作者：Ivo Bolsens
摩尔定律走向消亡，引发的新趋势将因此更强劲发展。面对未来，一起来看看赛灵思 CTO Ivo Bolsens 有着怎样的展望。
Ivo Bolsens
赛灵思高级副总裁兼 CTO
摩尔定律，已经在很多场合被宣告了终结，或许可以更准确地说，业界现在正处于后摩尔定律时代。然而，没有人准备因此而放慢创新的脚步。戈登·摩尔（Gordon Moore）对晶体管密度提升的观察，可以被看作是一个更长期的潜在技术趋势的一个方面——这就是库兹韦尔 ( Ray Kurzweil ) 所阐述的加速回报定律 （Law of Accelerating Returns）。可以说，在摩尔时代，业内公司往往显得有些掉以轻心，满足于每个新工艺节点带来的收益。在赛灵思看来，尽管摩尔定律终结的速度会放缓，但规模仍将继续扩大，新的趋势将因此而更强劲发展。
一些令人振奋的新技术正在涌现，如多芯片的 3D 集成：平面的布局已将每平方毫米利用到了极致，接下来就要发挥立体空间的潜力了；通过引进存储级内存和硅光子学等新技术，可以实现快速收益。遇到常规 I/O 电路的物理速度局限（大约为每米 100Gb/s）时，则需要提高多芯片连接速度并降低 I/O 功耗，而这也就把硅光子学技术带到了FPGA 这样的新一代先进 IC 中。
计算机架构的黄金时代
这确实是一个非常激动人心的时期。2017 年图灵奖得主斯坦福大学教授 John Hennessy 和伯克利大学教授 David Patterson ，都曾为计算机架构的黄金时代而欢呼，其中一个关键的时代推动因素便是对特定领域优化的追求。以赛灵思 AI 引擎为例，这是赛灵思在 2018 年 10 月推出的Versal™ ACAP自适应计算加速平台的最重要也最强大的功能之一。换作几年之前，赛灵思不太可能会推出这样的平台，因为在那个时候，从其他方面更容易实现性能提升。
当今的进步不仅体现在处理性能上。前文提到了硅光子学的发展，这是一种用来提高 I/O 速度的技术。事实上，AI 工作负载的爆炸式增长是最强大的推动因素之一，其促使赛灵思将重点关注在加速器（如 Versal 芯片）上，寻求加快数据导入、互传以及输出加速器的方法。Versal 的可编程高带宽片上网络（NOC）互联，以及分布式片上存储器和处理单元之间的紧密和短连接等其他设计特性，都表明了芯片制造商们正想方设法寻求摩尔定律进一步扩展的出路，以实现新一代性能提升。
目前，AI 可能是影响当前和未来处理器架构的主要因素。毋庸置疑，正是数据中心的应用需求，推动了赛灵思现今的大部分工作，其中主要围绕工作负载的多样化。
从历史上看，超大规模数据中心一直是数据档案的巨大存储库，它不仅存储视频、图片、音频等内容，甚至还提供按需内容服务。当自动驾驶汽车来自智慧工厂、智慧城市和智慧基础设施的大量物联网数据连为一体，我们所有人（无论是个人还是企业）都对数据的处理提出了更高的要求。我们需要帮助从杂乱庞大的数据中迅速地获得亟需的洞察力和决策力，以不断提高企业的生产力、能源的效能、公共安全和保障，以及我们的生活水平。
灵活应变的可配置数据中心
鉴于工作负载的多样化，数据中心需要各种不同的资源来有效地解决这些问题。数据中心架构正在摆脱以 CPU 为中心的刚性结构，转向优先考虑灵活应对变化的能力和可配置能力，以实现针对分配给单个工作负载的存储器和加速器等资源进行优化，单一的价值标准将不复存在。这些并非全部与 Tera-OPS 有关。随着需求更具实时性，每秒传输量和时延等其他指标也更加重要，自动驾驶汽车就是一个明显且十分重要的实例。
显然，这一领域，正是赛灵思特有的可编程器件及专业技术的优势领域，而且赛灵思也正在驱动Versal ACAP 这样的自适应计算加速平台解决方案，以满足上述行业需求。回顾赛灵思早期的业务，主要是针对那些寻求更快设计周期和更低工程成本的 ASIC 设计人员，以及 EDA 软件用户。从这个角度来看，今天的赛灵思已经是不可同日而语。如今，赛灵思的用户群正在向计算机科学家和数据科学家群体扩大，这使得赛灵思越来越重视如何提供功能强大的工具，使用户在无需了解底层架构细节的情况下，可以充分发挥并受益于赛灵思强大的可编程器件及平台的优势。我坚信，赛灵思目前正在积极推进的的PYNQ™ – Python on Zynq计划将是一项重要的推进举措，它将使得赛灵思前沿的可编程架构在更广大的社区范围内更迅速地普及。
5G 的崛起
未来变革的重点将走向何方？向 5G 时代过渡，是赛灵思投入大量资源并能够提供其他企业所无法提供价值主张的领域。许多情况下，解决方案可以跨越云端与边缘和嵌入式平台之间的传统界限，而这些界限显然对功耗与成本十分敏感。就工具而言，要想适应这些跨越多个边界的应用扩展，还有很多工作要做。
与物联网一样，5G 高度依赖边缘计算与机器学习。众所周知，这些技术还处于发展初期，随着业界对这些技术的理解不断加深，还有更大的潜力可以挖掘。如今，商用机器学习应用会分为两个阶段实现：第一个阶段包括数据收集、数据标识和神经网络训练，而第二个阶段是在训练后的推断引擎领域中的部署。
业界已经看到，既定的程序既繁琐又缓慢，要求大量的数据和费力的标识。而这些需要大量的资源和基础设施，从能耗和上市进程的角度来看，许多人认为这是不可持续的。此外，该技术还不能被足够多的开发者使用，因此无法提供所需的解决方案。从传统的数据密集型神经网络训练过渡到强化学习，可以通过同时进行训练和部署来提供更快、更经济的策略。
区块链的意义
另一个行业大趋势就是区块链。对一些人来说，因为与加密货币的无政府状态联系在一起而受到牵连，区块链可能名声不佳，但我相信，区块链将比我们大多数人所意识到的影响更加广泛。当 ARPANET （阿帕网，全球互联网的鼻祖）最初作为分布式计算和发送电子邮件的简单平台出现时，谁能预见到当今互联网的发展呢？通过开源 Hyperledger 等项目，区块链技术可能会改变游戏规则，成为互联网交易中建立信任的平台。
可信互联网可能很快就会成为行业热议的谈资，它使人们不必提交更多的数据就可以证明数据，从而有效保护隐私，并最终通过明确识别信息的起源和来源，来解决诸如假新闻等问题。业界需要找到有效的方法来构建和扩展区块链应用，而像赛灵思ACAP 这样能够有效加速计算、存储和网络的技术无疑将是解决方案的主要组成部分。
摩尔定律的可预测性可能已经变得过于平稳和缓慢。在未来，需要最大限度地发挥赛灵思技术的灵活性、敏捷性和效率优势，并将其扩展到一些可能不熟悉这些技术的社区，因为如果我们想要实现所有人都需要的进步，就必须吸纳他们的智慧。随着摩尔定律成为过去时，我们可以更清晰地看到库兹韦尔加速回报定律的必然性趋势。
来源：一点灵Xi
