半导体质量作用定律

记者 | 彭新

“摩尔定律逐渐失效，提升计算机性能迫在眉睫。‘黄氏定律’应运而生，它将成为未来发展的关键。” 近日，英伟达首席科学家Bill Dally在GTC中国峰会上如是说。

“黄氏定律”得名于英伟达首席执行官黄仁勋（Jensen Huang，该定律预测GPU将推动AI性能每年翻倍增长。尽管硬件和软件发展带来一定影响，但“黄氏定律”仍展现出稳定发展态势。从个人设备的面部和语音识别，到自动驾驶汽车和数据中心等大型应用，都受益于此。

业界普遍认为，遵循每两年翻倍速度的摩尔定律即将走到尽头。而随着芯片主战场转向AI领域，英伟达提出的“黄氏定律”获得了广泛关注，彰显了其在AI计算领域的领先地位。

如今，AI计算应用范围不断扩大，正逐步向个人设备和边缘领域渗透。以智能手机为例，芯片内置的神经网络引擎为面部识别、自然语言理解、物体追踪等机器学习任务提供了基础。

“回顾GPU芯片设计历程，随着工艺进步，我们顺理成章地增加了计算单元数量。” 英伟达中国区工程和解决方案高级总监赖俊杰在接受界面新闻采访时表示。得益于架构创新，GPU性能实现了倍数乃至数十倍的提升。英伟达GPU芯片应用早已超越游戏和图形计算范畴，在数据中心加速计算和AI领域占据了主要市场份额。

尽管以AI为核心，系统运行仍离不开CPU。Bill Dally坦言，当工程师大幅提升某一环节的运算速度时，其他无法同步提升的部分就会成为瓶颈。

Bill Dally于2009年加入英伟达，此前担任斯坦福大学计算机科学系主任，专注于数据科学、人工智能和图形学研究，拥有120多项专利。在英伟达，他领导着一支200多人的科研团队。

Bill Dally表示，英伟达的目标是通过改进GPU技术，实现AI推理性能每年翻倍增长。在GTC大会上，英伟达推出了超高能效加速系统MAGNet，其AI推理能力高达每秒100万亿次，比现有商用芯片提升了一个数量级。

“数据传输是目前芯片中最耗能的环节，MAGNet采用了一系列新技术来协调和控制信息流，从而最大限度地减少数据传输。” Bill Dally介绍说，MAGNet正是“黄氏定律”得以推动的例证之一。

Bill Dally领导的英伟达研究团队还在探索用更快速的光链路取代现有IT系统中的电气链路。其中，“密集波分复用”技术有望在仅一毫米大小的芯片上实现Tb/s级别数据传输，是当前互连密度的十倍以上。

目前，英伟达正与哥伦比亚大学合作，研究如何利用电信供应商在其核心网络中采用的技术，通过单根光纤传输数十路信号。

尽管市场对“黄氏定律”持肯定态度，但与摩尔定律相比，其具体发展速度仍难以确定。“黄氏定律” 提到的运算处理能力，目前还无法适用于所有应用场景。人工智能研究组织Open AI指出，以典型的AI影像识别测试为例，虽然总体而言AI“性能”每年可提升一倍，但如何对“性能”达成共识仍是一项挑战。