Hi, 大家好!我是何寶宏, 歡迎來到《互聯網的基因》大講堂。
今天, 我們聊一聊穀歌。
不久前, 穀歌放出了一個大招——4月5日, Google刊出了一篇大稿, 這篇文章的作者人數高達75位元, 內容有關機器學習專用晶片TPU(Tensor Process Unit)。 文章稱, TPU的處理速度要比常用GPU(Graphic Process Unit)和CPU快15-30倍, 在能效上更是提升了30到80倍, 把摩爾定律提速了7年!
在聊這篇文章的具體內容之前, 我們需要先來說說Google。
事實上, 業界人士都知道。 Google公開和引導技術, 大致有三個套路。 一是開源項目, 比如移動互聯網的Android作業系統, 機器學習的Tensorflow框架等。 二是公開發文章, 比如奠定大資料理論的“三大文章”:GFS(2003年),
OK, 回到文章來。 目前, 用於機器學習的晶片大致有四類。 一是通用的CPU, 二是“專用”於並行處理的“通用”GPU, 三是可程式設計的FPGA, 四是硬體焊寫死的ASIC。
選擇通用還是專用, 可程式設計還是專用, 不是必然更不是趨勢, 要看場景和時機。
當一個應用市場剛起步時, 首先會是看晶片市場上有無現成的。 如果沒有, 有實力的公司可能會選擇自己開發。 比如早期的電腦廠家, 基本是自己開發晶片或借用交通信號晶片等, 後來電腦市場大了, 才有了專做通用晶片的Intel公司, 才有了x86。
70年代初, Intel認為自己應定位於為交通信號控制器生產晶片, 沒必要為小型電腦生產晶片。 IBM則認為, 哪個人會需要一台小巧的電腦呢?
到了80年代, IBM PC 選擇開放架構, 成就了PC的時代。 IBM PC選擇自己不做晶片, 成就了Intel的偉大。 IBM PC選擇自己不做作業系統, 成就了微軟的輝煌。 IBM的選擇, 成就了Win-tel的時代。
世界上本沒有通用晶片, 用的人多了, 就是通用的了。 一個晶片的市場, 如果“大到不能叫專用”的地步, 就是通用的了。
更進一步, 通用CPU也可能架構不通用, 比如CISC指令的x86和RISC指令的POWER等。 雲計算, 是要把伺服器CPU的架構, 也進一步通用到x86架構;NFV要把“通用”網路晶片, 進一步統一到x86架構。
當某個晶片應用的“細分”市場足夠大時, 大到專用就是通用時, 專用晶片因為性能上的優勢, 就會成為一個重要選項。 比如影像處理和嵌入式領域, 早年算是細分市場, 但因為都足夠大, 於是就成功發展出了GPU和 ARM等專用晶片,
TPU屬於ASIC的一種, 就是認為GPU太通用了。 伴隨著機器學習市場壯大, TPU通過當地語系化技術、能耗控制和放寬運算精度的容忍度等, 在性能和功耗上做出了很多優化。
2008年8月, Google在《自然》雜誌上發表論文, 推介了一個被稱為 “穀歌流感趨勢”的系統, 成為大資料應用的“網紅”案例。 2013年2月, 《自然》雜誌又發表了一篇文章, 指出 “穀歌流感趨勢” 對 2012 年底美國流感類疾病患者數, 估計比美國疾病控制與預防中心的實際資料高了約一倍, 108周裡就錯了100周。 據說, 這兩篇文章是Google公司在《自然》雜誌上, 被引用次數TOP2的文章。
Google在2012年的一次大會上, 公佈了廣域網路SDN應用情況, 也引起了轟動。
按Google當年雲計算和大資料的慣例, 它公開的都是上一代的。 這次輪到了TPU, 會不也是幾年前的技術?
Google真有汪星人!
嘉賓簡介:
何寶宏, 從事互聯網研究領域20年的老兵, 獲得電腦博士學位,