信息技術(shù)發(fā)展的主要矛盾，就是當(dāng)前硬件有限的算力和帶寬與用戶(hù)不斷增長(zhǎng)的算力與帶寬要求之間的矛盾。在PC時(shí)代和移動(dòng)互聯(lián)時(shí)代，終端設(shè)備的算力與帶寬都曾在需求推動(dòng)下，按摩爾定律的預(yù)測(cè)指數(shù)性增長(zhǎng)。近年來(lái)，隨著人工智能應(yīng)用（人工智能和機(jī)器學(xué)習(xí)，即AI/ML）的興盛，對(duì)算力與內(nèi)存帶寬的要求又推到了一個(gè)新層次，據(jù)統(tǒng)計(jì)，從2012年到2019年，人工智能訓(xùn)練集增長(zhǎng)了30萬(wàn)倍，每3.43個(gè)月翻一番，支持這一發(fā)展速度需要的遠(yuǎn)不止摩爾定律所能實(shí)現(xiàn)的改進(jìn)，這需要從架構(gòu)開(kāi)始，做算法、硬件和軟件的共同優(yōu)化，才能不斷提升系統(tǒng)性能以滿足人工智能訓(xùn)練的需求。

訓(xùn)練能力大幅提升

數(shù)據(jù)來(lái)源：openai.com

人工智能訓(xùn)練主要發(fā)生在云端和數(shù)據(jù)中心，而在邊緣側(cè)，人工智能推理也被廣泛采用，在自動(dòng)駕駛等應(yīng)用中，推理對(duì)于帶寬和實(shí)時(shí)性要求極高。

訓(xùn)練和推理

在人工智能/機(jī)器學(xué)習(xí)應(yīng)用中，訓(xùn)練和推理往往成對(duì)出現(xiàn)。訓(xùn)練是“知”，是學(xué)習(xí)，是機(jī)器“理解”被研究對(duì)象的過(guò)程；推理是“行”，是決策，是利用訓(xùn)練好的模型對(duì)設(shè)備或系統(tǒng)的未來(lái)操作進(jìn)行指導(dǎo)的過(guò)程。

在“知”的階段，已知數(shù)據(jù)集被喂給待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)（或深度神經(jīng)網(wǎng)絡(luò)，Deep NeuralNetwork, 簡(jiǎn)稱(chēng)DNN,這里將神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)統(tǒng)稱(chēng)為神經(jīng)網(wǎng)絡(luò)），神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)集所表示的內(nèi)容進(jìn)行學(xué)習(xí)后作出推斷，推斷的誤差用來(lái)調(diào)整神經(jīng)網(wǎng)絡(luò)框架的各種參數(shù)，例如神經(jīng)網(wǎng)絡(luò)各層中的數(shù)據(jù)集權(quán)重，隨著訓(xùn)練過(guò)程的繼續(xù)，將反復(fù)迭代上述過(guò)程對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行調(diào)整，直到其能以足夠的準(zhǔn)確性進(jìn)行推斷。

數(shù)據(jù)集有大有小，有的可能需要數(shù)千張圖像，但也有數(shù)據(jù)集達(dá)到數(shù)千萬(wàn)張。如前所述，隨著人工智能技術(shù)發(fā)展，數(shù)據(jù)集規(guī)模在不斷加大，對(duì)存儲(chǔ)的要求在不斷加大。而在訓(xùn)練過(guò)程中，算法專(zhuān)家要引導(dǎo)神經(jīng)網(wǎng)絡(luò)模型收斂并在推斷時(shí)達(dá)到所需的精度。這可能需要運(yùn)行數(shù)百次實(shí)驗(yàn)，嘗試不同的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)并調(diào)整其參數(shù)。每個(gè)實(shí)驗(yàn)可能需要大約“exaflops”（十億億次操作）次計(jì)算，整體計(jì)算要花幾小時(shí)到數(shù)天才能完成。為了加快這種漫長(zhǎng)訓(xùn)練過(guò)程，算法專(zhuān)家通常會(huì)在數(shù)據(jù)中心中訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

在“行”的階段，未知數(shù)據(jù)集被喂給訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)對(duì)未知數(shù)據(jù)集進(jìn)行分類(lèi)識(shí)別和決策。部署訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)可能很簡(jiǎn)單，但為圖像和自然語(yǔ)言處理等人工智能任務(wù)而生成的神經(jīng)網(wǎng)絡(luò)模型往往規(guī)模巨大，形式復(fù)雜，有數(shù)百萬(wàn)甚至數(shù)十億權(quán)重參數(shù)將數(shù)十或數(shù)百層人工神經(jīng)元連接起來(lái)。神經(jīng)網(wǎng)絡(luò)規(guī)模越大，運(yùn)行該網(wǎng)絡(luò)所需的算力、內(nèi)存和能量也就越多，將數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)到得出結(jié)果的響應(yīng)時(shí)間也就越長(zhǎng)。要滿足推理時(shí)系統(tǒng)對(duì)功耗和延時(shí)的要求，通常要對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行修剪和量化，在保證推理精度的前提下，降低神經(jīng)網(wǎng)絡(luò)復(fù)雜度，以減少功耗和降低延時(shí)。

內(nèi)存帶寬是影響人工智能發(fā)展的關(guān)鍵因素

一般而言，推理相對(duì)比訓(xùn)練對(duì)算力和內(nèi)存帶寬的要求要低一些，但這并不是絕對(duì)的。以自動(dòng)駕駛為例，必須能夠在毫秒內(nèi)檢測(cè)到目標(biāo)并做出響應(yīng)，以避免發(fā)生事故。第3級(jí)與第4級(jí)自動(dòng)駕駛系統(tǒng)的復(fù)雜數(shù)據(jù)處理需要超過(guò)200 GB/s的內(nèi)存帶寬，高帶寬是復(fù)雜人工智能算法實(shí)時(shí)處理的基本需求，在道路上這些算法需要快速執(zhí)行大量計(jì)算并安全地執(zhí)行實(shí)時(shí)決策。在第5級(jí)，即完全自主駕駛，車(chē)輛能夠獨(dú)立地對(duì)交通標(biāo)志和信號(hào)的動(dòng)態(tài)環(huán)境作出反應(yīng)，以及準(zhǔn)確地預(yù)測(cè)汽車(chē)、卡車(chē)、自行車(chē)和行人的移動(dòng)，將需要超過(guò)500GB/s的內(nèi)存帶寬。

隨著新一代人工智能加速器和專(zhuān)用芯片的快速發(fā)展，新的內(nèi)存解決方案，如高帶寬內(nèi)存（HBM、HBM2、HBM2E）和GDDR6 SDRAM（GDDR6）漸被采用來(lái)提供所需的帶寬。

HBM和GDDR

高帶寬內(nèi)存（ High Bandwidth Memory ）是一種立體（3維或2.5維）堆疊存儲(chǔ)方案。該概念最早由AMD在2008年引入，以解決PC系統(tǒng)對(duì)存儲(chǔ)容量提升導(dǎo)致的功耗和尺寸不斷增加的問(wèn)題，通過(guò)與韓國(guó)海力士等公司合作，由海力士在2013年生產(chǎn)了第一批HBM存儲(chǔ)器，該技術(shù)也于當(dāng)年10月被標(biāo)準(zhǔn)組織JEDEC（電子元件工業(yè)聯(lián)合會(huì)，Joint Electron Device Engineering Council）接受為標(biāo)準(zhǔn)JESD235。

此后HBM技術(shù)發(fā)展不斷向前推進(jìn)，2016年JEDEC通過(guò)HBM2標(biāo)準(zhǔn)JESD235a，在2018年末，JEDEC宣布對(duì)HBM2規(guī)范更新至HBM2E，以提升帶寬和容量。當(dāng)傳輸速率上升到每管腳3.6Gbps時(shí)，HBM2E可以實(shí)現(xiàn)每堆棧461GB/s的內(nèi)存帶寬。此外，HBM2E支持12個(gè)DRAM的堆棧，內(nèi)存容量高達(dá)每堆疊24 GB。

HBM2E提供了達(dá)成巨大內(nèi)存帶寬的能力。連接到一個(gè)處理器的四塊HBM2E存儲(chǔ)器將提供超過(guò)1.8TB/s的帶寬。通過(guò)3D堆疊內(nèi)存,可以以極小的空間實(shí)現(xiàn)高帶寬和高容量需求。進(jìn)一步，通過(guò)保持相對(duì)較低的數(shù)據(jù)傳輸速率，并使內(nèi)存靠近處理器，總體系統(tǒng)功率得以維持在較低水位。HBM2E的劣勢(shì)是加工復(fù)雜，成本較高。

HBM封裝示意圖

GDDR（Graphics Double Data Rate）是另外一種比普通DDR存儲(chǔ)器更快的內(nèi)存方案。GDDR出現(xiàn)最初是為了適配高端顯卡，主要用于圖像處理所以得名。其工作頻率、電壓都和標(biāo)準(zhǔn)DDR不同，一般比標(biāo)準(zhǔn)DDR時(shí)鐘頻率更高，發(fā)熱量更小，帶寬更大。最新一代GDDR6的數(shù)據(jù)傳輸速率為16Gbps。GDDR6提供了比GDDR5大幅改善的帶寬、容量、延遲和功率。GDDR6將工作電壓從GDDR5的1.5V降低到1.35V，以獲得更高的功率效率，并使數(shù)據(jù)傳輸速率（16Gbps比8 Gbps）和容量（16GB比8GB）都比GDDR5翻了一番。隨著GPU在人工智能領(lǐng)域的廣泛應(yīng)用，GDDR也在人工智能應(yīng)用中發(fā)揮著越來(lái)越重要的作用。

GDDR的優(yōu)勢(shì)是成本更低，可以用標(biāo)準(zhǔn)DDR生產(chǎn)工藝來(lái)制造，而且利用現(xiàn)有的基礎(chǔ)架構(gòu)和流程讓系統(tǒng)設(shè)計(jì)者可沿用過(guò)去經(jīng)驗(yàn)，從而降低了開(kāi)發(fā)成本和實(shí)現(xiàn)的復(fù)雜性。但由于不是立體封裝，所以在功耗和面積上不如HBM2E。

HBM與GDDR分別適應(yīng)訓(xùn)練和推理需求

訓(xùn)練和推理對(duì)存儲(chǔ)的需求有所不同，所以系統(tǒng)設(shè)計(jì)者需要根據(jù)高存儲(chǔ)帶寬應(yīng)用的具體需求來(lái)選擇究竟用HBM2E還是GDDR6。

對(duì)于訓(xùn)練來(lái)說(shuō)，帶寬和容量至關(guān)重要，特別是考慮到訓(xùn)練集的規(guī)模正以每3.43個(gè)月翻一番的速度增長(zhǎng)。HBM2E的性能非常出色，所增加的成本可以透過(guò)節(jié)省的電路板空間和電費(fèi)沖銷(xiāo)。在物理空間日益受限的數(shù)據(jù)中心，HBM2E緊湊的體系結(jié)構(gòu)提供了切實(shí)的好處。它的低功率意味著它的熱負(fù)荷較低，而散熱成本是數(shù)據(jù)中心最大的運(yùn)營(yíng)成本之一?？紤]到所有這些需求，HBM2E是更優(yōu)的人工智能訓(xùn)練硬件的內(nèi)存解決方案。

在推理的應(yīng)用場(chǎng)景下，帶寬和延遲對(duì)于實(shí)時(shí)操作至關(guān)重要。對(duì)于人工智能推理這一日益具有挑戰(zhàn)性的領(lǐng)域，GDDR6是一個(gè)更優(yōu)的解決方案。建立在成熟的制造工藝基礎(chǔ)上，其出色的性?xún)r(jià)比使其適合廣泛的采用。

Rambus提供全面且現(xiàn)成的HBM2E和GDDR6內(nèi)存接口解決方案，可集成到人工智能/機(jī)器學(xué)習(xí)的訓(xùn)練和推理SoC中。最近，該公司的HBM2E內(nèi)存接口解決方案實(shí)現(xiàn)了創(chuàng)紀(jì)錄的4 Gbps性能。該解決方案由完全集成的物理層和控制器組成，搭配業(yè)界最快的來(lái)自SK海力士的3.6Gbps運(yùn)行速度的HBM2E DRAM，該解決方案可以從單個(gè)HBM2E設(shè)備提供460 GB/s的帶寬。此性能可以滿足TB級(jí)的帶寬需求，能應(yīng)對(duì)當(dāng)前最嚴(yán)苛的人工智能訓(xùn)練或推理應(yīng)用需求，也適用于高性能計(jì)算等應(yīng)用場(chǎng)景。

對(duì)Rambus的HBM2E和GDDR6感興趣的讀者，可以掃描下圖二維碼或點(diǎn)擊閱讀原文下載Rambus有關(guān)HBM2E和GDDR6的技術(shù)白皮書(shū)。

繁榮的市場(chǎng)需求帶來(lái)更好的前景

根據(jù)德勤發(fā)布的統(tǒng)計(jì)預(yù)測(cè)數(shù)據(jù)顯示，2020年全球人工智能市場(chǎng)規(guī)模將達(dá)到6800億元人民幣，復(fù)合增長(zhǎng)率（CAGR）達(dá)26%。而中國(guó)人工智能市場(chǎng)的表現(xiàn)尤為突出，到2020年市場(chǎng)規(guī)模預(yù)計(jì)將達(dá)到710億元人民幣，自2015年至2020年，五年間的復(fù)合增長(zhǎng)率高達(dá)44.5%。

近年來(lái)，中國(guó)正在積極推動(dòng)人工智能與實(shí)體經(jīng)濟(jì)的融合，從而實(shí)現(xiàn)產(chǎn)業(yè)的優(yōu)化升級(jí)。2017年7月，國(guó)務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，這一規(guī)劃與2015年5月發(fā)布的《中國(guó)制造2025》共同構(gòu)成了中國(guó)人工智能戰(zhàn)略的核心。這份具有里程碑意義的規(guī)劃，對(duì)人工智能發(fā)展進(jìn)行了戰(zhàn)略性部署，力爭(zhēng)到2030年把中國(guó)建設(shè)成為世界主要人工智能創(chuàng)新中心。此外，2020年是中國(guó)的新基建元年，而人工智能作為一大重點(diǎn)板塊，勢(shì)必成為新基建的核心支撐。

中國(guó)人工智能產(chǎn)業(yè)規(guī)模在2019年末達(dá)到510億元人民幣，其中人工智+能企業(yè)超過(guò)2600家。隨著中國(guó)加速推進(jìn)人工智能應(yīng)用以引領(lǐng)經(jīng)濟(jì)增長(zhǎng)，這一趨勢(shì)將推動(dòng)計(jì)算機(jī)硬件和軟件各方面的快速發(fā)展。

需求的繁榮，必然驅(qū)動(dòng)人工智能生態(tài)加速發(fā)展，Rambus將持續(xù)在高帶寬存儲(chǔ)等技術(shù)上投入，以滿足人工智能對(duì)內(nèi)存帶寬更高的要求。