始于硬件卻也被硬件所限的深度學(xué)習

電子發(fā)燒友網(wǎng)報道（文/周凱揚）深度學(xué)習硬件在AI時代已經(jīng)引領(lǐng)了不少設(shè)計創(chuàng)新，無論是簡單的邊緣推理，還是大規(guī)模自然語言模型的訓(xùn)練，都有了性能上的突破。作為業(yè)內(nèi)在深度學(xué)習上投入最多的公司之一，英偉達無疑是這類硬件的領(lǐng)軍者。

近日，在伯克利大學(xué)的電子工程與電腦科學(xué)學(xué)院研討會上，英偉達的首席科學(xué)家、研究部門高級副總裁同時兼任該校副教授的BillDally，分享了從他這個從業(yè)人士看來，發(fā)生在深度學(xué)習硬件上的一些趨勢。

硬件成為限制

AI的浪潮其實早在20世紀就被多次掀起過，但真正成為人們不可忽視的巨浪，還是這十幾年的事，因為這時候AI有了天時地利人和：算法與模型，大到足夠訓(xùn)練這些模型的數(shù)據(jù)集，以及能在合理的時間內(nèi)訓(xùn)練出這些模型的硬件。

但從帶起第一波深度學(xué)習的AlexNet，到如今的GPT-3和TuringNLG等，人們不斷在打造更大的數(shù)據(jù)集和更大的模型，加上大語言模型的興起，對訓(xùn)練的要求也就越來越高?？稍谀柖梢呀?jīng)放緩的當下，訓(xùn)練時間也在被拉長。

基于Hopper架構(gòu)的H100GPU/英偉達

以英偉達為例，到了帕斯卡這一代，他們才真正開始考慮單芯片的深度學(xué)習性能，并結(jié)合到GPU的設(shè)計中去，所以才有了Hopper這樣超高規(guī)格的AI硬件出現(xiàn)。但我們在訓(xùn)練這些模型的時候，并沒有在硬件規(guī)模上有所減少，仍然需要用到集成了數(shù)塊HopperGPU的DGX系統(tǒng)，甚至打造一個超算。很明顯，單從硬件這一個方向出發(fā)已經(jīng)有些不夠了，至少不是一個“高性價比”的方案。

軟硬件全棧投入

硬件推出后，仍要針對特定的模型進行進一步的軟件優(yōu)化，因此即便是同樣的硬件，其AI性能也會在未來呈現(xiàn)數(shù)倍的飛躍。從上個月的MLPerf的測試結(jié)果就可以看出，在A100GPU推出的2.5年內(nèi)，英偉達就靠軟件優(yōu)化實現(xiàn)了最高2.5倍的訓(xùn)練性能提升，當然了最大的性能提升還是得靠H100這樣的新硬件來實現(xiàn)。

BillDally表示這就是英偉達的優(yōu)勢所在，雖然這幾年投入進深度學(xué)習硬件的資本不少，但隨著經(jīng)濟下行，不少投資者已經(jīng)喪失了信心，所以不少AI硬件初創(chuàng)公司都沒能撐下去，他自己也在這段時間看到了不少向英偉達投遞過來的簡歷。

他認為不少這些公司都已經(jīng)打造出了自己的矩陣乘法器，但他們并沒有在軟件上有足夠的投入，所以即便他們一開始給出的指標很好看，也經(jīng)常拿英偉達的產(chǎn)品作為對比，未來的性能甚至比不過英偉達的上一代硬件，更別說Hopper這類新產(chǎn)品了。

加速器

相較傳統(tǒng)的通用計算硬件，加速器在深度學(xué)習上明顯要高效多了，因為加速器往往都是作為一種專用單元存在的，比如針對特定的數(shù)據(jù)類型和運算。加速器可以在一個運算周期內(nèi)就完成通常需要花上10秒或100秒才能完成的工作量，效率最高可提升1000倍。

A100和H100的MLPerf跑分/英偉達

當然了要追求純粹的性能提升，而不是效率提升的話，這些加速器也可以采用大規(guī)模并行設(shè)計，比如典型的32x32矩陣乘法單元，同時運行的運算有了千百倍的提升。加速器在內(nèi)存設(shè)計上也更具有優(yōu)勢，比如針對特定的數(shù)據(jù)結(jié)構(gòu)和運算，選擇優(yōu)化過的高帶寬低能耗內(nèi)存，同時盡可能使用本地內(nèi)存，減少數(shù)據(jù)搬運來控制開銷。

對于英偉達來說，他們在加速器上的研究更像是為GPU準備的試驗田，一旦有優(yōu)秀的成果出現(xiàn)，這些加速器就會成為GPU上的新核心。

小結(jié)

從BillDally的分享中，我們可以看出英偉達這樣的巨頭在深度學(xué)習上選擇的技術(shù)路線，以及他們?yōu)楹文茉诒姸喑鮿?chuàng)公司涌現(xiàn)、大廠入局的當下巋然不動的底氣。這并不是說深度學(xué)習硬件的道路只有這一條，類腦芯片等技術(shù)的出現(xiàn)也提供了新的破局機會，但有了前人經(jīng)驗的借鑒后，在兼顧性能、數(shù)值精度、模型的同時，還是得在軟件上下大功夫才行。