亚马逊/谷歌自研芯片曝光，微美全息3D视觉方案向半导体领域升级

早期服务器业界传出微软(Microsoft)正积极网罗从高通(Qualcomm)出走的服务器芯片开发团队,藉由高通研发人才的加入,微软有意自行开发芯片的时程可望加速,然对于正面临超微(AMD)强力挑战的英特尔(Intel)而言,未来恐将产生冲击。

全球网络服务业者自行开发芯片已蔚为风潮,不仅是微软跃跃欲试,Google更是最   早掀起此波芯片独立门户风潮,Google自行研发的TPU(TensorProcessingUnits)已发展到第二代,根据Google测试显示,该芯片针对机器学习的训练时间,仅需要市面GPU的一半。此外,包括Facebook、亚马逊及阿里巴巴等网络服务业者,都表态将会自行开发芯片。

对于网络服务厂商而言,人工智能(AI)应用相当多元化,为因应各种需求,考量目前各家芯片开发商方向迥异,加上英特尔等厂商长期掌控处理器芯片开发进程,过度倚赖的风险太大,促使网络服务业者企图透过自行开发芯片,借以挣脱或抗衡既有芯片供应商。

在互联网企业造芯的路上,谷歌跑在了最   前面。早在2006年,谷歌就   开始考虑在其数据中心部署GPU或者FPGA,或专用集成电路(ASIC),当时的结论是,能在专门的硬件上运行的应用并不多,使用谷歌大型数据中心的富余计算能力即可。

情况在2013年发生了转变,当时谷歌用户每天使用语音识别DNN语音搜索三分钟,使得谷歌数据中心的计算需求增加了一倍,而如果使用传统的CPU将非常昂贵。因此,谷歌启动了一项优先级别非常高的项目,快速生产一款定制芯片(ASIC)用于推理,并购买现成的GPU用于训练。

谷歌的目标是将性价比提高10倍,为了完成这项任务,谷歌在其数据中心设计、验证、构建并部署了TPU(张量处理器,TensorProcessingUnit),这一过程用了15个月。

可以明确,谷歌TPU的推出,主要还是因为市场上没有满足其需求的芯片,使得他们进入了自研芯片领域,并且,TPU作为云端推理芯片并不对外出售,而是通过谷歌云对外提供算力。

亚马逊的云服务业务AWS在其发布会AWSre:Invent上发布了两款新的云端服务器芯片,分别是高性能处理器芯片Graviton2和高性能机器学习加速芯片Inferentia。我们认为,亚马逊发布的这两款芯片对于云服务市场和半导体行业都有深远影响。

亚马逊的Graviton2处理器是亚马逊研发的第二代高性能云端处理器芯片。Graviton2基于ARM的高端Neoverse核,使用7nm半导体工艺制造,晶体管数量高达300亿,相比上一代芯片核心数增加了4倍,且处理器性能也大大提升。Graviton2处理器为云计算相关应用做了不少优化,首先是浮点运算能力较上一代有不少提升,此外在指令集上计入了对于机器学习推理应用的支持,以及在芯片上集成了亚马逊自研的数据编解码加速器。相比于基于x86处理器的解决方案,Graviton2处理器可以大大提升性能并降低成本,性能/成本比提升可达40%。在软件上,Grativon2处理器能兼容主流的开源Unix操作系统和Docker容器,这也从很大程度上解决了ARM服务器端处理器生态的问题。除了高性能处理器之外,亚马逊发布的另一款芯片是Inferentia,用于加速机器学习推理计算。

亚马逊大力投资自研云端服务器芯片意味着云端服务器芯片的市场格局发生变化,通用的CPU和GPU无法覆盖整个市场需求。从技术层面上来说,随着深度学习神经网络模型对于算力的需求快速提升,这意味着将催生高性能计算芯片市场较快发展。

供应链业者认为,网络服务业者自行开发芯片将是跨入硬件领域的一步棋,过去网络服务业者先以终端装置下手,因为该类型产品有擅长制造的中国厂商助阵,较容易入手且较快看到效果,但随着下游装置布局完成,持续往上游芯片领域布局已势在必行。

互联网带来显著性的改变,使信息搜寻储存更为容易,让大量的信息可实时透过计算机和互联网的连接而获取。使储存工具变得更有优势,使类似的储存设备迅速降低成本,同时将储存量大大增加。目前,磁学和光学设备亦用于满足这种需要。然而,现在一些能拥有更大储存量设备的需求亦大增。

这些未来的设备将使用全息技术。虽然这早在数十年前已开始,这低成本的程序和物料的发明,使技术重大的改善变得可行及可负担的。磁学和光学储存设备只会将信息储存在设备的表面层,但全息技术的储存设备可用尽整个储存设备的量,在同一数量空间,全息储存芯片只有几毫米厚可以储存比磁学和光学设备多出数百倍的信息。全息芯片的理论上限储存量每立方厘米大约为数十兆的字节(1兆位元组=1024十亿位组)。