David Patterson：迎接新的計算機體系結構和軟體開發語言

在後摩爾定律時代，「現在是成為計算機架構師的最好時機」。

2017 年圖靈獎得主、加州大學教授、谷歌工程師、RISC 架構先驅 David Patterson 說，現在是成為計算機架構師的最好時機。

因為摩爾定律已經失效了，他說：「如果摩爾定律仍然奏效，那麼我們現在會比應有的技術水平落後 15 倍。如今，我們正處於後摩爾定律時代」。

上週在聖何塞舉行的 2018@Scale 會議上，Patterson 告訴參加會議的工程師：「我們習以為常的效能提升速度已經難以為繼了。在計算機效能每 18 個月翻一番的時代，人們會扔掉那些仍然執行良好的桌上型電腦，因為朋友的新電腦要快得多」。

但是他在去年說：「單個程式的執行效能僅僅提高了 3%，所以按照這個速度得 20 年才能讓效能翻一番。如果你還傻傻地等待晶片變得更快，那你就有的等了！」

對於像 Patterson 這樣的計算機架構師來說，這其實是一個好訊息。他指出，這對於創新的軟體工程師來說也是好訊息。「我們急需開發出專為特定計算任務量身定做的革命性新硬體架構和軟體程式語言，」他說，「如果人們願意致力於這方面的研究，那麼圖靈獎非他們莫屬。」

Patterson 舉出了一個軟體程式設計方面的例子：將 Python 重寫為 C，程式的執行速度將提升 50 倍。如果再加入各種各樣的優化技術，執行速度還會顯著提升，他說：「將 Python 程式的效能提升 1000 倍也不是完全不可能」。

至於硬體，Patterson 認為針對特定領域開發的架構會執行得更好。他說：「這並不是魔術，我們剛好能夠做到這些事情。」例如，並不是所有的應用都要求計算結果達到同樣的準確度。他說，對於某些應用來說，你可以使用比我們常用的 IEEE 754 標準精確度更低的浮點運算。

Patterson 說，機器學習是現在最可能應用這些新架構和語言的場景。「如果你從事硬體研究，你會想要朋友需要更多計算機。」而機器學習「對算力的需求極大，這令我們非常高興」。

Patterson 稱，如今研究者圍繞哪種型別的計算機架構最適合機器學習展開了激烈的討論，而許多公司也將寶押在了這些架構上。谷歌開發了自己的張量處理單元（TPU），其每個晶片都擁有一個核心，並且使用軟體控制的記憶體代替了快取；英偉達的 GPU 擁有 80 多個核心，而微軟正採用 FPGA 解決方案。英特爾「正試圖對所有的計算機架構投入力量」，既推廣將傳統的 CPU 用於機器學習，又收購了 Altera（為微軟提供 FPGA 的公司），還買下了 Nervana（該公司擁有與谷歌 TPU 類似的專用神經網路處理器）。

Patterson 說，除了這些為機器學習提供不同架構的主要公司，還有至少 45 家硬體初創公司正在該領域進行角逐。最終鹿死誰手由市場決定。

「這是計算機架構最好的黃金時代。」

原文連結： ofollow,noindex" target="_blank"> https://spectrum.ieee.org/view-from-the-valley/computing/hardware/david-patterson-says-its-time-for-new-computer-architectures-and-software-languages