IBM全新AIU芯片：5nm工藝，230億晶體管！深度學習處理性能強勁！

電子發(fā)燒友網(wǎng)報道（文/李彎彎）不久前，IBM 研究院推出了一款AI處理器，名為人工智能單元（Artificial Intelligent Unit，AIU），這是IBM首個用于運行和訓練深度學習模型的完整 SoC。IBM聲稱，其比通用CPU工作更快、更高效。

AIU：32個處理器核心、230億個晶體管

這款AIU芯片是IBM研究院AI硬件中心投入五年開發(fā)出的結(jié)果，AI硬件中心于2019年啟動，專注于開發(fā)下一代芯片與AI系統(tǒng)。該中心的目標是，計劃未來每年將AI硬件效率提升2.5倍。到2029年，將AI模型的訓練和運行速度拉高1000倍。

據(jù)IBM介紹，該芯片采用5nm制程工藝，共有32個處理器核心和230億個晶體管，在設計易用性方面，與普通顯卡相當，能夠介入任何帶有PCI插槽的計算機或服務器。AIU芯片，旨在支持多種格式并簡化從圖像識別到自然語言處理的人工智能工作流程。

AIU芯片與傳統(tǒng)用于訓練的GPU芯片有何不同？一直以來，深度學習模型依賴于CPU加GPU協(xié)處理器的組合進行訓練與運行。GPU最初是為沉浸圖形圖像而開發(fā)，后來人們發(fā)現(xiàn)其在AI領域有著顯著優(yōu)勢，因此GPU在AI訓練領域占據(jù)了非常重要的位置。

IBM開發(fā)的AIU并非圖形處理器，它是專為深度學習模型加速設計的，針對矩陣和矢量計算進行了優(yōu)化。AIU能夠解決高復雜計算問題，并以遠超CPU的速度執(zhí)行數(shù)據(jù)分析。

AIU芯片有何特點呢？過去這些年，AI與深度學習模型在各行各業(yè)中快速普及，同時深度學習的發(fā)展也給算力資源帶來了巨大的壓力。深度學習模型的體量越來越大，包含數(shù)十億甚至數(shù)萬億個參數(shù)。而硬件效率的發(fā)展卻似乎跟不上深度學習模型的增長速度。

過去，計算一般集中在高精度64位與32位浮點運算層面。IBM認為，有些計算任務并不需要這樣的精度，于是提出了降低傳統(tǒng)計算精度的新術語——近似計算。

如何理解呢？IBM認為對于常見的深度學習任務，其實并不需要那么高的計算精度，就比如說人類大腦，即使沒有高分辨率，也能夠分辨出家人或者小貓。也就是說各種任務，其實都可以通過近似計算來處理。

在AIU芯片的設計中，近似計算發(fā)揮著重要作用。IBM研究人員設計的AIU芯片精度低于CPU，而這種較低精度也讓新型AIU硬件加速器獲得了更高的計算密度。IBM使用混合8位浮點（HFP）計算，而非AI訓練中常見的32位或16點浮點計算。由于精度較低，因此該芯片的運算執(zhí)行速度可達到FP16的2倍，同時繼續(xù)保持類似的訓練效能。

IBM在AI芯片技術上的不斷升級

在去年2月的國際固態(tài)電路會議（ISSCC 2021）上，IBM也曾發(fā)布過一款性能優(yōu)異的AI芯片，據(jù)IBM稱它是當時全球首款高能效AI芯片，采用7nm制程工藝，可達到80%以上的訓練利用率和60%以上的推理利用率，而通常情況下，GPU的利用率在30%以下。

有對比數(shù)據(jù)顯示，IBM 7nm高能效AI芯片的性能和能效，不同程度地超過了IBM此前推出的14nm芯片、韓國科學院（KAIST）推出的65nm芯片、平頭哥推出的12nm芯片含光800、NVIDIA推出的7nm芯片A100、聯(lián)發(fā)科推出的7nm芯片。

IBM去年推出的這款7nm AI芯片支持fp8、fp16、fp32、int4、int2混合精度。在fp32和fp8精度下，這款芯片每秒浮點運算次數(shù)分別達到16TFLOPS和25.6TFLOPS，能效比為3.5TFLOPS/W和1.9TFLOPS。而被業(yè)界高度認可的NVIDIA A100 GPU在fp16精度下的能效比為0.78TFLOPS/W，低于IBM這款高能效AI芯片。

IBM在官網(wǎng)中稱，這款AI芯片之所以能夠兼顧能效和性能，是因為該芯片支持超低精度混合8位浮點格式（(HFP8，hybrid FP8）。這是IBM于2019年發(fā)布的一種高度優(yōu)化設計，允許AI芯片在低精度下完成訓練任務和不同AI模型的推理任務，同時避免任何質(zhì)量損失。

可以看到IBM此次發(fā)布的新款AIU與去年2月發(fā)布的7nm AI芯片，都采用了IBM此前提出的近似計算。從性能來看，去年推出的那款AI芯片一定程度上甚至超過了目前業(yè)界訓練場景普遍使用的NVIDIA A100 GPU，而今年新推出的AIU無論是在制程工藝、晶體管數(shù)量上都有升級，可想而知性能水平將會更高。