处理器与芯片电脑芯片和处理器 _经验知识

本文原载于《环球科学》2016年9月号。
如果AlphaGo采用寒武纪处理器的架构，只需要一台个人电脑大小的主机，就可以运行起来，而且运行速度应该会更快。
《环球科学》采访人员廖红艳
如何能让一张普通的图片具有艺术性呢？现在，借助一款应用了人工智能算法的手机修图软件 Pri***a，你可以将任何照片变成名画风格（比如梵高、莫奈、毕加索或宫崎骏风格），且极具艺术品质。连俄罗斯总理梅德韦杰夫都忍不住在社交网站上晒出了一张用Pri***a处理过的、有着浓郁铅笔画风格的风景照——滤镜里的莫斯科夜晚。
与普通滤镜不同，Pri***a采用深度学习算法，能够利用复杂的人工神经网络，抽象出给定绘画作品里一些高级的隐藏特征，学习画家的绘画风格，再把这个风格“智能”地应用到一张新图片上，是排名款人工智能的平民化应用。不过，美中不足的是，因为人工智能算法计算量极大，用户需要把照片发送到远程的服务器，几十秒后才能看到预览效果。
人工智能算法运算量到底有多大？想像一下，同样采用了人工智能算法的AlphaGo，需要用到上千块传统处理器（CPU）和上百块图形处理器（GPU）。

文章插图
很显然，在人工智能迎来新一波复兴的今天，传统处理器正成为阻碍人工智能普及的瓶颈。如果没有一款专门为神经网络设计的芯片，既高效、低耗、体积小，还能够嵌入智能终端设备，我们就无法与人工智能真正“亲密接触” 。好消息是，今年3月，一家刚刚成立的芯片设计公司——寒武纪公司（中国科学院计算技术研究所下属的产业化公司），已经发布了世界上排名款神经网络处理器指令集（Cambricon），而且正走在商业化的路上。

文章插图
值得一提的是，寒武纪公司的首席执行官陈天石和首席科学家陈云霁，是一对亲兄弟。哥哥陈云霁是计算机体系结构专家，弟弟陈天石是人工智能专家。兄弟两人的合作始于用人工智能技术支持通用处理器的研发，而后又转向用处理器技术来支持人工智能的发展。
2014年，陈天石、陈云霁与法国信息与自动化研究所（INRIA）的奥利维耶·泰蒙（Olivier Temam）博士共同发表的学术论文《DianNao：一种小尺度的高吞吐率机器学习加速器》（DianNao: A ***all-Footprint High-Throughput Accelerator for Ubiquitous Machine-Learning ），获得了ASPLOS（Architectural Support for Programming Languages and Operating Systems，编程语言和操作系统的体系结构支持）国际会议较佳论文，吸引了国际同行的目光。随后发表的几篇论文，更是奠定了他们在神经网络处理器这个领域的国际领跑地位。
展开全文
传统处理器指令集是为进行通用计算发展起来的，基本操作为算术运算和逻辑运算。而深度学习算法，基本操作是对人工神经网络中的虚拟神经元和突触进行处理。作为一款神经网络处理器，寒武纪处理器指令集的一条指令即可完成多个神经元的并行处理，而传统处理器需要数百甚至上千条指令才能完成一个神经元的处理。这也就解释了，为什么传统处理器运行深度学习算法时效率会如此低下。
“如果把深度学习看作切肉，传统的处理器就是瑞士军刀，我们的专用神经网络处理器则相当于菜刀。瑞士军刀通用性很好，什么都可以干，但干得不快，菜刀是专门用来切菜的，在切肉这件事情上，效率当然更高，”接受《环球科学》采访时，寒武纪公司首席执行官陈天石形象地比喻，“在运行人工智能算法方面，寒武纪处理器比通用处理器好百倍到千倍，如果AlphaGo采用寒武纪处理器的架构，只需要一台个人电脑大小的主机，就可以运行起来，而且运行速度应该会更快” 。

处理器与芯片 电脑芯片和处理器

处理器与芯片电脑芯片和处理器