“新A11 Bionic神經(jīng)引擎采用多核設計，實(shí)時(shí)處理速度最高每秒可以達到6000億次。A11 Bionic神經(jīng)引擎主要是面向特定機器學(xué)習算法、Face ID、Animoji及其它一些功能設計的。”

 

　　上面所說(shuō)的話(huà)基本都是宣傳資料。所謂的每秒運算6000億次對你來(lái)說(shuō)沒(méi)有任何意義。當然，這個(gè)數字應該是真實(shí)的，但是它并不能告訴我們底層架構是怎樣的、真實(shí)性能又是怎樣的，因為我們不知道蘋(píng)果所謂的“運行”到底是什么意思。當我們談?wù)揋PU性能，會(huì )用TFLOPs評估，例如，廠(chǎng)商會(huì )提供GPU在理想環(huán)境下執行浮點(diǎn)運算的速度。一般來(lái)說(shuō)，執行特定任務(wù)時(shí)，GPU的表現與理論數據有差距，就蘋(píng)果芯片來(lái)說(shuō)應該也是一樣的。

 

　　到底蘋(píng)果硬件的具體規格如何？我們無(wú)法確切知道，盡管如此，我們還是可以推斷一下。

 

 

　　機器學(xué)習是AI技術(shù)的分支，它的目標是創(chuàng )建算法，讓算法通過(guò)數據自動(dòng)學(xué)習。機器學(xué)習的種類(lèi)很多，其中有兩種尤其引人關(guān)注，一種是監督式學(xué)習，一種是無(wú)監督學(xué)習。

 

　　如果是監督式學(xué)習，處理的數據已經(jīng)貼上標簽，分了類(lèi)。例如，如果你擁有某個(gè)城市的數據庫，它會(huì )告訴你公寓的租賃情況，還有每個(gè)公寓占地面積是多少。如果你將這些數據放進(jìn)算法，用于監督式學(xué)習，它會(huì )在占地面積與租賃情況之間構建圖表，將二者聯(lián)系起來(lái)，你給它一個(gè)面積，它可以預測相對應的租賃情況，不需要再寫(xiě)一個(gè)特定程序執行相同的任務(wù)。你可能會(huì )向模型下命令，讓它預測1000平方英尺的公寓租金是多少，然后查看1000平方英尺的公寓實(shí)際租金是多少，用查到的數據對預測進(jìn)行檢查。輸入模型的數據越多，模型越出色，預測的結果越精準。

 

　　如果是無(wú)監督學(xué)習，輸給算法訓練的數據沒(méi)有貼標簽。在監督式學(xué)習中，你知道自己想在面積與月租金之間建立聯(lián)系。如果是非監督式學(xué)習，你不知道每個(gè)數值與什么有關(guān)。此時(shí)算法會(huì )在數據內尋找關(guān)系。

 

　　讓我們舉一個(gè)例子。假設你有一個(gè)更大的數據庫，不只包含平方面積和公寓租賃數據，還有其它數據。比如本地房產(chǎn)的估價(jià)數據、犯罪率數據、人口統計數據、學(xué)校質(zhì)量數據、月租金數據、信用評估數據。所有這些因素都會(huì )影響公寓的租賃價(jià)格，不過(guò)各因素的影響到底有多大呢？很難確定。此時(shí)，你可能想開(kāi)發(fā)一套算法，將各因素的關(guān)系勾勒出來(lái)，將相似的結果歸成一類(lèi)，讓關(guān)系突顯出來(lái)。這就是所謂的“clustering”（分類(lèi)歸并），它是無(wú)監督學(xué)習算法的一種基本類(lèi)型。

　　上圖告訴我們同一數據集分類(lèi)歸并之前和之后的形態(tài)。Clustering只是一種類(lèi)型的無(wú)監督學(xué)習算法，沒(méi)有任何一種算法是完美的，各有優(yōu)缺點(diǎn)，有時(shí)算法找到的關(guān)系只是“背景噪音”，沒(méi)有價(jià)值。Netflix、亞馬遜用推薦引擎推薦產(chǎn)品和服務(wù)，它用的就是這種類(lèi)型的算法。

 

　　例如，如果你正在觀(guān)看《星際迷航》，Netflix怎么知道你喜歡《神盾局特工》呢？因為Netflix拿到了觀(guān)眾的數據，知道它們有關(guān)系。如果你知道《星際迷航》影迷有90%看了漫威劇集，你就知道自己應該向他們推薦更多漫威影片。如果處理的數據點(diǎn)只有一個(gè)或者兩個(gè)，要找到這種聯(lián)系似乎很簡(jiǎn)單。如果有成百上千個(gè)數據點(diǎn)呢？那就麻煩了，此時(shí)機器學(xué)習能發(fā)揮作用。

 

　　面部識別是深度學(xué)習、機器學(xué)習、AI的主要研究領(lǐng)域之一。正因如此，蘋(píng)果才會(huì )說(shuō)它的神經(jīng)引擎用在Face ID上，或者說(shuō)它是它是專(zhuān)門(mén)用來(lái)執行特定算法的。Animojis到底有什么作用？現在還不太清楚，讓我們先放在一邊不去理會(huì )。

 

　　蘋(píng)果曾說(shuō)過(guò)，Face ID不只使用了傳統攝像頭。按照蘋(píng)果的描述，新技術(shù)用3萬(wàn)個(gè)紅外光點(diǎn)給面部繪圖，這些圖像存儲起來(lái)，當你解鎖設備，系統會(huì )將存儲的圖像與它看到的臉部圖像對比。整個(gè)過(guò)程有大量數據需要處理，而且還不能消耗太多的電能。

 

 

　　有許多公司也在研究如何將AI、深度學(xué)習、機器學(xué)習技術(shù)應用于硬件。谷歌開(kāi)發(fā)了Tensorflow、英特爾開(kāi)發(fā)了MIC、Nvidia開(kāi)發(fā)Volta、富士通也在搭建自己的解決方案，甚至連AMD都想將深度學(xué)習技術(shù)放進(jìn)Radeon Instinct產(chǎn)品。這些硬件解決方案到底有何區別，我沒(méi)法一一介紹。深度學(xué)習的推斷方式、訓練深度學(xué)習的模型是不同的，這些平臺的能力也不一樣，它們無(wú)法裝進(jìn)相同的硬件，解決相同的問(wèn)題。

 

　　并不是說(shuō)它們沒(méi)有相似的地方。大體來(lái)說(shuō)，這些技術(shù)瞄準的都是硬件的特定功能，目標是縮短計算時(shí)間，降低計算能耗。與Nvidia Volta和AMD Radeon Instinct對比，蘋(píng)果A11 Bionic的TDP（熱設計功耗）肯定不同，降低每次運行的能耗至關(guān)重要。下面的圖表告訴我們執行特定運算需要消耗多少電能。AMD與Nvidia積極倡導16位運算，為什么？看看下圖就知道了，左邊“Operation”一欄指的是執行的運算，“Energy”指的是能耗，“Relative Energy Cost”說(shuō)的是執行運算需要的能耗；“Area”代表面積，“Relative Area Cost”指出執行相應運算硬件需要多少面積。

 

　　要提高機器學(xué)習的運算性能與效率，將數據存放在本地也很關(guān)鍵。總線(xiàn)中傳輸的數據越少，能耗越低。為了構建一個(gè)“低能耗網(wǎng)絡(luò )”，企業(yè)們花了很多精力研究。蘋(píng)果之所以想為設備引進(jìn)AI與機器學(xué)習技術(shù)也是出于這個(gè)原因，因為電能有限，提高效率至關(guān)重要，它還可以為AI、HPC留下發(fā)展空間。如果能夠構建低能耗網(wǎng)絡(luò )，未來(lái)可以輕松將CPU放進(jìn)更大的設備，或者提高CPU的運行速度，但是不會(huì )產(chǎn)生更多的熱量。

　　要提高機器學(xué)習的運算性能與效率，將數據存放在本地也很關(guān)鍵。總線(xiàn)中傳輸的數據越少，能耗越低。目前我們看到的架構全都是高度并行的架構，它們同步計算大型數據集，目標不是提高頻率、減少線(xiàn)程。

 

 

　　在過(guò)去幾年里，許多企業(yè)開(kāi)始研究深度學(xué)習、機器學(xué)習、AI。當中一些用來(lái)執行特殊任務(wù)，比如讓無(wú)人駕駛汽車(chē)行駛。為什么會(huì )出現這樣的熱潮呢？之前硅芯片的性能提升很快，2004年之后形勢變了，之后很長(cháng)一段時(shí)間增長(cháng)變慢。從2004年到2011年，企業(yè)增加CPU內核、改進(jìn)架構，進(jìn)步的速度還算可以。但是到了2011年之后，高端CPU的單線(xiàn)程速度止步不前，前進(jìn)速度像烏龜一樣。AMD Ryzen做得不錯，它在消費市場(chǎng)恢復了一點(diǎn)生機，但在純粹的單線(xiàn)程性能上AMD還沒(méi)有打敗英特爾。

 

　　如何讓芯片繼續前進(jìn)呢？有三種趨勢越來(lái)越明顯。

 

　　首先，要提高計算性能，只能開(kāi)發(fā)新的軟件模型，用新的特殊內核運行軟件模型。曾幾何時(shí)通用CPU飛速進(jìn)步，如果這種進(jìn)步無(wú)法重現，也許特殊、執行特定任務(wù)的內核可以讓性能快速提升。

 

　　其次，晶體管密度繼續提高，能耗繼續降低，芯片可以收集更多數據，以更快的速度處理數據，之前我們做不到，因為受到能耗的制約，也沒(méi)有可以處理的硬件。

 

　　再次，消費PC相當于處理“中心”，但是云數據中心對數據集中處理，正因如此，微軟、谷歌等企業(yè)才會(huì )想著(zhù)開(kāi)發(fā)特殊硬件，執行特定處理任務(wù)。英特爾不會(huì )開(kāi)發(fā)一款特殊CPU，為搜索引擎的后端處理做優(yōu)化，制造這樣的芯片沒(méi)有市場(chǎng)。微軟不同，早在2015年，它就用FPGAs技術(shù)提高必應的性能。

 

　　蘋(píng)果所走的道路與數據中心所走的路沒(méi)有什么不同，不過(guò)走這條路的不只有蘋(píng)果。高通之前也曾說(shuō)過(guò)，驍龍835是一個(gè)平臺，里面有許多計算功能開(kāi)發(fā)者可以拿去用。未來(lái)蘋(píng)果會(huì )如何強化該技術(shù)，我們拭目以待。雖然蘋(píng)果已經(jīng)遠離外設業(yè)務(wù)，不代表它未來(lái)某一天不會(huì )回來(lái)，它可能會(huì )推出高頻版A11 Bionic，裝進(jìn)附件，手機對TDP有要求，對外形有要求，附件不會(huì )有這樣的要求。