摩爾定律的發(fā)展緩慢，近年來關(guān)于摩爾定律失效的言論越來越多，確實如此，由于硅半導(dǎo)體的發(fā)展趨近物理極限，10nm、7nm工藝結(jié)點之后估計很難再有突破，芯片性能的提升越來越困難，于是一些計算科學(xué)家開始研究如何依靠新的算法和電路設(shè)計讓現(xiàn)有芯片的性能完全發(fā)揮出來。

以下為文章全文：

阿里·法爾哈迪(Ali Farhadi)手心里拿著一部價值5美元的樹莓派電腦，他的研究團隊剛剛往這部微型電腦植入了一項強大的程序，使其可以識別上萬種物體。為此，他興奮不已。

法爾哈迪博士是艾倫人工智能研究所(the Allen Institute for Artificial Intelligence)的計算機科學(xué)家。他將這個程序稱為“指尖上的人工智能”。該實驗程序可以大大降低人工智能的成本，并提高隱私，因為你不需要通過互聯(lián)網(wǎng)共享信息。

對于微電子工業(yè)，該AI系統(tǒng)具有更重要的象征意義。它進一步接近了硅半導(dǎo)體的物理極限：跟競爭產(chǎn)品相比，它只使用了1/32的內(nèi)存，運行速度卻快了57倍。

對替代計算方法的研究變得越來越急迫。幾十年來，計算機研發(fā)人員每兩年就能獲得更便宜和更快速的芯片。隨著晶體管尺寸不斷縮小，計算機以加速度變得更加強大和更加便宜——這就是著名的摩爾定律。

兩年前，由于制造成本激增，且制造技術(shù)提升越來越難，晶體管的成本不再快速下降。芯片廠商商不再能夠——至少是暫時——輕松地生產(chǎn)出更便宜、更快速的芯片。

然而，如果說硅有極限，但是人類的聰明才智沒有極限。借助更好的算法和新型硬件電路，科學(xué)家可以看繼續(xù)設(shè)計出性能更強大、成本更低的計算機。

佐治亞理工學(xué)院的電氣工程師托馬斯·孔特(Thomas M. Conte)說：“這是一個有趣的旅程。今天，你進入一個縫縫補補的世界，你要為一個特定的問題找到一個更好的解決方案。我們將來就采用這種方法推進研究。”

今年夏天，英特爾收購了Nervana Systems公司。這是一家專門為AI程序設(shè)計更高效硬件的小型制造商。

本月初，美國阿貢國家實驗室(Argonne National Laboratory，簡稱ANL)、萊斯大學(xué)和伊利諾伊大學(xué)厄巴納-香檳分校的研究人員發(fā)表了一份研究論文，論述了他們針對英特爾芯片開發(fā)的編程技術(shù)如何做到以低得多的能耗完成同樣的工作。

這些超級計算機設(shè)計師稱，這項新方法意義非常重大。超級計算機正在從petaflop(1千萬億次浮點計算/秒)時代進入exaflop(1百億億次浮點計算/秒)時代，解決高能耗問題成為科學(xué)家們面對的最艱巨挑戰(zhàn)。

我們需要更強大的超級計算機，是因為它們能夠解決一些基本的科學(xué)問題，比如預(yù)測氣候變化將給人類帶來的哪些危害。

由于摩爾定律放緩，百億億次級計算機的誕生一再受阻。人們原本預(yù)計它將在2018年誕生，但現(xiàn)在人們又將其誕生的時間推遲到了2023年。

阿貢實驗室的論文指出，未來的exaflop超級計算機性能將提升1000倍，能耗也增加1000倍。為了減少這些能耗，研究人員關(guān)閉了英特爾芯片中負責“數(shù)學(xué)精度”的一半電路，然后將省下來的電量用于提升計算結(jié)果的質(zhì)量。

萊斯大學(xué)計算機科學(xué)家克里希納·帕勒姆(Krishna V. Palem)說：“數(shù)學(xué)精度就像一個旋鈕。問題是你用節(jié)省下來的電量做什么。”

研究人員正在嘗試像汽車換擋那樣使用微處理器的不同模式，根據(jù)不同的問題，自動來回切換處理器的精度。

經(jīng)驗豐富的超級計算機設(shè)計師馬克·史尼亞(Marc Snir)說：“我們要仔細研究如何節(jié)省能量，還有很多工作要做。”史尼亞同時是伊利諾伊大學(xué)厄巴納-香檳分校分校的計算機科學(xué)家。

阿貢實驗室的研究人員正在探索由帕勒姆博士提出的想法。帕勒姆在2003年首次提出了他稱之為做“不精確計算”的想法。他建議折衷精確度，以換取計算效率的大幅度提升。

起初，他嘗試利用由于制造缺陷導(dǎo)致部分晶體管不能工作的芯片來證明他的“不精確”的想法。

最近，他又轉(zhuǎn)向利用他的想法讓處理器變得更加節(jié)能。

帕勒姆博士說，該小組計劃將阿貢實驗室的研究用于更有效地運行與氣候變化相關(guān)的數(shù)學(xué)模型。

他最近與萊斯大學(xué)和首爾國立大學(xué)的研究室同事一起，展示了如何運用這個不精確性解決室內(nèi)定位的難題，因為GPS通常不能在建筑物內(nèi)運作。萊斯大學(xué)的研究人員采用了一種稱為“散列函數(shù)”的技術(shù)。散列函數(shù)使用較小的數(shù)值表示大量數(shù)據(jù)，如數(shù)字照片。他們依靠這種圖像來確定位置。

艾倫研究所的研究人員使用神經(jīng)網(wǎng)絡(luò)來識別物體，而萊斯大學(xué)科學(xué)家將智能手機攝像頭捕獲的周圍場景與手機本身存儲的圖像庫進行匹配。該方法將所有照片的數(shù)據(jù)進行壓縮，然后在簡單的手持計算機上計算方位。在通常情況下，這需要先ping互聯(lián)網(wǎng)上的整個數(shù)據(jù)網(wǎng)絡(luò)。

跟艾倫研究所的研究人員一樣，萊斯大學(xué)的科學(xué)家認為，他們的算法能效高，可以保護隱私，因為它不需要通過互聯(lián)網(wǎng)發(fā)送數(shù)據(jù)。而且，他們在最近的一篇文章中稱，他們能夠在現(xiàn)有方法的基礎(chǔ)上，“將能源和計算成本降低到500分之一”。

這些科學(xué)家表示，隨著計算工程發(fā)展的減緩，計算機的進步將越來越依賴人類的創(chuàng)造力。

在上個月的斯坦福大學(xué)演講中，電氣工程師艾倫·黃(Alan Huang)展示了如何通過將互聯(lián)網(wǎng)鏈接重新配置成甜甜圈的形狀——而不是現(xiàn)在使用的二維網(wǎng)格——將互聯(lián)網(wǎng)延遲減少一半，大大加快數(shù)字視頻的傳輸速度，同時減少傳輸數(shù)據(jù)所需的計算機設(shè)備數(shù)量。

“你不需要量子計算機就能做到這一點。”他說，指的是超級計算機的概念。“你只需要用到高中數(shù)學(xué)。”