你好,这里是《邵恒头条》,我是邵恒。

10月14号,苹果发布了新的iPhone 12系列手机,起售价5499,跟去年的iPhone 11相同。要说iPhone12有什么突出的特点,我看大家主要讨论的是三点:

一个是性能,iPhone12能支持5G通信,很多人认为这会成为消费者换手机最大的动力。

另一个是外形,iPhone 12的外形有点像iPhone 4,因为手机的边框不再是现在的弧度设计,而是回归到了乔布斯时代直角、扁平边框的设计。

再有一个就是配件了,不过,跟以前不同的是,这款iPhone将不再配备耳机和充电器,因为苹果公司认为这可以有效减少电子垃圾。

这三点是大家从消费的角度来说,比较关注的。不过我看到,很多科技媒体还关注了iPhone 12的一个技术细节,就是这一次iPhone使用的芯片A14仿生芯片。这是全世界第一个用5nm技术制造出来的商用芯片,性能非常强大,上面有118亿个晶体管。上一代的A13仿生芯片,一秒钟能完成6万亿次运算,但是A14性能几乎翻倍,一秒钟能完成11万亿次运算。

我们外行看到这个数字肯定觉得很惊人。但我发现科技观察者却并不一定把这个当做好事。比如在《福布斯》网站上,一个做微芯片的专家却评论说,苹果的5nm芯片是摩尔定律走向终结的又一个路标。因为5nm差不多也就是10个原子那么大,都到这个量级了,我们还有多大希望,能让芯片每两年晶体管数量翻倍、性能翻倍呢?

当然,这样的观点也不新鲜,这个话题每年都有人讨论。不过我最近倒是看到一个有意思的说法,说摩尔定律也许会放慢甚至终结,但一个新定律却早已经显出雏形了,就是“黄仁勋定律”。黄仁勋你也知道,就是芯片设计公司英伟达的创始人。这个观点是《华尔街日报》上一个专门写科技评论的专栏作家,Christopher Mims提出来的。

如果你关注计算机领域,你肯定知道英伟达公司是全球最值钱的芯片公司,市值达到3500亿美元。他们主要做的是专门用于图形处理的GPU芯片。

以前这种芯片主要用在电脑或者游戏机里面。不过近些年来,英伟达的GPU芯片越来越多地被用在大数据中心里面,用来训练人工智能算法。这一类芯片有一个专业的名字,叫做“人工智能加速芯片”,顾名思义,作用就是给AI算法加速的。

针对这一类芯片,英伟达的首席科学家提供了一个数据。这个数据说的是,从2012年5月至今,这8年左右的时间里,英伟达芯片在一类特定的AI算法当中的表现,提升了317倍。算下来,这种性能提升的速率可不止每两年翻一倍,远远超过了摩尔定律的速率。这种趋势被Christopher Mims称为“黄仁勋定律”。

这一点,黄仁勋自己在2018年的英伟达GPU科技大会上也提到过。他在演讲中说,英伟达的GPU芯片,计算速度跟五年前,也就是2013年相比,快了25倍。但是如果是按照摩尔定律来计算的话,这个速率按理说也就应该提升10倍左右。当时黄仁勋就提出,这种现象背后是一种新的“定律”。

那么你可能会想了,按理说,整个芯片产业都遵循摩尔定律。为什么英伟达的芯片,能打破摩尔定律的限制呢?

要想搞明白这个问题,我们就得回到一个基础问题上,就是CPU芯片和GPU芯片有什么不同。

传统的CPU芯片是一种通用芯片,要干的事情很多,除了用来计算,还要做很多功能,比如说要调取数据,要控制操作,要分析指令等等。在一个CPU上,能用来计算的,就其实只有一小部分。相当于说,河面上有一艘船,但是船上坐着的人不都是划船的,还有一些其他人,有指挥的,有厨子,有负责看天气的等等。一艘船上10个座位,划桨的人可能只能坐下3-4个,剩下的位置都被“闲杂人等”占了。

但是GPU就不一样了。GPU是“专用芯片”,它有专门的功能,处理图像数据。这就相当于,同样是一艘船,GPU这艘船上大部分的位置都给了划桨的人,闲杂人等不让上船,10个座位上的人,可能八九个都在划船,船当然划得快。

这就是为什么,虽然在CPU领域,摩尔定律在放缓,但是在GPU领域,芯片性能却仍然飞速提升,甚至出现了“黄仁勋定律”。

那你可能会想了,这个所谓的“黄仁勋定律”,是不是跟摩尔定律的原理也一样呢?摩尔定律说的是,一块芯片上能放下的晶体管数量,每隔两年就翻一倍,导致芯片的性能也会随之翻倍。英伟达GPU芯片能实现性能提升,是不是也是通过在同一片芯片上浓缩更多的晶体管呢?

并没有这么简单。就这个问题我请教了得到上,《芯片技术》课程的主理人李铁夫老师。他说GPU芯片性能的提升,主要还是通过优化硬件以及优化算法做到的。

我们还是拿前面,船的那个比喻来说。硬件优化是什么意思呢?比如说你可以优化船体本身的设计,既然这个船只有一个任务,就是划得快,那不如按照赛艇的模型去设计。还有船的里面,座位怎么排布,甚至用什么样的桨来划,也都可以优化。对应到芯片设计领域,专业的术语就是,电路设计可以优化。

另一种方式,就是重新设计划船的技术,提升船上每个人划船的效率或者说提升整个团队的效率。比方说,在软件的层面,你可以使用更好、更高效的算法去发挥芯片的效率。

我们都不说那些复杂的AI算法,就说最常见的:麻省理工一个专门研究科技创新的教授Neil Thompson在实验中发现,对于同一个复杂的计算任务来说,在硬件不变的情况下,使用C语言完成计算任务的速度,比使用Python的速度要快47倍,因为C语言会减少运算次数。当他们继续对算法进行优化之后,最终得到的结果是,用Python需要7个小时才能完成的运算任务,用C语言0.41秒就完成了。

通过这个例子你可以感受到,当算法被改变的时候,硬件可能也会发挥出更高的性能。同样的道理,对于AI算法和AI芯片来说也是一样的。这就是为什么,AI芯片能够出现所谓的“黄仁勋定律”了。

当然,这个定律是不是成立,现在下结论恐怕还太早了。你也知道,摩尔定律其实是一个“自我实现”的预言。摩尔只是作出了一个预判,然后行业里的玩家纷纷把他的预判当作目标,进行了大量的研发投入。最终,还真的让摩尔定律运行了几十年。“黄仁勋定律”能不能实现,恐怕也取决于英伟达下多大的决心往里面砸钱和砸人,以及有多少人相信这个定律,愿意“追随”他。

但这不妨碍我们假设一下,如果“黄仁勋定律”真的维持下去,那会发生什么呢?

我们会看到,AI芯片的性能呈现指数级增长,AI应用可能会出现爆发式的增长。

比如说,现在很流行的新零售业务,无人售货超市可能就会是一个受益者。现在英伟达的芯片就被用在一些国外的超市里,当顾客买东西的时候,摄像头收集的图像会被实时传送到后台,英伟达的芯片会以一秒上百万亿的计算速度完成图像处理。如果英伟达芯片的性能能提升,成本降下来,这类无人零售超市可能会变得更普遍。

无人驾驶是另一个会从“黄仁勋定律”受益的行业。《华尔街日报》的文章里提到加州一家叫做图森未来的无人卡车公司。这类业务要想做起来,一个很关键的指标是,每瓦电力能支持多大的算力,以及整个自动驾驶的系统要占据多大的空间。对于一辆卡车来说,能提供的电能超不过5千瓦,空间也不大,就是卡车头那么大点。总不能把一个超级计算机塞进这么一个地方吧?这方面的进展也在很大程度上依赖于AI芯片性能的提升。

咱们开头提到的苹果手机业务,也将会从这个领域受益。苹果从2017年推出的iPhone 8开始,就在手机里搭载了A11仿生芯片,这个芯片上有一个专门用于机器学习的硬件,叫神经网络引擎。不仅苹果自己的人脸识别、拍照的功能用上了这部分硬件,其他开发者也可以使用它强大的功能。

而在未来,AI芯片的性能可能还不限于手机。随着AI芯片的性能提升、体积变小、成本下降,像是手表、小家电等等,一系列的电子设备都可能搭载AI芯片。我们会看到移动端的芯片有一个大的爆发。

这可能就是为什么,英伟达要斥巨资收购另外一家芯片巨头,英国的ARM了。因为英伟达的AI芯片目前主要用于大数据中心、云端计算,但是ARM的芯片设计则被用在苹果手机这样的移动端。如果他们两个的业务融合在一起,英伟达的AI芯片技术就有更多机会跨进移动领域。

好了,总结一下,今天跟你介绍了科技圈里最近流行的概念,“黄仁勋定律”。在通用芯片CPU领域,摩尔定律正在逐渐放缓。但是,在专用芯片GPU领域,尤其是AI芯片,芯片的性能却有可能以指数级的速度提升,出现“黄仁勋定律”。英伟达无疑是这个趋势最大的押注者。如果“黄仁勋定律”成为一个自我实现的预言,那么我们可能会看到AI应用出现爆发式的增长。

关于这个话题,你有什么自己的看法?欢迎你在留言中跟我分享。

 好了,这就是今天的《邵恒头条》。我是邵恒,我们明天见。

黄仁勋定律摩尔定律