文章来源:电子时代,作者ICONNECT007

Dale McHerron任IBM Research公司高级经理,负责异构集成研究。在演讲中,Dale谈到了构建下一代人工智能系统的需求,以及运行高技术水平人工智能系统对基础设施的意义。

Nolan Johnson:Dale,你刚刚做完演讲,是否可以对演讲做简要总结。

Dale McHerron:当然可以。我的演讲焦点是高性能计算,重点讨论了人工智能及其工作负载,以及我们需要如何构建下一代系统以支持人工智能的发展。我以传统的IBM高性能计算为起点,讨论了目前的技术发展现状,以及Z Systems 大型机的情况。针对更多计算能力逐渐融合的需求,芯片规模和制程提升也有所放缓。我们需要为新的工作负载进行架构设计,它需要大量内存。如何把所有这些需求结合起来,这会从封装开始对工艺有所影响。

图片

Johnson:人工智能计算能力需求每3个半月翻一番,您列举的数据值得关注,能详细介绍一下这个数据吗?

Dale McHerron:AI算法越来越复杂,人工智能技术正在蓬勃发展,并且已经有很多实际应用。这些算法变得如此复杂,比推理要复杂得多。

训练时,是针对模型进行;实际上,推理是在现实世界中使用训练结果。这些算法的训练要求变得如此复杂,因此需要每3个半月增加一倍的计算量。软件和算法领域,在复杂性和能力方面确实取得了很大的飞跃和进步。

Johnson:感觉比摩尔定律更快。有些观点认为摩尔定律已经无法维持,现在,事实上,对硬件的要求反而更高。

McHerron:是的。业界对数据中心的能源消耗量有很多看法。世界上约3%的能源被用于数据中心,这些新的工作负载没有达到较高的效率。

Johnson:你还谈到了阻碍计算发展的制约因素,其一是电力消耗。但从封装的角度来看,您还讨论了多芯片模块(简称 MCM)的复兴。20~25年前,MCM存在后又消失了,是什么使其又重回人们视野的?

McHerron:随着芯片制程和规模提升的放缓,每一代硅芯片上的晶体管数量已经不像过去那样快速提升。随着计算量的增加,需要越来越多的晶体管。

系统架构师会问:“怎么能在我的封装里放入更多的硅晶片来完成这项工作?”

正如我所提到的,我们已经达到了光刻尺寸的极限,下一代硅光刻机可能会在2030年前投入制造;光刻尺寸将缩小一半。

现在,要获得能够满足计算所需的硬件,必须在单位体积中放入更多的晶片,但不能把它们放得太开,那样耗电量会非常高。要在单位体积中塞进更多的晶片,但我们无法像以前那样通过缩小晶体管,必须通过封装实现。

Johnson:是否可以比较一下多芯片模块、小芯片(chiplet)和异构集成型封装的区别?

McHerron:过去,MCM基本上只是将更多相同的芯片放入同一个封装中。在小芯片架构中,每一块芯片都有各自的功能和特性,必须以高效的方式将封装内所有不同的功能互连起来,才能获得高能效。