GPU面臨挑戰(zhàn)及應(yīng)用場(chǎng)景解析

1、TPU 主要思路：針對(duì)人工智能算法需求裁剪計(jì)算精度

在機(jī)器學(xué)習(xí)算法上，TPU比傳統(tǒng)的加速方案（谷歌之前使用GPU加速方案）在能耗效率上提升一個(gè)數(shù)量級(jí)，相比傳統(tǒng)解決方案領(lǐng)先7年（摩爾定律三代節(jié)點(diǎn)）。

例如在GPU中，通常支持IEEE754-2008標(biāo)準(zhǔn)浮點(diǎn)數(shù)操作，這一浮點(diǎn)數(shù)字寬為32位，其中尾數(shù)字寬為23+1（使用隱藏尾數(shù)技術(shù)）位。 如果數(shù)據(jù)通道中使用8位字寬的低精度尾數(shù)，則GPU中各個(gè)計(jì)算部件所需的晶體管和功耗均會(huì)大大減少。

例如，在GPU計(jì)算核心中，面積最大，功耗最高的計(jì)算部件是ALU，ALU中最重要的部件是浮點(diǎn)MA（乘加混合）單元，現(xiàn)有技術(shù)下這一單元的延遲與尾數(shù)的字寬log2N成大致正比，而面積/功耗/晶體管數(shù)量大體上與N2log2N成正比。 如果字寬由24比特減少到8比特，那么MA的面積可降至約1/14左右，約一個(gè)數(shù)量級(jí)。 由圖可知ALU占據(jù)了GPU芯片面積的很大比例，因此單單優(yōu)化ALU即可獲得足夠提高。

除了降低字寬所帶來(lái)的關(guān)鍵組件優(yōu)化，GPU原有組件中針對(duì)圖像處理的組件如光柵、材質(zhì)貼圖單元，均可以根據(jù)人工智能的計(jì)算需求選擇優(yōu)化或裁剪。 對(duì)普通GPU進(jìn)行深度定制處理，削減在神經(jīng)網(wǎng)絡(luò)算法不需要的數(shù)據(jù)位寬和功能即可達(dá)到谷歌所宣稱的“能耗效率上提升一個(gè)數(shù)量級(jí)”，因此業(yè)內(nèi)有專家認(rèn)為谷歌采用了此種思路。

2、從谷歌 TPU 設(shè)計(jì)思路看人工智能硬件發(fā)展趨勢(shì)

目前的GPU加速方案以及FPGA加速方案在人工智能計(jì)算領(lǐng)域都存明顯缺點(diǎn):

在計(jì)算單元上，GPU的內(nèi)置計(jì)算單元主要針對(duì)圖像處理設(shè)計(jì)，計(jì)算精度過(guò)高存在浪費(fèi)； FPGA的LUT功能過(guò)于弱小，沒(méi)有針對(duì)低精度浮點(diǎn)計(jì)算優(yōu)化；

在NOC架構(gòu)上，F(xiàn)PGA和GPU原始設(shè)計(jì)匹配的目標(biāo)均與神經(jīng)網(wǎng)絡(luò)計(jì)算存在很大差異性，因此用于人工智能計(jì)算加速都存在一定缺憾。

以上表現(xiàn)在計(jì)算需求雷達(dá)圖上即為圖：GPU（藍(lán)線）和FPGA（紅線）均不能較好的覆蓋住人工智能的需求（綠線）。 除了進(jìn)程交互問(wèn)題外，實(shí)時(shí)性和計(jì)算延遲同樣是人工智能加速的一個(gè)重要問(wèn)題。 在人工智能的一些應(yīng)用場(chǎng)景，如無(wú)人駕駛汽車中，汽車的運(yùn)行速度可能高達(dá)40m/s，在計(jì)算中額外0.1s的延遲意味著汽車多行駛4米，這就是生與死的差距。 GPU的延遲和實(shí)時(shí)性較差從長(zhǎng)期來(lái)看會(huì)影響其應(yīng)用在類似無(wú)人駕駛這樣在實(shí)時(shí)性和延遲要求較高的場(chǎng)景中。

3、GPU/FPGA 用于神經(jīng)網(wǎng)絡(luò)計(jì)算的弱點(diǎn)：片上網(wǎng)絡(luò)

在人工智能硬件領(lǐng)域，F(xiàn)PGA加速同樣是一條有競(jìng)爭(zhēng)力的技術(shù)路徑。 早在中國(guó)搜索引擎巨頭百度就嘗試與Altera合作探索使用FPGA加速神經(jīng)網(wǎng)絡(luò)運(yùn)算用于搜索結(jié)果的優(yōu)化中，微軟也在bing搜索服務(wù)中做了相似的探索。 Auviz Systems公司在2015年發(fā)布了一份研究數(shù)據(jù)，在神經(jīng)網(wǎng)絡(luò)計(jì)算中，高端FPGA可處理14個(gè)或更多圖像/秒/瓦特，而同期一個(gè)高端的GPU僅能處理4個(gè)圖像/秒/瓦特。

但目前學(xué)術(shù)界已有共識(shí)，不管是FPGA還是GPU，由于其最初設(shè)計(jì)匹配的計(jì)算模型與神經(jīng)網(wǎng)絡(luò)計(jì)算模型存在不同，其并行計(jì)算核心之間的通信架構(gòu)-NOC（Network on Chip，片上網(wǎng)絡(luò)）應(yīng)用在神經(jīng)網(wǎng)絡(luò)運(yùn)算中均存在缺點(diǎn)。

由于FPGA/GPU針對(duì)的并行計(jì)算模型不同，其片上網(wǎng)絡(luò)的實(shí)現(xiàn)方式也就不同：

GPU最初針對(duì)圖像處理SIMT類任務(wù)優(yōu)化，各個(gè)處理核心之間的通信較少且形式簡(jiǎn)單，因此計(jì)算節(jié)點(diǎn)主要通過(guò)片上共享存儲(chǔ)通信，原理如圖: A/C計(jì)算節(jié)點(diǎn)分別向片上共享存儲(chǔ)的不同地址寫(xiě)入數(shù)據(jù)，然后B/D通過(guò)讀數(shù)據(jù)的方式完成A->B/C->D的通信。 這種片上網(wǎng)絡(luò)每次通信涉及讀寫(xiě)片上共享存儲(chǔ)各一次，不僅速度慢，當(dāng)通信量更多（原本不會(huì)發(fā)生在圖形處理任務(wù)中）的時(shí)候存儲(chǔ)的讀寫(xiě)端口還會(huì)因堵塞成為系統(tǒng)性能的關(guān)鍵瓶頸。

FPGA包含大量細(xì)粒度，可編程，但功能較弱的LUT（Look up table查找表）計(jì)算節(jié)點(diǎn)，各個(gè)LUT之間通過(guò)網(wǎng)格狀NOC連接，網(wǎng)格的節(jié)點(diǎn)具備Routing（路由）功能。 FPGA可以提供計(jì)算單元間直接通訊功能：A節(jié)點(diǎn)可通過(guò)路由網(wǎng)絡(luò)沿著紅色箭頭將數(shù)據(jù)傳輸至芯片上任意計(jì)算節(jié)點(diǎn)B，且傳輸路徑動(dòng)態(tài)可編程。 因此網(wǎng)格NOC相比共享內(nèi)存方案能提供大的多的片上通訊容量，相比之下也不易出現(xiàn)瓶頸節(jié)點(diǎn)堵塞問(wèn)題。 Auviz Systems能夠得出FPGA在神經(jīng)網(wǎng)絡(luò)處理中優(yōu)于高端GPU的方案的結(jié)論，很大程度依靠FPGA的片上通信能力而不是羸弱的LUT計(jì)算能力。

神經(jīng)網(wǎng)絡(luò)作為一種并行計(jì)算程序，適配的計(jì)算節(jié)點(diǎn)通訊硬件是提升性能的關(guān)鍵要素之一。 目前FPGA和GPU的片上網(wǎng)絡(luò)架構(gòu)均不完全匹配神經(jīng)網(wǎng)絡(luò)的實(shí)際需求，相比之下GPU的共享內(nèi)存連接的匹配度更差一些。 學(xué)術(shù)界對(duì)于定制特殊的NOC去匹配神經(jīng)網(wǎng)絡(luò)加速需求已有一定研究，但之前因神經(jīng)網(wǎng)絡(luò)算法本身沒(méi)有商用化，因此定制NOC硬件這一思路也停留在實(shí)驗(yàn)室內(nèi)。 隨著人工智能實(shí)用化和產(chǎn)業(yè)化的發(fā)展，這些技術(shù)將對(duì)現(xiàn)有的GPU/FPGA方案形成威脅和替代。

02 GPU 未來(lái)較適應(yīng)場(chǎng)景解析

GPU雖然不能處理所有大規(guī)模并行計(jì)算問(wèn)題，但在其適應(yīng)的特定計(jì)算領(lǐng)域，特別是圖形優(yōu)化處理上依然具備絕對(duì)性能優(yōu)勢(shì)。 GPU未來(lái)較為適合拓展應(yīng)用場(chǎng)景應(yīng)為VR/AR（虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)）、云計(jì)算+游戲結(jié)合、以及云計(jì)算服務(wù)器中為特定的大數(shù)據(jù)分析提供加速。 在這些領(lǐng)域的增長(zhǎng)點(diǎn)有可能是獨(dú)立GPU突破現(xiàn)有增長(zhǎng)遲緩障礙的新增長(zhǎng)領(lǐng)域。

1、VR 應(yīng)用：持續(xù)增長(zhǎng)的優(yōu)勢(shì)領(lǐng)域

在VR（Virtual Reality，虛擬現(xiàn)實(shí)）設(shè)備性能指標(biāo)中，圖像顯示性能是其核心競(jìng)爭(zhēng)力。 在VR中降低從用戶頭部動(dòng)作到畫(huà)面改變的延遲至20毫秒以下是防止用戶眩暈的必要條件； 而達(dá)到這點(diǎn)除了需要軟件和OS優(yōu)化以外，足夠的硬件圖像計(jì)算能力是基礎(chǔ)。 表1舉例了VR圖形顯示的要求以及大眾級(jí)顯卡能夠提供的圖形顯示水平：

正因目前大眾顯卡無(wú)法提供VR所需的圖形處理計(jì)算能力，現(xiàn)有的兩大主流頭顯Oculus Rift和HTC VIVE均要求配套的PC配置頂級(jí)顯卡，如Nvidia GTX970或AMDR9 290級(jí)別的顯卡。 從長(zhǎng)期來(lái)看，VR/AR設(shè)備將拉動(dòng)中高端GPU市場(chǎng)的持續(xù)增長(zhǎng)。

VR以及AR（增強(qiáng)現(xiàn)實(shí)）更廣闊的應(yīng)用在于獨(dú)立一體機(jī)上：獨(dú)立一體機(jī)具備移動(dòng)能力，讓VR/AR超脫出了客廳應(yīng)用這一范疇，與移動(dòng)互聯(lián)網(wǎng)結(jié)合后成為每個(gè)人都需要消費(fèi)電子產(chǎn)品。 但移動(dòng)一體機(jī)對(duì)計(jì)算芯片的能耗，體積乃至散熱都有著嚴(yán)格的要求。 目前SoC(System on Chip, 片上系統(tǒng))上集成GPU在移動(dòng)一體機(jī)上的優(yōu)勢(shì)是獨(dú)立GPU顯卡暫時(shí)無(wú)法動(dòng)搖的。

2、云計(jì)算/大數(shù)據(jù)應(yīng)用

亞馬遜風(fēng)靡全球的計(jì)算平臺(tái)EC2中，Nvidia GPU已經(jīng)被作為一個(gè)重要的并行計(jì)算組件提供給客戶，用作大規(guī)模并行浮點(diǎn)數(shù)計(jì)算。 用戶每使用一個(gè)實(shí)例可調(diào)用兩個(gè)Nvidia Tesla m2050 GPU。 在EC2中調(diào)用GPU的原理是AWS的管理程序Hypervisor被直接跳過(guò)，而DomU OS和應(yīng)用可以直接通過(guò)IO與GPU通信，充分發(fā)揮GPU在浮點(diǎn)數(shù)的并行計(jì)算能力。

3、GPU，云和游戲服務(wù)結(jié)合

在現(xiàn)如今互聯(lián)網(wǎng)基礎(chǔ)設(shè)施已經(jīng)完善的市場(chǎng)，把GPU和云計(jì)算以及游戲結(jié)合在一起是游戲產(chǎn)業(yè)下一個(gè)具有吸引力的發(fā)展方向。

對(duì)于游戲開(kāi)發(fā)者，不需要擔(dān)心盜版問(wèn)題； 對(duì)于游戲運(yùn)營(yíng)商，云服務(wù)可以獲得更精確的客戶資料，開(kāi)展新式計(jì)費(fèi)； 對(duì)于游戲玩家，無(wú)需購(gòu)買(mǎi)昂貴高端游戲主機(jī)或PC，初始投資少； 對(duì)于游戲玩家，云服務(wù)游戲更具備移動(dòng)性。

目前云計(jì)算+GPU+游戲這個(gè)模式限于現(xiàn)有網(wǎng)絡(luò)基礎(chǔ)設(shè)施限制，依然沒(méi)有大規(guī)模商用，但Nvidia依然對(duì)其抱有厚望并積極推動(dòng)。 從這個(gè)側(cè)面也可以看出，Nvidia自己也知道GPU未來(lái)最主要的應(yīng)用領(lǐng)域依然是游戲的圖像處理上。

GPU還有一塊市場(chǎng)是軍用GPU市場(chǎng)，這一市場(chǎng)與民用GPU市場(chǎng)有著很大不同。 民用GPU追求畫(huà)面性能的極致，以最好的畫(huà)面滿足消費(fèi)者，特別是游戲玩家的需求； 而軍用GPU更多的要求在于高可靠性、高耐用性、抗高空輻射、能在野戰(zhàn)環(huán)境下安全使用。 需求的導(dǎo)向不同導(dǎo)致GPU從工藝到芯片設(shè)計(jì)理念都截然不同。

審核編輯：湯梓紅