雖然自動(dòng)駕駛還沒有走向千家萬(wàn)戶，但是自動(dòng)駕駛芯片的大戰(zhàn)早已開始。

這里面有 Mobileye 這樣的行業(yè)先驅(qū)，有英偉達(dá)這樣的跨界巨頭，有特斯拉這樣的別樣車廠，還有地平線這樣的國(guó)內(nèi)新銳企業(yè)。

然而，我們也不應(yīng)該忽略一些原本在芯片領(lǐng)域赫赫有名的面孔，比如英特爾——雖然早在 2017 年就收購(gòu)了Mobileye，但這并不影響英特爾工程師們對(duì)自動(dòng)駕駛的獨(dú)特追求。

目前我們見到的自動(dòng)駕駛芯片，本質(zhì)上依然沒有脫離一臺(tái)計(jì)算機(jī)的基本結(jié)構(gòu)，比如 CPU/GPU/DRAM 這些常見于你我桌上電腦、掌上手機(jī)的零件。而一臺(tái)計(jì)算機(jī)在面對(duì)自動(dòng)駕駛計(jì)算的時(shí)候，它的工作模式和人類司機(jī)的大腦相比是很不一樣的。

舉個(gè)例子吧，特斯拉新一代 Autopilot 硬件的功耗，官方描述是 250W 每英里，也就是說(shuō)自動(dòng)駕駛硬件在開啟狀態(tài)下會(huì)一直處于全速運(yùn)行。但是人類司機(jī)并不會(huì)一直燒腦式駕駛，在自己熟稔的、交通狀況良好的路段上，人類大腦的負(fù)擔(dān)會(huì)明顯更低。

所以，有沒有辦法讓自動(dòng)駕駛也能像人類一樣，具有更高的能耗效率呢？

英特爾實(shí)驗(yàn)室給出了他們的答案：用造芯片的方法造一個(gè)大腦就好了。

將芯片造成大腦模樣

上圖這一坨東西叫做 Pohoiki Beach，主板里面密密麻麻的芯片叫做Loihi（跟我用粵語(yǔ)讀一次，老嗨），來(lái)自于當(dāng)?shù)貢r(shí)間 15 號(hào)在底特律舉行的2019 DARPA 電子復(fù)興計(jì)劃峰會(huì)。

注：DARPA，全稱DefenseAdvanced Research Projects Agency，即美國(guó)國(guó)防高級(jí)研究計(jì)劃局，是美國(guó)國(guó)防部屬下的一個(gè)行政機(jī)構(gòu)，負(fù)責(zé)研發(fā)用于軍事用途的高新科技。成立于 1958 年的 DARPA，一開始主要是為了應(yīng)對(duì)蘇聯(lián) 1957 年人造地球衛(wèi)星成功發(fā)射而設(shè)立的部門。

一塊 Pohoiki Beach 主板可以根據(jù)需求的不同搭載 8-32 塊芯片，兩塊主板與左下角那個(gè) Arria 10 FPGA 開發(fā)模塊互聯(lián)之后，Pohoiki Beach 最多可以成為一個(gè)擁有 64 個(gè) Loihi 芯片的 AI 深度學(xué)習(xí)計(jì)算系統(tǒng)。

與這個(gè)世界上所有的硅芯片類似，Loihi 芯片的基本構(gòu)成依然是晶體管。但是在 Loihi 里面，晶體管的工作形式并非傳統(tǒng)的邏輯門架構(gòu)，Loihi 的計(jì)算原理也并非傳統(tǒng)計(jì)算機(jī)恪守?cái)?shù)十年的馮諾依曼原理，而是以更接近人腦架構(gòu)的神經(jīng)元方式計(jì)算。

注：馮·諾依曼教授提出過(guò)現(xiàn)代電子計(jì)算機(jī)的三大原理，分別是1. 計(jì)算機(jī)由控制器、運(yùn)算器、存儲(chǔ)器、輸入設(shè)備、輸出設(shè)備五大部分組成；2.程序和數(shù)據(jù)以二進(jìn)制代碼形式不加區(qū)別地存放在存儲(chǔ)器中，存放位置由地址確定；3. 控制器根據(jù)存放在存儲(chǔ)器中地指令序列（程序）進(jìn)行工作，并由一個(gè)程序計(jì)數(shù)器控制指令地執(zhí)行。控制器具有判斷能力，能根據(jù)計(jì)算結(jié)果選擇不同的工作流程。

馮諾依曼架構(gòu)雖然奠定了半個(gè)多世紀(jì)的電子計(jì)算機(jī)芯片基本框架，但這個(gè)架構(gòu)也有其自身的瓶頸，那就是在處理器性能飛速發(fā)展的今天，緩存的讀寫速度出現(xiàn)了跟不上處理器運(yùn)行速度的瓶頸——這個(gè)瓶頸就叫馮諾依曼瓶頸。

當(dāng)然，我們無(wú)法真正的用硅元素「造」出一個(gè)神經(jīng)元，Loihi 芯片的基本組成形式依然是晶體管，只是 Loihi 芯片內(nèi)置晶體管的工作方式更接近于大腦神經(jīng)元。64 個(gè) Loihi 芯片一共包含了接近 1320 億個(gè)硅晶體管，與之相比，英偉達(dá) RTX 2080Ti GPU 內(nèi)置晶體管數(shù)量為 186 億個(gè)。

在 Pohoiki Beach 系統(tǒng)中，基于 14 納米工藝打造的每塊 Loihi 芯片可以模擬 13 萬(wàn)個(gè)硅神經(jīng)元，以及 1.3 億個(gè)硅神經(jīng)突觸。64 個(gè) Loihi 芯片互聯(lián)就是 830 萬(wàn)個(gè)神經(jīng)元，已經(jīng)相當(dāng)于一個(gè)小老鼠大腦內(nèi)所含有的神經(jīng)元總量。

英特爾的目標(biāo)遠(yuǎn)不止于此，今年年底即將推出的 Pohoiki Spring 系統(tǒng)會(huì)將 Loihi 芯片的性能發(fā)揮到極致，最多可以疊加 768 顆芯片，也就是模擬 1 億個(gè)神經(jīng)元，相當(dāng)于一只未成年小貓的大腦神經(jīng)元數(shù)量。

雖然 Pohoiki Beach 系統(tǒng)的神經(jīng)元總量和人腦的 860 億個(gè)神經(jīng)元比起來(lái)還有很大的一段距離，但這并不妨礙它成為目前人類神經(jīng)擬態(tài)計(jì)算的新里程碑。2015 年我國(guó)浙江大學(xué)研發(fā)的「達(dá)爾文」芯片是當(dāng)時(shí)比較先進(jìn)的神經(jīng)擬態(tài)計(jì)算芯片，內(nèi)置的硅神經(jīng)元也才 2048 個(gè)。

在 2017 年 9 月份，Loihi 芯片剛發(fā)布的時(shí)候，英特爾專門為它打造了一個(gè)視頻宣傳片：

視頻里面充斥著英特爾對(duì) Loihi，乃至神經(jīng)擬態(tài)芯片光輝未來(lái)的期望——可是為什么呢？

AI 的未來(lái)，就在我們的大腦里面嗎？

先來(lái)說(shuō)說(shuō)神經(jīng)元的工作原理。

當(dāng)人腦的神經(jīng)元接收到信號(hào)的時(shí)候，神經(jīng)元樹突上的電位差會(huì)輕微升高，這個(gè)反應(yīng)被稱為神經(jīng)元突觸的激發(fā)。如果對(duì)該神經(jīng)元的刺激達(dá)到一定閾值，就會(huì)產(chǎn)生動(dòng)作電位（actional potential），產(chǎn)生動(dòng)作電位的過(guò)程被稱為放電（discharge）。

我們大腦產(chǎn)生和傳遞信息的原理，就隱藏在神經(jīng)元之間的放電反應(yīng)之中，比如放電的頻率，放電的持久時(shí)間，放電反應(yīng)中不同的電壓等等。

與電子計(jì)算機(jī)芯片中使用的邏輯門不一樣，大腦神經(jīng)元只在接收到脈沖信號(hào)時(shí)才會(huì)產(chǎn)生動(dòng)作電位并放射生物電脈沖。也就是說(shuō)，大腦神經(jīng)元的計(jì)算方式，在處理任務(wù)的時(shí)候會(huì)明顯更高效。

最終的結(jié)果就是，大腦的功耗理論上會(huì)比同樣運(yùn)算能力的電子計(jì)算機(jī)低得多——實(shí)際上，作為人類文明的基石，人腦的「功耗」僅為 20W。

注：我們一開始認(rèn)為 20W 這個(gè)結(jié)論是以訛傳訛，然后我們?cè)赼rXiv一篇探討深度學(xué)習(xí)功耗的論文（arXiv 編號(hào) 1602.04019）的一處引用中找到了這個(gè)數(shù)字的根本出處——德國(guó)海德堡大學(xué)（1386 年創(chuàng)立，德國(guó)最古老的大學(xué)）Karlheinz Meier 教授的一項(xiàng)研究。

注：arXiv 是目前世界上最大的免費(fèi)自然科學(xué)論文及其預(yù)印本閱讀和交流平臺(tái)，始創(chuàng)于 1991 年，目前由康奈爾大學(xué)管理。

如果不是鐵證如山，相信很多人難以相信大腦的能耗如此之低——所以基于硅神經(jīng)元打造的類人腦神經(jīng)擬態(tài)芯片也能達(dá)到這樣高的能耗比嗎？

答案是可以的。

滑鐵盧大學(xué)從事人工智能研究的教授 Chris Eliasmith 是 Loihi 芯片和 Pohoiki Beach 的首批合作使用者。根據(jù) Chris 教授的實(shí)驗(yàn)室數(shù)據(jù)，同樣實(shí)時(shí)運(yùn)行一個(gè)深度學(xué)習(xí)模型并保持相同運(yùn)算速度的情況下，Loihi 芯片的綜合能耗水平僅為 GPU 的 109 分之一（相關(guān)研究成果在 arXiv 上可查論文，編號(hào)1812.01739），CPU 的 23.2 分之一。

注：滑鐵盧大學(xué)位于加拿大安大略省西南部滑鐵盧市，創(chuàng)建于 1957 年，計(jì)算機(jī)科學(xué)專業(yè)在 2017 年名列 USNEWS 世界大學(xué)排名第 18 位。

而當(dāng) Chris 教授將深度學(xué)習(xí)模型的規(guī)模擴(kuò)大 50 倍之后，Poihiki Beach 在保持相同學(xué)習(xí)速度的基礎(chǔ)上，功耗只增加了 30%，而能保持速度的傳統(tǒng)智能芯片功耗增加了 5 倍。

考慮到上文提及的 64 核心 Poihiki Beach 系統(tǒng)一共內(nèi)置了 1320 億個(gè)晶體管，這樣的功耗水平實(shí)在是低得恐怖。

也許這一章節(jié)硬核得有些過(guò)分，我們可以用非常生動(dòng)形象的例子解釋一下。

我們算 1+1 和算 76x89 的時(shí)候，思考的速度是差不多的，因?yàn)檫@兩個(gè)算式的算法我們都知道（就像深度學(xué)習(xí)模型的訓(xùn)練）——但你算 100 道 1+1 級(jí)別的算術(shù)題，和你算 100 道 76x89 級(jí)別的算術(shù)題之后，你肚子餓的程度和你精神疲憊的程度，不會(huì)相差太遠(yuǎn)。

而神經(jīng)元擬態(tài)計(jì)算，乃至幾乎所有的神經(jīng)網(wǎng)絡(luò)計(jì)算，都是在特定的環(huán)境下運(yùn)行的——這個(gè)環(huán)境叫矩陣運(yùn)算。我們?cè)?jīng)在4個(gè)月之前的文章里面討論過(guò)矩陣運(yùn)算的基本原理，這里不詳細(xì)展開，感興趣的朋友可以在公眾號(hào)后臺(tái)回復(fù)「TPU」查看原文。

張量矩陣運(yùn)算示意圖

針對(duì)神經(jīng)網(wǎng)絡(luò)優(yōu)化的芯片，絕大部分都是在矩陣運(yùn)算方面有針對(duì)性優(yōu)化的，所以其他神經(jīng)網(wǎng)絡(luò)芯片，比如谷歌的 TPU ，在深度學(xué)習(xí)方面都會(huì)比傳統(tǒng)的CPU 和 GPU 能耗比更強(qiáng)——只是沒有 Loihi 芯片這么出眾而已。

而能耗比，恰好是車載智能硬件的一大硬傷。

舉個(gè)例子，車載電子元件的工作溫度要求一般在-40℃~55℃，更高的標(biāo)準(zhǔn)甚至?xí)⑸舷拊O(shè)置在 110℃。也就是說(shuō)，電子元件需要在極高的溫度范圍內(nèi)保持正常的性能水平和質(zhì)量水準(zhǔn)，這就需要芯片廠商對(duì)每一代工藝做大量的優(yōu)化和試驗(yàn)。

比如英偉達(dá)的 Drive PX 系列在改名為 AGX 系列的同時(shí)，也經(jīng)受了 ASIL-D 級(jí)別標(biāo)準(zhǔn)的認(rèn)定。黃仁勛在 GTC 大會(huì)上面的原話是「這個(gè)過(guò)程大概要一年多」。

為了適應(yīng)車載級(jí)別的溫度要求，功耗為 250W 的特斯拉 Autopilot 硬件 3.0 上面使用了復(fù)雜的水冷散熱，功耗達(dá)到 500W 的英偉達(dá) Drive AGX Pegasus 甚至根本沒有車企敢用。

然而我們可以看一下在 Chris 教授論文里面，Loihi 芯片的功耗表現(xiàn)：

最大的差距體現(xiàn)在 Running，也就是運(yùn)行中的功耗比較里，Loihi 以0.11W的功耗就可以達(dá)到英偉達(dá) Quadro K4000 專業(yè)級(jí) GPU 在37.83W功耗下同樣的 AI 性能——0.11W 的功耗水平，意味著 Loihi 芯片根本不需要主動(dòng)散熱（就像我們的腦殼子也沒有進(jìn)化出一個(gè)風(fēng)扇），省略了大量的結(jié)構(gòu)成本。

可惜，目前 Loihi 芯片的成本和工藝依然是一個(gè)短板，14 納米工藝下，英特爾需要極大量的芯片疊加才足以構(gòu)建不到人腦萬(wàn)分之一的神經(jīng)元矩陣。所以 Loihi 芯片現(xiàn)階段的主要應(yīng)用，還是在于智能義肢，或者是深度模型訓(xùn)練。

但這并不影響英特爾成為目前最接近「人造人腦」這一目標(biāo)的公司。

結(jié)語(yǔ)

1960 年，美國(guó)醫(yī)學(xué)博士 Jack E.Steele 根據(jù)古希臘語(yǔ)和拉丁文里面「生命」共同的詞根「bio」和表示性質(zhì)的「nic」詞根，創(chuàng)造出「bionic」，也就是仿生學(xué)（仿生學(xué)這一中文詞匯來(lái)自于大陸 1963 年的翻譯）。

但人類應(yīng)用仿生學(xué)的歷史早已有之。大禹治水時(shí)期，人們模仿魚類在水中自由游動(dòng)的特性，在船尾造木槳，這就是世界上最早的櫓和舵?！俄n非子》中記載的魯班以竹木作鳥「成而飛之，三日不下」，這是世界上最早的人造飛行器記錄。

人類的生產(chǎn)力在不斷提高，野心也在不斷提高，最終就是人越來(lái)越懶，什么都不希望自己干，甚至于思考本身，都希望找到代勞者。半個(gè)世紀(jì)以來(lái)的電子計(jì)算機(jī)，便是人類對(duì)終極仿生學(xué)追求的縮影——如果能造一個(gè)大腦就好了。

無(wú)論是你我手中的電腦，或者是 Model 3 里面裝著的 Autopilot 硬件，它們都只是以科技的手段實(shí)現(xiàn)了大腦的「運(yùn)算」能力，而并未真正發(fā)揮大腦的優(yōu)勢(shì)。

依照大腦結(jié)構(gòu)依葫蘆畫瓢的英特爾新芯片，會(huì)是自動(dòng)駕駛領(lǐng)域尚未升起的朝陽(yáng)嗎？由此延伸開去，它會(huì)是人類真正掌握「思考」這一命題的普羅米修斯嗎？

只有時(shí)間能給我們解答。