人工智能技术(AI)现在已是如火如荼的发展着,各种传感器,机器学习,外围设备五花八门,然而，其核心的数据处理硬件架构仍基于经典的冯·诺依曼结构。冯·诺依曼结构已有七八十年历史,这就好比已经直立行走的智人,仍长着一颗猩猩的脑袋。这就出现了冯·诺依曼瓶颈,也就是说CPU再快,也要等内存,因为CPU和内存之间的性能差距越来越大。冯·诺依曼结构中,计算模块和存储单元是分离的,CPU在执行命令时必须先从存储单元中读取数据。每一项任务,如果有十个步骤,那么CPU会依次进行十次读取,执行,再读取,再执行。.. 这就造成了延时,以及大量功耗(80%)花费在了数据读取上,当然多核、多CPU或一些常用数据的就地存储会一定程度上缓解这些问题,但这种中心处理的架构会限制处理能力的进一步发展,好比诺大个北京城,如果所有的政治、经济、文化活动都集中在市中心,为了生活,人们必须穿城而过,任你路修到二十环,还是一个词,堵死。
学术界和工业界出现了向人类大脑学习体系结构的趋势,大脑的处理单元是神经元,内存就是突触。神经元和突触是物理相连的,所以每个神经元计算都是本地的,而且从全局来看神经元们是分布式在工作。 |
