歡迎光(guāng)臨廣東潮州啓行科技信息有限責任公司官方網站!

齊思達信息科技(jì)

廣東潮州啓行科技信息有限責任公司成為(wèi)值得您信賴的貼心系統集成商

全國(guó)服務熱線:

0757-23819339

新聞動态

了解最新公司動态及行業(yè)資訊

首頁>新聞動态>行業(yè)資訊

返回列表

熱門(mén)關鍵詞: 信息安全    雲計算(suàn)    弱電(diàn)工(gōng)程    機(jī)房建設    IT基礎架構   

存算(suàn)一(yī)體,未來已來?

日期:2020-05-29    閱讀(dú)數:1316

“計算(suàn)存儲一(yī)體化”一(yī)詞在近兩三年(nián)被頻頻提起,“計算(suàn)存儲一(yī)體化突破AI算(suàn)力瓶頸”更成為(wèi)了今年(nián)阿裡(lǐ)達摩院發布“2020十大科技(jì)趨勢”之一(yī)。計算(suàn)、存儲作為(wèi)計算(suàn)機(jī)的兩項功能(néng),到(dào)底為(wèi)何近段時間被捆綁亮相(xiàng)并常常引發熱議?

· 其實,人工(gōng)智能(néng)面臨計算(suàn)與存儲瓶頸。

正如趨勢中提及的,“AI”的快速發展是促使這一(yī)熱議話題形成的導火索,但這背後的根因,還(hái)要追溯到(dào)20世紀提出的馮·諾伊曼計算(suàn)機(jī)架構……

基于經典的馮·諾伊曼計算(suàn)機(jī)架構,計算(suàn)與存儲是兩個(gè)完全區分的單元,分别由中央處理器(qì)(CPU)和存儲器(qì)完成。因此在運算(suàn)時,數據從(cóng)存儲單元讀(dú)取到(dào)計算(suàn)單元,運算(suàn)後,再将結果寫回存儲單元。但是,當運算(suàn)能(néng)力達到(dào)一(yī)定程度,由于訪問存儲器(qì)的速度無法跟上(shàng)運算(suàn)部件(jiàn)消耗數據的速度,即使再增加運算(suàn)部件(jiàn)也無法充分利用,從(cóng)而形成所謂的馮·諾伊曼‘瓶頸’,或‘内存牆’問題。”

而仿照(zhào)人腦(nǎo)的仿生(shēng)系統被認為(wèi)是最有可能(néng)颠覆現有技(jì)術(shù)的終極發展方向。因為(wèi)人的大腦(nǎo),正是一(yī)個(gè)典型的存儲計算(suàn)系統,網上(shàng)有消息稱,最先進的自(zì)然語言處理模型XLNet有約4億模型參數,每次訓練需要數百個(gè)深度學習加速器(qì)運算(suàn)三天。而據估算(suàn)人腦(nǎo)中細胞間互聯軸突個(gè)數更是高(gāo)達百萬億到(dào)千萬億數量級。”可見(jiàn),人工(gōng)智能(néng)和人腦(nǎo)之間還(hái)是有著(zhe)巨大的差距。

 而如今正處在大數據驅動的人工(gōng)智能(néng)時代,AI運算(suàn)中數據搬運更加頻繁,“内存牆”這一(yī)矛盾更加凸顯。AI要真正做到(dào)像人類一(yī)樣聰明,需要先突破算(suàn)力瓶頸。

· “近存儲計算(suàn)”、“計算(suàn)存儲一(yī)體化”……瓶頸正在被逐步突破。

為(wèi)此,研究者投入了大量的精力來縮減差距,提升計算(suàn)和存儲能(néng)力,“近存儲計算(suàn)”、“計算(suàn)存儲一(yī)體化”的提出,正是每個(gè)階段研究不斷突破的見(jiàn)證。

近存儲計算(suàn),簡單來講,就(jiù)是将數據靠近計算(suàn)單元,從(cóng)而減少數據移動的延遲和功耗,多(duō)級存儲架構和高(gāo)密度片上(shàng)存儲是其主要實現方式。而在趨勢預測中,未來将參照(zhào)腦(nǎo)神經結構的“計算(suàn)存儲一(yī)體化”,是把數據存儲單元和計算(suàn)單元融合為(wèi)一(yī)體,也就(jiù)是将計算(suàn)移到(dào)存儲中,計算(suàn)單元和存儲單元集成在同一(yī)個(gè)芯片,數據不需要單獨的運算(suàn)部件(jiàn)來完成計算(suàn),在存儲單元内即可完成運算(suàn),讓存儲單元具有計算(suàn)能(néng)力。這樣一(yī)來,可以顯著減少其間的數據搬運,提高(gāo)計算(suàn)效率,助力突破AI算(suàn)力瓶頸,成為(wèi)下(xià)一(yī)代AI系統的“入場券”。

目前,已經有很多(duō)廠商和研究機(jī)構開(kāi)始進入計算(suàn)存儲一(yī)體化領域,紛紛推出實驗型架構。從(cóng)目前的實現方式看(kàn),計算(suàn)存儲一(yī)體化分成了兩個(gè)路(lù)線:基于成熟的易失性存儲和不成熟的非易失性存儲。

前者需要融合處理器(qì)和存儲器(qì),但現階段處理器(qì)與存儲器(qì)的制造工(gōng)藝不同,如果要在處理器(qì)上(shàng)實現存儲器(qì)的功能(néng),可能(néng)會(huì)降低(dī)存儲器(qì)的存儲密度;反之,在存儲器(qì)上(shàng)實現處理器(qì)的功能(néng),則可能(néng)會(huì)影響處理器(qì)的運行速度,這個(gè)矛盾暫時無法得到(dào)很好的解決。後者基于不成熟的非易失性存儲,有專家認為(wèi)其具備對存儲和計算(suàn)的天然融合特定,是構建計算(suàn)存儲一(yī)體化的最佳器(qì)件(jiàn),但是目前工(gōng)藝均未成熟。

總體來看(kàn),提升存儲和計算(suàn)能(néng)力,一(yī)直是重要的建設方向。未來,計算(suàn)存儲趨于“合”之大勢,不過真正實現、甚至廣泛商用,仍需一(yī)段時日。且拭目以待!



分享到(dào):