比A100系統(tǒng)快1.7倍，從Google TPU v4看AI芯片的未來(lái)
相比較使用英偉達(dá) A100 所創(chuàng)建的超級(jí)計(jì)算機(jī)，使用谷歌 TPUv4 構(gòu)建的超級(jí)計(jì)算機(jī)速度快 1.2-1.7 倍，功耗降低 1.3-1.9 倍。
目前在人工智能計(jì)算領(lǐng)域，英偉達(dá)占據(jù)主導(dǎo)地位，超過(guò) 90% 的人工智能項(xiàng)目開(kāi)發(fā)都使用其芯片。而谷歌試圖在該市場(chǎng)上和英偉達(dá)競(jìng)爭(zhēng)，TPU 的全稱為 Tensor Processing Units，是谷歌自研的芯片。
為了TPU的可擴(kuò)展性設(shè)計(jì)專用光學(xué)芯片，谷歌也是拼了
從論文的標(biāo)題可以看到，谷歌TPU v4的一個(gè)主要亮點(diǎn)是通過(guò)光互連實(shí)現(xiàn)可重配置和高可擴(kuò)展性（也即標(biāo)題中的“optically reconfigurable”）。而在論文的一開(kāi)始，谷歌開(kāi)門見(jiàn)山首先介紹的也并非傳統(tǒng)的MAC設(shè)計(jì)、片上內(nèi)存、HBM通道等AI芯片常見(jiàn)的參數(shù)，而是可配置的光學(xué)互聯(lián)開(kāi)關(guān)（reconfigurable optical switch）。作為論文的重中之重，這里我們也詳細(xì)分析一下為什么光學(xué)互聯(lián)在TPU v4設(shè)計(jì)中占了這么重要的位置，以至于谷歌甚至為了它自研了一款光學(xué)芯片。
TPU v4從一開(kāi)始設(shè)計(jì)時(shí)，其目標(biāo)就是極高的可擴(kuò)展性，可以有數(shù)千個(gè)芯片同時(shí)加速，從而實(shí)現(xiàn)一個(gè)為了機(jī)器學(xué)習(xí)模型訓(xùn)練而設(shè)計(jì)的超級(jí)計(jì)算機(jī)。在谷歌的設(shè)計(jì)中，超級(jí)計(jì)算機(jī)的拓?fù)浣Y(jié)構(gòu)為：將4x4x4（64）個(gè)TPU v4芯片互聯(lián)在一起形成一個(gè)立方體結(jié)構(gòu)（cube），然后再把4x4x4這樣的cube用連在一起形成一個(gè)總共有4096個(gè)TPU v4的超級(jí)計(jì)算機(jī)。
在這樣的拓?fù)渲校锢砭嚯x較近的TPU v4（即在同一個(gè)4x4x4 cube中的芯片）可以用常規(guī)的電互聯(lián)（例如銅絞線）方法連接，但是距離較遠(yuǎn)的TPU之間（例如在cube之間的互聯(lián)）就必須使用光互連，原因就在于在如此大規(guī)模的超級(jí)計(jì)算機(jī)中，芯片之間的數(shù)據(jù)互聯(lián)在很大程度上會(huì)決定整體計(jì)算的效率；如果數(shù)據(jù)互聯(lián)效率不夠高的話，很多時(shí)候芯片都在等待來(lái)自其他芯片數(shù)據(jù)到達(dá)以開(kāi)始計(jì)算，這樣就形成了效率浪費(fèi)。為了避免這樣“芯片等數(shù)據(jù)”的情形出現(xiàn)，就必須確保芯片之間互聯(lián)能擁有高帶寬，低延遲。而光互連對(duì)于物理距離較遠(yuǎn)的芯片就成為了首選。
光互連在高性能計(jì)算中的使用也并非新聞，而谷歌在TPU v4中的主要突破是使用可重配置的光互連（即加入光路開(kāi)關(guān)，optical circuit switch OCS）來(lái)快速實(shí)現(xiàn)不同的芯片互聯(lián)拓?fù)?。換句話說(shuō)，芯片之間的互聯(lián)并非一成不變的，而是可以現(xiàn)場(chǎng)可重配置的。這樣做可以帶來(lái)許多好處，其中最主要的就是可以根據(jù)具體機(jī)器學(xué)習(xí)模型來(lái)改變拓?fù)?，以及改善超?jí)計(jì)算機(jī)的可靠性。
從拓?fù)浣Y(jié)構(gòu)來(lái)說(shuō)，不同的機(jī)器學(xué)習(xí)模型對(duì)于數(shù)據(jù)流的要求大致可以分為三類，即數(shù)據(jù)平行（每塊芯片都加載整個(gè)模型，不同的芯片處理數(shù)據(jù)集中不同的數(shù)據(jù)），模型并行（模型中有些層特別大，因此每塊芯片只負(fù)責(zé)這樣很大的層中的一部分計(jì)算），以及流水線并行（把模型中的不同層交給不同的芯片計(jì)算），而不同的數(shù)據(jù)流就對(duì)應(yīng)了不同的TPU互聯(lián)拓?fù)?。?dāng)有了可重配置光互連之后，就可以根據(jù)具體模型數(shù)據(jù)流來(lái)調(diào)整TPU之間的互聯(lián)拓?fù)洌瑥亩鴮?shí)現(xiàn)最優(yōu)的性能，其提升可超過(guò)2倍。
另一個(gè)優(yōu)勢(shì)就是可靠性。在這樣擁有海量芯片組成的超級(jí)計(jì)算機(jī)中，一個(gè)重要的考量就是，如果有一小部分的芯片不工作了，如何確保整體超級(jí)計(jì)算機(jī)仍然能維持較高的性能？如果使用常規(guī)的固定互聯(lián)架構(gòu)，那么一個(gè)芯片出故障可能會(huì)影響整個(gè)系統(tǒng)工作。而在有了可重配置的光互連之后，需要做的只需要把出故障的芯片繞過(guò)，就不會(huì)影響整個(gè)系統(tǒng)的工作，最多會(huì)犧牲一點(diǎn)整體的性能。谷歌在論文中給出了一個(gè)單芯片故障率和系統(tǒng)平均性能影響的曲線圖，在使用可配置光互連（以及光路開(kāi)關(guān)）時(shí)，假設(shè)芯片可靠率在99%的情況下，其整體系統(tǒng)的平均性能提升比不使OCS可高達(dá)6倍，可見(jiàn)光互連開(kāi)關(guān)的重要性。
為了實(shí)現(xiàn)數(shù)據(jù)中心級(jí)的可配置光互連，需要光路開(kāi)關(guān)首先能高效擴(kuò)展到超高數(shù)量的互聯(lián)數(shù)（例如1000x1000），同時(shí)需要實(shí)現(xiàn)低開(kāi)關(guān)切換延遲，低成本，以及低信號(hào)損耗。谷歌認(rèn)為現(xiàn)有的商用方案都不夠滿意，因此谷歌的做法是自研了一款光路開(kāi)關(guān)芯片Palomar，并且使用該芯片實(shí)現(xiàn)了全球首個(gè)數(shù)據(jù)中心級(jí)的可配置光互連，而TPU v4就是搭配了這款自研光路開(kāi)關(guān)芯片從架構(gòu)上實(shí)現(xiàn)了高性能。谷歌自研的光路開(kāi)關(guān)芯片Palomar使用的是基于MEMS反射鏡陣列的技術(shù)，具體原理是使用一個(gè)2D MEMS反射鏡陣列，通過(guò)控制反射鏡的位置來(lái)調(diào)整光路，從而實(shí)現(xiàn)光路的切換。使用MEMS的光路開(kāi)關(guān)芯片可以實(shí)現(xiàn)低損耗，低切換延遲（毫秒級(jí)別）以及低功耗。在經(jīng)過(guò)一系列優(yōu)化之后，光路系統(tǒng)的成本也控制得很低，在整個(gè)TPU v4超級(jí)計(jì)算機(jī)成本中占5%以下。
Google自研TPU，五年更新四代
Google最早于2016年宣布首款內(nèi)部定制的AI芯片，區(qū)別于訓(xùn)練和部署AI模型的最常見(jiàn)的組合架構(gòu)，即CPU和GPU組合，第一代TPU在那場(chǎng)世界著名的人機(jī)圍棋大戰(zhàn)助力AlphaGo打敗李世石“一戰(zhàn)成名”，宣告并不是只有GPU才能做訓(xùn)練和推理。
Google第一代TPU采用28nm工藝制程，功耗大約40W，僅適用于深度學(xué)習(xí)推理，除了AlphaGo，也用在Google搜索、翻譯等機(jī)器學(xué)習(xí)模型中。
2017年5月，Google發(fā)布了能夠?qū)崿F(xiàn)機(jī)器學(xué)習(xí)模型訓(xùn)練和推理的TPU v2，達(dá)到180TFLOPs浮點(diǎn)運(yùn)算能力，同時(shí)內(nèi)存帶寬也得以提升，比同期推出的CPU AI工作負(fù)載提升30倍，比GPU AI工作負(fù)載提升15倍，被基于4塊TPU v2的AlphaGo擊敗的世界圍棋冠軍柯潔最直觀地感受了這一切。
2018年5月，Google又發(fā)布第三代TPU v3，性能是上一代TPU的兩倍，實(shí)現(xiàn)420TFLOPs浮點(diǎn)運(yùn)算，以及128GB的高帶寬內(nèi)存。
按照一年一次迭代更新的節(jié)奏，Google理應(yīng)在2019年推出第四代TPU，不過(guò)這一年的I/O大會(huì)上，Google推出的是第二代和第三代TPU Pod，可以配置超過(guò)1000顆TPU，大大縮短了在進(jìn)行復(fù)雜的模型訓(xùn)練時(shí)所需耗費(fèi)的時(shí)間。
在AI芯片發(fā)展史上，無(wú)論是從片上內(nèi)存上，還是從可編程能力來(lái)看，Google TPU都是不可多得的技術(shù)創(chuàng)新，打破GPU的“壟斷”地位，且打開(kāi)云端AI芯片的新競(jìng)爭(zhēng)格局。
發(fā)展五年的Google TPU在今天依然保持著強(qiáng)勁的競(jìng)爭(zhēng)力，未來(lái)的世界是什么樣的？Google TPU已經(jīng)告訴了我們一小部分答案。
TPU v4與人工智能芯片的未來(lái)
從TPU v4的設(shè)計(jì)中，我們可以看到人工智能芯片未來(lái)的一些方向，而這些方向是我們?cè)贜vidia的GPU等其他主流人工智能芯片的設(shè)計(jì)中也看到的：
首先就是對(duì)于高效互聯(lián)和規(guī)模化的支持。隨著人工智能模型越來(lái)越大，對(duì)于這類模型的支持主要依賴人工智能芯片的可擴(kuò)展性（即如何讓多芯片可以高效并可靠地一起分工合作來(lái)加速這樣的大模型），而不是一味提高單芯片的能力來(lái)支持大模型，因?yàn)槟Ｐ偷难葸M(jìn)總是要比芯片的設(shè)計(jì)迭代更快。在這個(gè)領(lǐng)域，不同的芯片公司會(huì)有不同的側(cè)重，例如AMD側(cè)重較為微觀層面的使用chiplet來(lái)實(shí)現(xiàn)封裝級(jí)別的可擴(kuò)展性，Nvidia有NvLink等芯片技術(shù)來(lái)實(shí)現(xiàn)單機(jī)多卡之間的可擴(kuò)展性和性能提升，谷歌則直接為了海量TPU互聯(lián)設(shè)計(jì)了一款光路開(kāi)關(guān)芯片；但是這些公司之間的共性，即對(duì)于人工智能芯片可擴(kuò)展性的支持以滿足大模型的需求，卻是相當(dāng)一致的。從這個(gè)角度來(lái)看，未來(lái)可擴(kuò)展性（例如數(shù)據(jù)互聯(lián)帶寬）有可能會(huì)成為與峰值算力一樣的人工智能芯片主要指標(biāo)，而這也讓人工智能芯片設(shè)計(jì)更加跨界：即不僅僅是需要對(duì)于數(shù)字邏輯和計(jì)算機(jī)架構(gòu)方面的資源，同時(shí)也需要在封裝、數(shù)據(jù)互聯(lián)等領(lǐng)域都有積累。
此外，人工智能芯片與算法之間的結(jié)合繼續(xù)保持緊密關(guān)系，算法-芯片協(xié)同設(shè)計(jì)仍然將是未來(lái)人工智能芯片繼續(xù)提升性能的主要手段之一。我們目前已經(jīng)看到了谷歌、Nvidia等在算法-芯片協(xié)同設(shè)計(jì)中的大量成果：包括對(duì)于新的數(shù)制（Nvidia的FP16、FP8，谷歌的BF16等）的支持，對(duì)于計(jì)算特性的支持（Nvidia對(duì)于稀疏計(jì)算的支持），以及對(duì)于模型關(guān)鍵算法的直接專用加速器的部署（Nvidia的transformer acclerator，谷歌的SC等）。隨著摩爾定律未來(lái)越來(lái)越接近物理極限，預(yù)計(jì)未來(lái)人工智能芯片性能進(jìn)一步提升會(huì)越來(lái)越倚賴算法-芯片協(xié)同設(shè)計(jì)，而另一方面，由于有算法-芯片協(xié)同設(shè)計(jì)，我們預(yù)計(jì)未來(lái)人工智能芯片的性能仍然將保持類似摩爾定律的接近指數(shù)級(jí)提升，因此人工智能芯片仍然將會(huì)是半導(dǎo)體行業(yè)未來(lái)幾年最為熱門的方向之一，也將會(huì)成為半導(dǎo)體行業(yè)未來(lái)繼續(xù)發(fā)展的重要引擎。
