图灵奖得主avid Patterson表示我们正处于“后摩尔定律时代”.doc

《图灵奖得主avid Patterson表示我们正处于“后摩尔定律时代”.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、图灵奖得主avidPatterson表示我们正处于“后摩尔定律时代”　　2017年图灵奖得主、现任谷歌工程师以及计算机体系结构宗师DavidPatterson表示我们正处于“后摩尔定律时代”。谷歌、英伟达、微软、英特尔等各家公司都在探索不同的机器学习专用架构，最终市场会决定一切。对于硬件和软件工程师而言，正有无数能获得图灵奖的机遇在前面。　　2017年图灵奖得主之一、加州大学教授、Google工程师和RISC先驱DavidPatterson表示，没有什么是比现在从事计算机系统结构更好的时候了。　　那是因为，摩尔定律真的结束了，他说：”如果摩尔定律仍然有效，那我们现在就落后了15倍。我们

2、正处于后摩尔定律时代（post-Moore’sLawera）。”　　　　上周，在圣何塞举行的2018年@Scale会议上，Patterson表示，“我们已经处于性能增长的最后阶段。当性能每18个月翻一番时，人们就会丢掉用得好好的台式电脑，因为他们朋友的新电脑速度要快得多得多。”　　但去年，Patterson曾说，“运行单个程序的性能只增长了3％，因此它是每20年翻一番。如果你只是坐在那里等着芯片变得更快，你将不得不等待很长的时间。”　　对于像Patterson这样的计算机架构师来说，这实际上是个好消息。他同时指出，这也是软件工程师创新的好机会。“专为处理特定类型计算问题而定制的革命性的

3、新硬件架构和新软件语言，正等待我们去开发，”Patterson说：“这些事情你只要去做，就有机会拿图灵奖。”　　作为软件方面的一个例子，Patterson表示将Python重写为C可以使性能提高50倍。加上其他一些优化方法，速度会急剧增加，与原始Python程序相比性能提高1000倍也是完全有可能的。　　在硬件方面，Patterson认为特定领域架构（domain-specificarchitectures，DSA）运行得更好。他说：“这不是魔术，只是我们能做的一些事情。”例如，应用程序并不都需要用同样精度的计算。他说，对于有些应用，你可以使用比常规的IEEE754标准更低精度的浮点运

4、算。　　Patterson说，机器学习是现在应用这种新架构和语言的最大机会。“如果你是做硬件的，”他说，“你希望你的朋友都恨不得要更多更多的计算机。”而机器学习对于计算来说是”贪婪的，我们太喜欢了”。　　他说，如今，关于哪种类型的计算机架构最适合机器学习，业界有很多争议，有很多公司在不同的架构上下注。谷歌拥有张量处理单元（TPU），每个芯片有一个核心和用软件控制的内存（而非缓存），英伟达的GPU则拥有80多个内核；微软正在走FPGA的路线。　　至于英特尔，Patterson表示他们“在所有的赛道上都下了注”，为机器学习推销传统的CPU，收购Altera（这家公司向微软提供FPGA），并

5、且收购Nervana，后者专注于开发神经网络专用处理器（类似于谷歌的TPU）。　　除了这些大公司外，Patterson表示至少还有45家硬件初创公司都在解决这个问题，即设计机器学习专用架构。最终，他说，市场将决定一切。　　“现在，”他说，“是计算机系统结构的黄金时代。”