AI 時代的摩爾定律？黃氏定律靠的是自身技術力將 AI 性能年年加倍
作者 雷鋒網 | 發布日期 2020 年 12 月 16 日 8:45
1965 年，時任快捷半導體公司工程師，也是後來英特爾（Intel）的創始人之一的戈登·摩爾（Gordon Moore）提出了摩爾定律（Moore’s law），預測積體電路上可以容納的晶體管數目大約每經過 24 個月便會增加 1 倍。
後來廣為人知的每 18 個月晶片性能將提高 1 倍的說法是由 Intel CEO 大衛·豪斯（David House）提出。過去的半個多世紀，半導體行業按照摩爾定律發展，並驅動了一系列的科技創新。
有意思的是，在摩爾定律放緩的當下，以全球另一大晶片公司 NVIDIA 創始黃仁勳（Jensen Huang）名字命名的定律——「黃氏定律（Huang’s Law）」對 AI 性能的提升作出預測，預測 GPU 將推動 AI 性能實現逐年翻倍。
Intel 提出了摩爾定律，也是過去幾十年最成功的晶片公司之一。NVIDIA 作為當下最炙手可熱的 AI 晶片公司之一，提出黃氏定律是否也意味著其將引領未來幾十年晶片行業的發展？
AI 性能將逐年翻倍
受疫情影響，一年一度展示 NVIDIA 最新技術、產品和中國合作夥伴成果的 GTC China 改為線上舉行，黃仁勳缺席今年的主題演講，由 NVIDIA 首席科學家兼研究院副總裁 Bill Dally 進行分享。Bill Dally 是全球著名的電腦科學家，擁有 120 多項專利，在 2009 年加入 NVIDIA 之前，曾任史丹佛大學電腦科學系主任。加入 NVIDIA 之後，Dally 曾負責 NVIDIA 在 AI、光線追蹤和高速互連領域的相關研究。
在 GTC China 2020 演講中，Dally 稱：「如果我們真想提高電腦性能，黃氏定律就是一項重要指標，且在可預見的未來都將一直適用。」
Dally 用三個項目說明黃氏定律將如何得以實現。首先是為了實現超高能效加速器的 MAGNet 工具。NVIDIA 稱，MAGNet 生成的 AI 推理加速器在模擬測試中，能夠達到每瓦 100 tera ops 的推理能力，比目前的商用晶片高出一個數量級。
之所以能夠實現數量級的性能提升，主要是因為 MAGNet 採用了一系列新技術來協調並控制通過設備的訊息流，最大限度地減少數據傳輸。數據搬運是 AI 晶片最耗能的環節已經是當今業界的共識，這一研究模型以模組化實現能夠實現靈活擴展。
Dally 帶領的 200 人的研究團隊的另一個研究項目目標是以更快速的光鏈路取代現有系統內的電氣鏈路。Dally 說：「我們可以將連接 GPU 的 NVLink 速度提高一倍，也許還會再翻番，但電信號最終會消耗殆盡。」
這個項目是 NVIDIA 與哥倫比亞大學的研究團隊合作，探討如何利用電信供應商在其核心網絡中所採用的技術，通過一條光纖來傳輸數十路信號。據悉，這種名為「密集波分複用」的技術，有望在僅一毫米大小的晶片上實現 Tb/s 級數據的傳輸，是如今連網密度的 10 倍以上。
Dally 在演講中舉例展示了一個未來將搭載 160 多個 GPU 的 NVIDIA DGX 系統模型。這意味著，利用「密集波分複用」技術，不僅可以實現更大的吞吐量，光鏈路也有助於打造更為密集的系統。
想要發揮光鏈路的全部潛能，還需要相應的軟件，這也是 Dally 分享的第三個項目——全新程式語言系統原型 Legate。Legate 將一種新的編程速記融入了加速軟件庫和高級運行時環境 Legion，借助 Legate，開發者可在任何規模的系統上運行針對單一 GPU 編寫的程序——甚至適用於諸如 Selene 等搭載數千個 GPU 的巨型超級電腦。
Dally 稱 Legate 正在美國國家實驗室接受測試。
MAGNet、以光鏈路取代現有系統內的電氣鏈路以及 Legate 是成功實現黃氏定律的關鍵，但 GPU 的成功才是基礎。因此，GPU 當下的成功以及未來的演進都尤其重要。
GPU 是黃氏定律的基礎
今年 5 月，NVIDIA 發布了面積高達 826 平方毫米，整合了 540 億個晶體管的 7 奈米全新安培（Ampere）架構 GPU A100。相比 Volta 架構的 GPU 能夠實現 20 倍的性能提升，並可以同時滿足 AI 訓練和推理的需求。
憑藉更高精度的第三代 Tensor Core 核心，A100 GPU AI 性能相比上一代有明顯提升，此前報導，在 7 月的第三個版本 MLPerf Training v0.7 基準測試（Benchmark）結果中，NVIDIA 的 DGX SuperPOD 系統在性能上開創了 8 個全新里程碑，共打破 16 項紀錄。
另外，在 10 月出爐的 MLPerf Inference v0.7 結果中，A100 Tensor Core GPU 在雲端推理的基準測試性能是最先進 Intel CPU 的 237 倍。
更強大的 A100 GPU 迅速被多個大客戶採用，迄今為止，阿里雲、百度智能雲、滴滴雲、騰訊雲等眾多中國雲服務提供商推出搭載了 NVIDIA A100 的多款雲服務及 GPU 實例，包括圖像辨識、語音辨識，以及計算流體動力學、計算金融學、分子動力學等快速增長的高性能計算場景。
另外，新華三、浪潮、聯想、寧暢等系統製造商等也選擇了最新發布的 A100 PCIe 版本以及 NVIDIA A100 80GB GPU，為超大數據中心提供兼具超強性能與靈活的 AI 加速系統。
Dally 在演講中提到：「經過幾代人的努力，NVIDIA 的產品將通過基於物理渲染的路徑追蹤技術，即時生成令人驚豔的圖像，並能夠借助 AI 構建整個場景。」
與光鏈路取代現有系統內的電氣鏈路需要軟硬體的匹配一樣，NVIDIA GPU 軟硬體的結合才能應對更多 AI 應用場景苛刻的挑戰。
Dally 在此次的 GTC China上首次公開展示了 NVIDIA 對話式 AI 框架 Jarvis 與 GauGAN 的組合。GauGAN 利用生成式對抗網路，只需簡略構圖，就能創建美麗的風景圖。演示中，用戶可通過語音指令，即時生成像照片一樣栩栩如生的畫作。
GPU 是黃氏定律的基礎，而能否實現並延續黃氏定律，僅靠少數的大公司顯然不夠，還需要眾多的合作夥伴激發對 AI 算力的需求和更多創新。
黃氏定律能帶來什麼？
NVIDIA 已經在構建 AI 生態，並在 GTC China 上展示了 NVIDIA 初創加速計劃從 100 多家 AI 初創公司中脫穎而出的 12 家公司，這些公司涵蓋會話人工智慧、智慧醫療 / 零售、消費者網路 / 行業應用、深度學習應用 / 加速數據科學、自主機器 / IoT / 工業製造、自動駕駛汽車。
智慧語音正在改變我們的生活。會話人工智慧的深思維提供的是離線智慧語音解決方案，在佔有很少空間的前提下實現智慧交互，語音合成和語音辨識保證毫秒級響應。深聲科技基於 NVIDIA 的產品研發高質量中英文語音合成、聲音定制、聲音複製等語音 AI 技術。
對於行業應用而言，星雲 Clustar 利用 NVIDIA GPU 和 DGX 工作站，能夠大幅提升模型預測精確度以及解決方案處理性能，讓傳統行業的 AI 升級成本更低、效率更高。
摩爾定律的成功帶來了新的時代，黃氏定律能否成功仍需時間給我們答案。但這一定律的提出對 AI 性能的提升給出了明確的預測，並且 NVIDIA 正在通過硬體、軟體的提升和創新，努力實現黃氏定律，同時藉生態的打造想要更深遠的影響 AI 發展。
黃氏定律值得我們期待。
附圖：▲ NVIDIA GPU 助推 AI 推理性能每年提升 1 倍以上。（Source：影片截圖）
▲NVIDIA 首席科學家兼研究院副總裁 Bill Dally。
▲ 搭載 160 多個 GPU 的 NVIDIA DGX 系統模型。
資料來源：https://technews.tw/2020/12/16/huang-law-predicts-that-ai-performance-will-double-every-year/?fbclid=IwAR1vXHWAGt_b8nDRW6VUqzpAINX_n_DzJ0KwJvdBnl18s8Q1A3Thk7hgBoI
如果一定要蓋三接在電腦上模擬的結果如何 在 [心得] 中餐丙級考試心得- 看板cookclub - 批踢踢實業坊 的美食出口停車場
網誌版：https://wp.me/p7VMjz-1n (附301與302簡易食譜)
我報名的是即測即評，上午學科、下午術科。
雖然有去補習班，但正式考試跟練習還是差距很大呀
原本預定模擬考的日子也因為颱風取消了，考前真的相當焦慮
對一個非本科出身的人來說，考過中丙也算是個大挑戰吧！
趁記憶猶新的時候來分享一下經驗，希望可以幫到有需要的人囉！
學科：
跟考古題完全一模一樣，只是選項順序不同
考試時間是100分鐘，最快15分鐘能交卷
只要有看過一定可以順利過關！
術科：
第一階段90分鐘要完成清洗與刀工(休息30分鐘)，第二階段70分鐘內完成剩下切配、
烹飪與試後清潔。
首先是報到
著廚師服，帶著准考證、身分證到檢錄處。除了網帽要蓋住頭髮跟耳朵、乾淨的廚
師服、不能是塑料材質的圍裙(有個媽媽就被拒絕入場)，褲子的部分著廚師褲或直
筒西裝褲都行(不能是運動褲、牛仔褲、窄管褲等)，不能帶手飾、手錶、項鍊、
耳環，指甲要剪鬍子要刮(或戴口罩也行)。
第一階段(90分鐘)
考前準備
報到完畢後，每個人都有號碼牌。一開始全部集中在一個小房間，由考官指派一位
同學用電腦抽籤決定題組(下午場可以先偷問上午場考什麼)，然後抽大題(1~12題)
，例如1號同學抽到4號題組，2號就是第5題、3號第6題...以此類推，簽名確認後會
拿到刀工卡，這時就知道要做哪到題囉！
我抽到302-2，都開心的笑了，顆顆
清點材料
接著考官會開始介紹考場，包括廚房器具的位置、器材、廚餘區、醬料區、受評區
有的沒的一大堆，遇到沒用過的爐台可以請考官示範一下怎麼用。
每個人的位置都有食材籃，裡面除了食材還有烹調卡以及材料卡，核對完材料後材
料卡就會被收回去。我多了一盒木耳跟三包蒜頭...
大概有幾分鐘的時間可以把考試需要的器材都先放在桌上，例如瓷盤、馬口碗、削
皮刀、剪刀等等，要先準備，不然漏洗可能會被扣分噢！
清洗器具
器材擺放順序：
水槽｜瓷盤｜不鏽鋼碗盤｜鍋具｜烹調用具｜刀具｜砧板｜抹布(2黃、2短白、1長白)
一開始先洗手，用酒精消毒(形式上的在工作台到處噴一噴)
拿一條黃色抹布稍微洗過，把工作台擦拭一下，放回爐台邊
開始按照順序清洗：
瓷盤→不鏽鋼碗盤→鍋具→烹調用具→刀具→砧板→抹布(長白那條已經消毒過)
Note：
鐵鍋與蒸籠洗完可先裝適量的水放在爐台上，需要的器具都要先拿出來洗好
洗：過水即可，不要用清潔劑浪費時間。「形式上」有做到就好。
長白抹布：擦瓷盤用，一定要放在瓷盤上。
黃色抹布：擦工作檯用，平常摺好放在爐檯邊
短白抹布：1條打濕用來墊砧板，1條摺好放在鐵盤上，只能擦不鏽鋼器具
清洗食材
按照順序清洗食材：
乾貨→加工素→加工葷→蔬菜類(不去皮、去皮、辛香)→豬→雞→蛋
→海鮮(魚、蝦)，洗完按照順序擺放
(半成品靠近爐台，肉類靠近水槽)
清洗的過程中不要拿出砧板，靠一把剪刀就能搞定一大半，例如替黃瓜去頭尾
、去青椒、辣椒籽、蔥去尾剪對半等，另外，需要泡開的食材可以用飲水機的
熱水。有魚的話，殺魚要在水槽內完成，記得亂噴的魚鱗要清理乾淨哦！
刀工切配
切配的部分也是要按照
｜乾貨→加工素→加工葷→蔬菜類→豬→雞→蛋→海鮮｜
這個順序，每一個大項目切完都要清洗砧板(過過水就好)，時間有餘裕的人可
以看一下烹調卡，分配一下每道菜需要的食材，例如紅蘿蔔可能要切條切絲切
水花，若一股腦的全切絲就掰了。記得一定要按部就班的切，別心急直接跳去
切水花，分數扣很重的!
切配就依照刀工卡上的規則，例如「紅蘿蔔絲｜寬高各0.2~0.4cm 長4~5cm｜25
條以上」，如果有時間的話盡量把該切的配料都切完，剩餘的時間還可以準備下
階段的調味料什麼的(但不能開火)，如果切不快，那就以刀工卡上的項目為主
，若真的真的連刀工卡上的項目都切不完，倒數幾分鐘的時候至少各切個幾片，
扣分總比沒分好！
水花與盤飾
通常每個組題都是兩款水花片(只有302-10規定要三款水花)，雕完後切成六片放
在不鏽鋼盤上待評。課本上雖然列了35種，但其實會九組圖案就夠應付考試了。
盤勢的部分則有兩種，必須是一紅一綠，也就是一盤(大)黃瓜一盤紅蘿蔔，
拜託別拿辣椒跟考官爭，一定要用瓷盤盛盤！其中指定題都以綠色為主，自選紅
色可以切6~8片紅蘿蔔片(用前端，約一個指節大的半圓片)就好。
最後，把兩款水花(不鏽鋼盤)與兩組盤飾(瓷盤)放置在刀工待評區，接著依照刀
工卡的順序把待評的項目擺好，不需受評的部分要稍做區隔，讓檯面保持整潔清爽
，等收拾清潔完，刀工卡放在受評區就可以離場囉！
三、 中場休息(30分鐘)
這時全部的考生會被帶回小房間，考官會在外面核對每個人的刀工卡跟評分，可以
趁機研究烹調卡，不懂的地方趕快問隔壁的好心人，先在腦中規劃待會兒的烹調流
程，例如要先煮幾鍋熱水、那些肉先上漿等等，畢竟如果抽到的題目有炒有炸有蒸
，時間沒控制好還是很有機會GG的。
四、 第二階段(70分鐘)
把盤飾上的黃瓜與紅蘿蔔丟到廚餘，水花片回收回來備用。接下來就能開火完成三
道菜，三大原則就是不要跑題、烹調卡上有寫到的材料都要放、所有食材一定要熟！
記得炒不帶湯、燴要帶汁、紅燒必備醬油、茄汁一定要加番茄醬，總之，長得像就
過了一大半！
把三道菜都送去受評區後，擺上烹調卡，就回位子開始做最後清潔，等試場人員檢
查完後會回收號碼牌並發回准考證，即測即評的話就到指定的教室等待放榜，大概
1個小時後就能知道結果囉！
順利通過就準備160元去領證照吧！
祝大家考試順利囉！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.230.4.240
※ 文章網址: https://www.ptt.cc/bbs/cookclub/M.1476109566.A.296.html
※ 編輯: shadowla (61.230.4.240), 10/10/2016 23:48:57
... <看更多>