|
來源：eettaiwan 美國國防部先進(jìn)計(jì)劃署(DARPA)目前正資助開發(fā)一種全新的非馮-諾伊曼(non-von-Neumann)架構(gòu)處理器——稱為“分層辨識(shí)驗(yàn)證利用”(Hierarchical Identify Verify Exploit；HIVE)。DARPA計(jì)劃在4年內(nèi)半內(nèi)投入8,000萬美元，打造這款HIVE處理器。包括英特爾(Intel)與高通(Qualcomm)等芯片商以及國家實(shí)驗(yàn)室、大學(xué)與國防部承包商N(yùn)orth Grumman都加入了這項(xiàng)計(jì)劃。 美國太平洋西北國家實(shí)驗(yàn)室(Pacific Northwest National Laboratory；PNNL)和喬治亞理工學(xué)院(Georgia Tech)負(fù)責(zé)為該處理器打造軟件工具，而Northrup Grumman則將建立一座巴爾的摩中心，利用這款號(hào)稱全世界首款圖形分析處理器(GAP)執(zhí)行國防部(DoD)的圖表分析任務(wù)。 
HIVE使用以數(shù)據(jù)的多層圖形顯示作為開始的序列(如圖)，開啟了圖解分析處理的方式，在各層之間辨識(shí)資料之間的關(guān)系。（數(shù)據(jù)源：DARPA） DARPA微系統(tǒng)技術(shù)辦公室(MTO)計(jì)劃經(jīng)理Trung Tran表示：“今日的計(jì)算機(jī)架構(gòu)同樣采用1940年代發(fā)明的[John] von Neumann架構(gòu)。CPU與GPU均采取平行運(yùn)算，但它的每個(gè)核心仍然是von Neumann處理器�！� Tran說：“HIVE并不是馮諾依曼架構(gòu)，因?yàn)樗臄?shù)據(jù)稀疏，而且能同時(shí)在不同的記憶領(lǐng)域同時(shí)執(zhí)行不同的過程。這種非馮-諾依曼途徑可讓許多處理器同時(shí)存取，各自采用其本地暫存內(nèi)存，在全局內(nèi)存上同時(shí)執(zhí)行分散和匯集作業(yè)�！�
“芯片拼貼圖”象征DARPA資助開發(fā)的新型處理器計(jì)劃——“超越微縮：電子復(fù)興計(jì)劃”(Beyond Scaling: An Electronics Resurgence Initiative)正推動(dòng)微系統(tǒng)結(jié)構(gòu)和性能的新紀(jì)元。（來源：DARPA） 圖形分析處理器目前并不存在，但在理論上與CPU和GPU有著顯著的不同。首先，它們經(jīng)優(yōu)化用于處理稀疏圖形元素。由于所處理的項(xiàng)目稀疏地位于全局內(nèi)存，因而也涉及一種新的內(nèi)存架構(gòu)——能以每秒高達(dá)TB容量的超高速度隨機(jī)存取記憶位置。 當(dāng)今的內(nèi)存芯片經(jīng)過優(yōu)化，能以最高速度存取長序列位置(以填補(bǔ)其快取)，這些速度大約落在每秒GB的范圍。另一方面，HIVE將以最高速度從全局內(nèi)存隨機(jī)存取8位數(shù)據(jù)點(diǎn)，然后再以專用的暫存內(nèi)存分別處理。該架構(gòu)據(jù)稱也具有可擴(kuò)展能力，但需要許多HIVE處理器執(zhí)行特定的圖形算法。 Tran說：“當(dāng)今所收集的所有數(shù)據(jù)中，只有大約20%是有用的——這就是為什么稀疏——讓我們的8字節(jié)粒度對于巨量數(shù)據(jù)(Big Data)的問題效率更高。”
實(shí)時(shí)繪圖分析需要高達(dá)Giga TEPS的處理速度(綠色)，才能辨識(shí)現(xiàn)場呈現(xiàn)的關(guān)系，這較目前速度最快的GPU (藍(lán)色)或CPU (紅色)速度更快1,000倍。（來源：DARPA） 這種圖形分析處理器采用優(yōu)化的新式算法處理單元(APU)，加上DARPA提供的新內(nèi)存架構(gòu)芯片，據(jù)稱其功耗較今日的超級計(jì)算機(jī)功耗更低1,000倍。參與這項(xiàng)計(jì)劃的組織，特別是英特爾與高通，也將有權(quán)商用化這款處理器與記憶架構(gòu)。 根據(jù)DARPA，圖形分析處理器可用于解決Big Data的問題，因?yàn)檫@方面的問題通常是多對多的關(guān)系，而非為目前的處理器優(yōu)化的多對一或一對一的關(guān)系。 Tran說：“從我的立場來看，下一個(gè)需要解決的大問題就是Big Data，目前采用的方法是回歸分析，但對于非常稀疏的數(shù)據(jù)點(diǎn)之間的關(guān)系來說，這種方法是無效的。我們發(fā)現(xiàn)，CPU與GPU在處理問題的大小與結(jié)果的豐富性之間留下了很大的差距，而圖形理論則完美契合目前所看到的這一新興市場�！� 除了HIVE芯片，DARPA也呼吁共同開發(fā)軟件工具，并藉由同步并行存取隨機(jī)內(nèi)存位置，協(xié)助編程這種超越今日平行處理典范的新架構(gòu)。如果成功了，DARPA宣稱這種圖形分析處理器將有能力辨識(shí)傳統(tǒng)CPU與GPU難以處理的許多情況類型。 英特爾CPU、Nvidia GPU、Google TPU和DARPA提出的HIVE處理器之間的應(yīng)用(上)和性能(下)比較。（來源：DARPA） DARPA認(rèn)為，Big Data為圖形節(jié)點(diǎn)提供了傳感器饋送、經(jīng)濟(jì)指標(biāo)、科學(xué)和環(huán)境測量，而圖形的邊緣則是不同節(jié)點(diǎn)之間的關(guān)系，例如亞馬遜(Amazon)案例中的“購買”行為。 圖形理論分析的基礎(chǔ)可以追溯到著名的哲學(xué)家Gottfried Wilhelm Leibniz，以及Leonhard Euler在1736年出版的首篇相關(guān)論文：“柯尼斯堡七橋問題”(Seven Bridges of K?nigsberg)。從那時(shí)起，圖形理論已經(jīng)發(fā)展成為建模隨機(jī)數(shù)據(jù)點(diǎn)之間關(guān)系的一系列算法和數(shù)學(xué)結(jié)構(gòu)。HIVE架構(gòu)的設(shè)計(jì)就在于使用這些圖形分析來辨識(shí)威脅、追蹤疾病爆發(fā)，以及解答B(yǎng)ig Data的問題，因?yàn)檫@些問題寺于目前的傳統(tǒng)CPU和GPU來說相當(dāng)棘手。 為期四年半的DARPA計(jì)劃在第一年將與英特爾和高通共同設(shè)計(jì)芯片架構(gòu)，而Georgia Tech和PNNL則負(fù)責(zé)開發(fā)軟件工具。在第一年之后，將會(huì)選出一款硬件設(shè)計(jì)和一款軟件工具。DARPA將為贏得硬件設(shè)計(jì)的公司提供5,000萬美元的贊助，但該公司也將自行提供5,000萬美元。此外，DARPA還將為贏得軟件設(shè)計(jì)的組織提供700萬美元的贊助。 同時(shí)，Northrup將獲得1,100萬美元的資金，用于打造巴爾的摩中心，調(diào)查國防部對于圖形分析的所有需求，并確保硬件和軟件制造商滿足這些需求。 英特爾數(shù)據(jù)中心副總裁Dhiraj Mallick表示：“HIVE計(jì)劃目的在于針對數(shù)據(jù)處理，利用圖形分析處理器發(fā)揮機(jī)器學(xué)習(xí)以及其他人工智能(AI)的影響力�！� Mallick有信心英特爾的芯片設(shè)計(jì)將會(huì)贏過高通，他說：“英特爾已被要求在這項(xiàng)計(jì)劃結(jié)束時(shí)提供16節(jié)點(diǎn)的平臺(tái)，在一塊電路板上使用16個(gè)HIVE處理器，英特爾也將擁有為全球市場提供產(chǎn)品的權(quán)利�！� 隨著這項(xiàng)計(jì)劃進(jìn)展，這款HIVE處理器將可實(shí)現(xiàn)實(shí)時(shí)辨識(shí)與感知策略資產(chǎn)。相形之下，Mallick說，至今我們還得依靠“失馬鎖廄，為時(shí)已晚”的事后分析… |
