【法國(guó)技術(shù)研究機(jī)構(gòu)Leti：實(shí)現(xiàn)高效率的邊緣計(jì)算需解決“內(nèi)存墻”的瓶頸】為快速成長(zhǎng)的人工智能(artificialintelligence；AI)應(yīng)用實(shí)現(xiàn)高效率的運(yùn)算性能，必須解決“內(nèi)存墻”(memorywall)的瓶頸，并推動(dòng)新的架構(gòu)解決方案；這是法國(guó)CEATech旗下技術(shù)研究機(jī)構(gòu)Leti關(guān)注的重點(diǎn)領(lǐng)域。

Leti執(zhí)行長(zhǎng)EmmanuelSabonnadiere在Leti年度創(chuàng)新會(huì)議上接受《EETimes》訪問時(shí)表示，業(yè)界需要一種高度整合的整體途徑，將AI從軟件和云端移至邊緣(edge)的嵌入式芯片。

Sabonnadiere說：“邊緣確實(shí)需要一些創(chuàng)新，采用除了CMOS以外的不同架構(gòu)，從結(jié)構(gòu)上整合至系統(tǒng)，并從云端實(shí)現(xiàn)自主性——例如針對(duì)自動(dòng)駕駛車，您需要云端盡可能地獨(dú)立作業(yè)?！?/p>

他認(rèn)為恩智浦(NXP)可望成為驅(qū)動(dòng)在邊緣實(shí)現(xiàn)更多運(yùn)算的一項(xiàng)關(guān)鍵指標(biāo)，因而針對(duì)高通(Qualcomm)并購(gòu)恩智浦一案發(fā)表評(píng)論：“你覺得高通為什么要買下恩智浦？它是為了(邊緣運(yùn)算)的感測(cè)，而將數(shù)位置于感測(cè)之后。”

為了解決運(yùn)算架構(gòu)典范，Sabonnadiere期望能在Let與史丹佛大學(xué)(StanfordUniversity)電氣工程和計(jì)算機(jī)科學(xué)系教授SubhasishMitra帶領(lǐng)的團(tuán)隊(duì)合作中取得一些突破。Mitra的研究已經(jīng)進(jìn)展一段時(shí)間了，專注于為龐大資料和密集互連應(yīng)用探索內(nèi)存內(nèi)處理(processing-in-memory)的新架構(gòu)。這項(xiàng)研究獲得了美國(guó)國(guó)防部先進(jìn)研究計(jì)劃局(DARPA)、國(guó)家科學(xué)基金會(huì)(NSF)、SemiconductorResearch、STARnetSONIC和史丹佛大學(xué)SystemX聯(lián)盟的成員公司共同資助。

Sabonnadiere談到芯片驗(yàn)證時(shí)說：“我們深信這是解決『超越摩爾定律』(more-than-Moore)挑戰(zhàn)的前進(jìn)方向，并且已經(jīng)要求Mitra教授打造這一研究展示了。”

在會(huì)議上，Mitra表示，龐大的資料超級(jí)風(fēng)暴正襲卷而來，而其運(yùn)算需求遠(yuǎn)超過處理能力，因此必須使用支持先進(jìn)3D整合的運(yùn)算奈米系統(tǒng)架構(gòu)。

Mitra說：“數(shù)據(jù)必須經(jīng)過處理才能創(chuàng)造決策，但目前還有太多我們無法處理的『暗黑』數(shù)據(jù)。以Facebook為例，它必須采用256個(gè)TeslaP100GPU，才能在1小時(shí)訓(xùn)練好ImageNet，這在以前大約需要幾天的時(shí)間。”

提高運(yùn)算性能的選擇

那么目前提高運(yùn)算性能的選擇是什么？Mitra說，其一是要有一個(gè)更好的邏輯開關(guān)——但這方面的實(shí)驗(yàn)展示并不多。第二種是使用設(shè)計(jì)“技巧”，例如多核心、加速器或電源管理技巧。但他也補(bǔ)充說，可用的技巧并不多，而且當(dāng)實(shí)施這些技巧而使設(shè)計(jì)變得更復(fù)雜，甚至?xí)跪?yàn)證變得更困難。另一個(gè)挑戰(zhàn)則是Mitra所謂的“內(nèi)存墻”。

Mitra說：“各種類型的龐大數(shù)據(jù)應(yīng)用中，一個(gè)共同點(diǎn)就在于內(nèi)存墻——系統(tǒng)需要更有力地存取內(nèi)存?！盡itra說，這就是專注于內(nèi)存的運(yùn)算概念所在，也是與Leti合作的關(guān)注重點(diǎn)——Sabonnadiere希望將在這方面取得突破。它使用先進(jìn)3D整合使得運(yùn)算更接近于數(shù)據(jù)。該芯片采用碳奈米管(CNT)，因?yàn)镸itra表示它們是唯一可以超越CMOS和電阻式隨機(jī)存取內(nèi)存(RRAM)的技術(shù)。

RRAM和碳奈米管彼此垂直建構(gòu)，形成具有邏輯層和內(nèi)存層交錯(cuò)的密集3D計(jì)算機(jī)架構(gòu)。在這些分層之間插入超密走線，應(yīng)該就能以這種3D架構(gòu)解決通訊的瓶頸。

Mitra將這個(gè)問題比喻為從舊金山(SanFrancisco)到加州柏克萊(Berkeley)之間的交通挑戰(zhàn)——由于只有三座橋梁可以穿越兩個(gè)都市，因而造成了交通堵塞。然而，如果打造更多的橋梁——或者在他提出的3D架構(gòu)情況下，就能夠解決多奈米級(jí)交錯(cuò)層間過孔的瓶頸。

內(nèi)存和軟件2.0的突破

Leti首席科學(xué)家BarbaraDeSalvo表示，業(yè)界并未充份重視新興內(nèi)存技術(shù)，這些技術(shù)通常仍被視為利基技術(shù)。

DeSalvo說：“在內(nèi)存領(lǐng)域，業(yè)界仍持續(xù)采用傳統(tǒng)技術(shù)。而像電阻式RAM、磁阻式RAM和相變內(nèi)存等新興技術(shù)仍未被充份利用。但它可望在實(shí)現(xiàn)新型架構(gòu)方面帶來巨大突破?！盌eSalvo并補(bǔ)充說，在未來幾年，在軟件中使用深度學(xué)習(xí)和AI也可能中在運(yùn)算方面取得重大突破。

她說：“我指的是一個(gè)使用深度學(xué)習(xí)和機(jī)器學(xué)習(xí)來開發(fā)軟件的新概念。軟件是一個(gè)系統(tǒng)中最昂貴的部份之一。透過使用深度學(xué)習(xí)產(chǎn)生軟件，以前需要花六個(gè)月的一些任務(wù)現(xiàn)在可以只需要幾天的時(shí)間?！?/p>