日前，去年擊敗世界圍棋第一人李世石，由Google收購的DeepMind開發(fā)的圍棋AI—AlphaGo移師中國，再戰(zhàn)目前等級分排名世界第一的中國棋手柯潔九段，且率先拿下一局暫時(shí)領(lǐng)先的消息再次引發(fā)了業(yè)內(nèi)對于AlphaGo的關(guān)注。
那么問題來了，AlphaGo緣何如此的“聰明”和超乎人類的思考和反應(yīng)能力？
就在AlphaGo與柯潔“人機(jī)大戰(zhàn)”不久前，Google I/O 2017大會(huì)上，，Google“移動(dòng)為先”向“AI優(yōu)先”再次升級，其中比較典型的表現(xiàn)之一就是更新和升級了去年I/O 2017 大會(huì)上公布的TPU（Tensor Processing Unit）。
TPU是一款Google自己高度定制化的AI（針對AI算法，例如其自己開發(fā)的Tensor Flow深度學(xué)習(xí)架構(gòu)）芯片，也是AlphaGo背后的功臣。
AlphaGo能以超人的熟練度下圍棋都要靠訓(xùn)練神經(jīng)網(wǎng)絡(luò)來完成，而這又需要計(jì)算能力（硬件越強(qiáng)大，得到的結(jié)果越快），TPU就充當(dāng)了這個(gè)角色，更重要的是借此顯現(xiàn)出了在AI芯片領(lǐng)域相對于Intel的CPU和NVIDIAGPU的優(yōu)勢。
何以見得？
據(jù)稱，在去年的“人機(jī)大戰(zhàn)”中，起初AlphaGo的硬件平臺(tái)采用的是CPU + GPU，即AlphaGo的完整版本使用了40個(gè)搜索線程，運(yùn)行在48顆CPU和8塊GPU上，AlphaGo的分布式版本則利用了更多的芯片，40個(gè)搜索線程運(yùn)行在1202顆CPU和176顆GPU上。
這個(gè)配置是和當(dāng)時(shí)樊麾比賽時(shí)使用的，所以當(dāng)時(shí)李世石看到AlphaGo與樊麾的對弈過程后對“人機(jī)大戰(zhàn)”很有信心。
但是就在短短的幾個(gè)月時(shí)間，Google就把運(yùn)行AlphaGo的硬件平臺(tái)換成了TPU，之后對戰(zhàn)的結(jié)果是AlphaGo以絕對優(yōu)勢擊敗了李世石，也就是說采用TPU之后的AlphaGo的運(yùn)算速度和反應(yīng)更快。
究竟TPU與CPU和GPU相比到底有多大的優(yōu)勢（例如性能和功耗）？
據(jù)Google披露的TPU相關(guān)文件顯示，其TPU與服務(wù)器級的Intel Haswell CPU和NVIDIA K80 GPU進(jìn)行比較，這些硬件都在同一時(shí)期部署在同個(gè)數(shù)據(jù)中心。測試負(fù)載為基于TensorFlow框架的高級描述，應(yīng)用于實(shí)際產(chǎn)品的NN應(yīng)用程序（MLP，CNN 和 LSTM），這些應(yīng)用代表了數(shù)據(jù)中心承載的95％的NN推理需求。
盡管在一些應(yīng)用上利用率很低，但TPU平均比當(dāng)前的GPU或CPU快15～30倍，性能功耗比（TOPS/Watt）高出約30～80倍。此外，在TPU中采用GPU常用的GDDR5存儲(chǔ)器能使性能TPOS指標(biāo)再高3倍，并將能效比指標(biāo)TOPS/Watt提高到GPU的70倍，CPU的200倍。
盡管NVIDIA對于上述的測試表示了異議，但TPU相對于CPU和GPU存在的性能功耗比的優(yōu)勢（不僅體現(xiàn)在AI，還有數(shù)據(jù)中心）已經(jīng)成為業(yè)內(nèi)的共識(shí)。
值得一提的是，在剛剛舉辦Google I/O 2017 大會(huì)上發(fā)布的新一代TPU已經(jīng)達(dá)到每秒180萬億次的浮點(diǎn)運(yùn)算性能，超過了NVIDIA剛剛推出的GPU Tesla2 V100每秒120萬億次浮點(diǎn)運(yùn)算的性能。
那么是什么造就TPU如此的優(yōu)勢？
簡單來說，CPU是基于完全通用的訴求，實(shí)現(xiàn)的通用處理架構(gòu)，GPU則主要基于圖像處理的訴求，降低了一部分通用性，并針對核心邏輯做了一定的優(yōu)化，是一款準(zhǔn)通用的處理架構(gòu)，以犧牲通用性為代價(jià)，在特定場合擁有比CPU快得多的處理效率。
TPU，則針對更明確的目標(biāo)和處理邏輯，進(jìn)行更直接的硬件優(yōu)化，以徹底犧牲通用性為代價(jià)，獲得在特定場合和應(yīng)用的極端效率，也就是俗話所言的“萬能工具的效率永遠(yuǎn)比不上專用工具”，而這正好迎合了當(dāng)下諸多炙手可熱的人工智能的訓(xùn)練和推理等均需要大量、快速的數(shù)據(jù)運(yùn)算的需求。
到目前為止，Google的TPU已經(jīng)應(yīng)用在各種領(lǐng)域的應(yīng)用中，例如Google圖像搜索（Google Image Search）、Google照片（Google Photo）、Google云視覺API（Google Cloud Vision API）、Google翻譯以及AlphaGo的圍棋系統(tǒng)中。實(shí)際上我們上述提到的Google I/O 2017 大會(huì)推出和更新的諸多AI產(chǎn)品和服務(wù)背后均有TPU的硬件支持。
當(dāng)然，我們在此并非否認(rèn)CPU和GPU在AI中的作用，例如鑒于CPU的通用性，其靈活性比較大，不僅可以運(yùn)行各種各樣的程序，也包括使用各種軟件庫的深度學(xué)習(xí)網(wǎng)絡(luò)執(zhí)行的學(xué)習(xí)和推理。GPU雖然不像CPU那樣通用和靈活，但它在深度學(xué)習(xí)計(jì)算方面更好，因?yàn)樗軌驁?zhí)行學(xué)習(xí)和推理，并且不局限于單個(gè)的軟件庫。
相比之下，TPU則幾乎沒有靈活性，并且只能在自家的TensorFlow中效率比較高，這也是為何Google對外聲稱TPU不對外銷售，且仍會(huì)繼續(xù)采用CPU和GPU。
但Google的這一做法印證一個(gè)芯片產(chǎn)業(yè)的發(fā)展趨勢，即在AI負(fù)載和應(yīng)用所占數(shù)據(jù)中心比重越來越大的今天和未來，像諸如Google、微軟、Facebook、亞馬遜、阿里巴巴、騰訊等這些數(shù)據(jù)中心芯片采購的大戶，其之前對于CPU和GPU的通用性需求可能會(huì)越來越少，而針對AI開發(fā)和應(yīng)用的兼顧性能和能效的定制化芯片會(huì)越來越多。
作為通用芯片廠商的Intel和NVIDIA，如何順應(yīng)這一芯片產(chǎn)業(yè)在AI驅(qū)動(dòng)下的變化和發(fā)展趨勢未雨綢繆，則關(guān)系著其在AI時(shí)代到來之時(shí)，其能否繼續(xù)滿足客戶的需求和引領(lǐng)產(chǎn)業(yè)的發(fā)展。
本文推薦AlphaGo兇猛來襲：Intel、NVIDIA危險(xiǎn)了僅代表作者觀點(diǎn)，不代表本網(wǎng)站立場。本站對作者上傳的所有內(nèi)容將盡可能審核來源及出處，但對內(nèi)容不作任何保證或承諾。請讀者僅作參考并自行核實(shí)其真實(shí)性及合法性。如您發(fā)現(xiàn)圖文視頻內(nèi)容來源標(biāo)注有誤或侵犯了您的權(quán)益請告知，本站將及時(shí)予以修改或刪除。
