、后处理、后融合，把所有人类对于具体场景任务的know-how变成计算机可严格执行的代码，再与“摩尔定律”和硬件革新配合，做到极致的高效。

然而AI模型范式下对数据的需求，以及先进制程的濒临极限，摩尔定律失效已然是再明显不过的事实。

所以计算架构和范式，一定会进入2.0时代，人类架构的是神经网络模型，模型自己去求解目标和结果，整个过程不再依赖人写死的规则和经验。这会是软件、硬件到认知方法方方面面的根本性改变——传统的计算架构不再适用。

这种对自主机器到来的判断，实际也能理解很多新现象。

比如马斯克为什么把特斯拉的下一步，定在机器人形态上。

百度创始人李彦宏，把自动驾驶、智能车，放在了“汽车机器人”的维度上思考和谈论。

以及当前以智能车载芯片知名的地平线，全名里为啥是“机器人技术”。

因为一旦沿着AI落地展开思考和推演，最后能作为独立品类、物种展现AI核心变革力的，有且只有机器人，或者说就是自主机器人。

它可以是家里扫地的那种，可以是提供自动驾驶出行的那种，也可以是仿照人类形体而生的那种——从感知到控制都有自主权，会是边缘的而非云端的，会是去中心化的而非中心化的。

而既然自主机器人是AI最终的归属，那更本质的要打造的产品，就是驱动这个自主机器人的大脑，就是处理器，或者更本质地说是计算架构。

这个本质问题的搞清楚，也能理解整个芯片半导体、信息计算产业的兴衰规律。

按照经济学的观点说，需求决定了供应，经济基础决定了上层建筑。

这也是为什么一个时代会有一个时代的芯片，因为一个时代会有一个时代的计算架构。

既然神经网络已经开启了“机器像人一样思考和计算”的变革，那固化执行人类思考和计算过程的架构，注定让出中心地位，通用计算芯片也会逐渐失去主导权。

One more thing

这种无情的历史变迁，也让另一个知名类比更具现实骨感。

在AI浪潮汹涌的热潮中，CPU一而再被质疑，一而再被挑战，后来英特尔的高管给出了极具中国色彩的比喻——

“CPU是所有XPU平台的中央神经系统，这就有点像中国人的主食米饭，别的XPU都是菜，不同地方的人喜欢不同的菜，但他们都需要和大米来搭配。”

这个类比，彼时彼刻，不得不承认既形象又巧妙。

只是比喻后来也跟此时此刻一样精准：追求低碳水的新时代里，谁也没想到，米饭竟然不再必要了。