2021|谷歌董事会主席John Hennessy:AI技术发展放缓,我们正处于半导体产业寒冬 | 钛媒体T-EDGE

2021|谷歌董事会主席John Hennessy:AI技术发展放缓,我们正处于半导体产业寒冬 | 钛媒体T-EDGE
文章图片

50年前,英特尔创始人之一戈登·摩尔提出了摩尔定律:集成电路上可容纳的晶体管数目,约每隔24个月便会增加一倍 。但近两年,关于摩尔定律是否失效的争论不断 。
与摩尔定律(Moore's law)相伴而生的是登纳德缩放定律(Dennard scaling),即随着晶体管密度的增加,每个晶体管的功耗会下降,因此每平方毫米硅的功耗几乎是恒定的 。但登纳德缩放定律在2007年开始显著放缓,到2012年几乎失效 。
也就是说,半导体技术的更新迭代显然已经无法带来飞跃的性能增长,即使多核设计也没有显著改善能效方面的问题 。这种情况下,能否找到更加高效的利用方法?未来半导体行业又会出现哪些变化趋势?
围绕这一问题,在钛媒体和国家新媒体产业基地联合主办的2021 T-EDGE全球创新大会上,Google母公司Alphabet董事会主席、2017年美国图灵奖获得者、斯坦福大学原校长John Hennessy发表了题为《深度学习和半导体技术领域的趋势和挑战》演讲 。
在他看来,实现更高的性能改进需要新的架构方法,从而更有效地使用集成电路功能 。具体的解决方案有三个可能的方向:
1、以软件为中心的机制 。即着眼于提高软件的效率,以便更有效地利用硬件;
2、以硬件为中心的方法 。也称为特定领域架构或特定领域加速器;
3、以上两类的部分结合 。开发出与这些特定架构相匹配的语言,让人们更有效地开发应用程序 。
在这样的变化之下,John Hennessy认为,“未来通用处理器将不是驱动行业发展的主力,能够与软件快速联动的特定领域处理器将会逐渐发挥重大作用 。因此,接下来或许会看到一个更垂直的行业,会看到拥有深度学习和机器学习模型的开发者与操作系统和编译器的开发者之间更垂直的整合,使他们的程序能够有效运行、有效地训练以及进入实际使用 。”
以下为John Hennessy演讲实录,经钛媒体编辑整理:Hello I'm John Hennessy, professor of computer science and electrical engineering at Stanford University, and co-winner of the Turing Award in 2017.
大家好,我是约翰·轩尼诗,斯坦福大学计算机科学与电气工程教授,也是2017 年图灵奖共同获得者 。
It's my pleasure to participate in the 2021 T-EDGE conference.
很高兴能参加 2021年的 T-EDGE 大会 。
Today I'm going to talk to you about the trends and challenges in deep learning and semiconductor technologies, and how these two technologies want a critical building block for computing and the other incredible new breakthroughs in how we use computers are interacting, conflicting and how they might go forward.
今天我想谈谈深度学习和半导体技术领域的趋势和挑战、这两种技术需要的关键突破、以及计算机领域的其他重大突破和发展方向 。
AI has been around for roughly 60 years and for many years it continues to make progress but at a slow rate, much lower than many of the early prophets of AI had predicted.
【2021|谷歌董事会主席John Hennessy:AI技术发展放缓,我们正处于半导体产业寒冬 | 钛媒体T-EDGE】人工智能技术已经存在大约 60 年,多年来持续发展 。但是人工智能技术的发展开始放缓,发展速度已远低许多早期的预测 。
And then there was a dramatic breakthrough around deep learning for several small examples but certainly AlphaGo defeating the world’s go champion at least ten years before it was expected was a dramatic breakthrough. It relied on deep learning technologies, and it exhibited what even professional go players would say was creative play.

推荐阅读