架构专用化助力芯片算力 中科驭数要用全栈式解决方案实现数据力量

严贵海表示，过去半个世纪摩尔定律的辉煌，既来自工艺的进步，也来自架构的不断创新。今年早些时候，国家发展和改革委员会副主任连伟朗在国家新办公室新闻发布会上表示，2019年将加强新基础设施建设，推进人工智能、工业互联网、物联网建设，加快5G商用步伐。随着国内三大运营商在17个试点城市集中部署，政府、大企业、投资机构共同推进的5G商用将进入最后筹备阶段，从IT时代向DT时代过渡。与此同时，随着5G、物联网、人工智能等带来的数据爆炸和新兴应用领域的不断创新，实时智能化商用提速技术是包括谷歌、亚马逊、Facebook、阿里等全球巨头在内的集体布局新方向，投资圈热度也在持续上升。它在业界被称为“下一个插座”。在过去的三年里，芯片晶体管密度的年增长率只有3.5%，这无疑宣告了一个过程的不断细化正在接近一定的物理极限“摩尔定律”，也就是说，芯片的计算能力每18个月以双倍的速度增长，基本上已经失败了。中国科学院计算研究所首席执行官严贵海表示，过去半个世纪，摩尔定律的辉煌来自流程的进步和架构的持续创新。芯片制造工艺进步的巨大贡献可以带来显着的性能提升，只需使用更复杂的半导体工艺，对架构进行很少的改变。与此同时，更密集、更便宜的片上资源，如晶体管和互连，为架构设计开辟了更多可能性。然而，随着5G技术的出现，具有低延迟、多模式终端，指数级增长的数据要求更强大的计算效率和能耗比，依赖传统的通用计算很难有效地继续下去，专用计算架构将发挥巨大的作用。显然，在“新摩尔定律”被发现之前，建筑创新需要发挥更重要的作用。近年来，随着“人工智能”、“区块链”、“边缘计算”等细分市场的快速增长，预计市场规模将达到数千亿至万亿美元，专用计算架构成为“后摩尔时代”的重要机遇。以“去中心化”、“场景定义计算”、 “定制计算支持场景多样化”、 “软硬件协同”、 “全栈解决方案”等为代表的需求已成为发展趋势。事实上，在通用处理器CPU的计算能力达到瓶颈之后，业界早已开始寻求通过专用协处理器来提升计算能力，并取得了良好的效果。例如，人工智能热潮带来了GPU的快速增长，比特币引发了对挖矿芯片的需求激增，Gartner、IDC等分析机构预计，到2020年，服务器市场协处理器的总渗透率将超过5%，非GPU协处理器的渗透率也将超过3%。然而，由于应用领域的快速创新，过去商业需求并不明显，但由于英特尔、微软等多年来在计算领域的垄断，导致市场上大量应用层企业，底层研发团队基本上都在研究机构。国内拥有全栈解决方案技术的团队非常缺乏。因此，中国计算机产业的发源地--中国科学院计算研究所架构国家重点实验室所产生的中科数字，具有“构建加速生态系统，打破计算能力瓶颈”的固有优势。作为其核心的原始技术是KPUTM（即核心处理器，已提交），是一个协处理器，旨在加速特定领域的核心功能的计算。 KPUTM以功能核心为基本单位，对应用中的计算密集型应用进行直接抽象化和高层次集成，实现以应用为中心的架构“定制”。KPUTM可以根据需求整合数十个甚至数百个功能核心。在操作机制方面，采用“数据驱动并行计算”架构，通过数据流激活不同的功能核心进行相应的计算。这使您能够满足从“功能核心”到“一对一”服务的计算需求，并确保效率。我们提供基于KPU的加速堆栈解决方案，包括KOS，KLIB等广泛的技术堆栈。它不仅使应用开发人员能够无缝地使用KPUTM的加速性能，还有助于数据中心和运营商更好地管理KPUTM，并围绕KPUTM加速器构建软件协同计算生态系统。严贵海表示，当数据量大、算法复杂、带宽增加、实时性要求高时，对芯片计算能力的要求也会更高，架构的“专业化”将成为许多领域不同计算模式的重要方式。虽然金融计算、实时数据库、人工智能、数据中心、高性能计算、基因测序、区块链等之间存在显著差异，但它们的共同特征是数据驱动、计算密集型和终端云集成。KPUTM是一个专用的协处理器，可支持计算密集型应用程序，并显著提高计算效率。据了解，KPU的核心是一个“目标配置”运算单元核心，它根据应用程序的计算特点来设置“功能区”和“非功能区”。Ribbon允许您根据计算出的特征设置不同的核心，并以相对较低的成本进行设计。非功能区域可以重用，从而降低开发成本。此外，计算密集型而非控制密集型的数据架构和近内存架构的整体结构使计算更加高效。已经完成了近30项专利申请，并且正在快速增长。同时，在计算金融、实时数据库、人工智能、区块链等领域都有布局。该公司的第一款产品--专用于金融时间序列分析的CONFLUX1800芯片--估计其性能比通用GPU高出两个数量级，功耗不到10瓦。预计将于2019年底开始批量生产。团队方面，创始人兼首席执行官燕贵海，本科毕业于北京大学，中国科学院计算所博士、计算所研究员正教授，在计算机架构领域深入挖掘十几年，主持多个国家自然科学基金项目，累计经费近千万，北京市科技二等奖、中国计量学会技术发明二等奖、中国质量协会一等奖、荣获中国计量学会技术发明二等奖等多项省级科技奖励;被评为中国科学院青年创新促进会、科技北京百人领导人才团队五名核心成员之一。主任科学家李晓伟，中国科学院计算所体系结构国家重点实验室常务副主任，主要研究领域为VLSI测试、容错计算，荣获北京市科技奖（2007、2008）、国家技术发明奖（2012），被评为国家百万人才项目（2013）现有团队20多人，来自中国科学院计算机研究所、清华大学、北京大学等科研院所及高校相关专业领域，其中博士11人，硕士7人，团队成员60%以上来自中国科学院、清华大学、北京大学，基本上是核心技术人员。到今年年底，该团队将增加到40人。据介绍，作为开发特定领域计算架构的先驱，CIDIC成立于2018年5月，团队在ISCA、HPCA和计算机领域旗舰期刊IEEE Trans. on Computers上进行了十多年的研究。已发表高水平论文40余篇，2015年已形成国家级自主研究平台。该公司在成立100天内通过中科创兴、久友资本和投资筹集了数千万元人民币，目前正在寻求8000万元的A轮前融资。它是原创KPUTM的3个系列，分别是CONXTM（TM）、FFLOWTM（福来TM）、TRUSTYTM（信芯TM），近3年来发展非常迅速，并且以国家多方面支撑的金融科学（FinTech）领域为第一个领域，其“”系列专用加速器的研发几乎成熟。“严贵海补充说，虽然GPU仍被用于金融领域的加速，但GPU本质上是单指令多数据（SIMD）计算模式，与金融风险管理应用的规则集处理模式在计算模式和数据流处理两方面都不兼容。另一方面，KPUTM多“核心”功能多数据流（MKMD）模式适用于这样的应用程序。每次更新数十个并行数据时，结果就会被输出，这无疑提高了实时性，提高了效率，降低了功耗。