當前，以ChatGPT為代表的生成式人工智能應用風頭無兩，正在全球科技巨頭間掀起新一輪的技術競賽。在很多人看來，ChatGPT的上線或可被視作一次新產業革命的引爆點，而這個引爆點之所以能出現，則離不開背后的高性能計算與大數據基礎設施。
ChatGPT基于Open AI公司的GPT-3系列語言大模型來實現，GPT（Generative Pre-trained Transformer）即生成式預訓練轉換模型，是一種基于互聯網可用數據訓練的文本生成深度學習模型。
為了實現和人類可比擬的語言交互和語言組織能力，GPT-3的參數達到1750億個，相比之下，2018年推出的GPT-1，參數為1.17億個，而2019年推出的GPT-2參數則達到15億個，量變最終將引發質變，參數規模的飛速膨脹，對支撐GPT運行的硬件系統提出了越來越高的要求，對于類似GPT這樣的大模型，沒有高性能硬件支撐，根本無法去實現與部署，更不要說隨著新數據的涌入來迭代了。
所以，在眾廠商紛紛宣布加碼大模型AI投入時，有人斷言，新一輪AI競賽鹿死誰手還很難說，但高性能計算（HPC）系統中的高算力芯片、高帶寬互連芯片和存儲芯片一定是贏家。
HPC及其核心芯片發展趨勢
那么，高性能計算要如何發展才能更好地支持新一波人工智能發展浪潮？而人工智能將如何影響到高性能計算本身呢？有如下幾點，可供探討。
第一，高性能計算與人工智能相得益彰。人工智能的每一次高速發展，都離不開背后硬件基礎設施的支持，而高速發展的AI又對硬件基礎設施提出了更高的要求，激勵芯片或系統性能成倍上升。
在Open AI 2018年發布的報告中，對自2012至2018年人工智能訓練對算力的需求超過30萬倍，算力需求平均每3.5個月翻一番，這給芯片及硬件系統更新換代帶來極大壓力，因為按摩爾定律的性能升級速度，已經不能滿足AI訓練對芯片性能的需求增長速度了。
為了打破性能瓶頸，新思科技提出了SysMoore開發方法學，通過全系統優化，有效釋放了性能提升潛力。
反過來，AI能力也在提升芯片開發效率，幫助開發者設計出性能更出色的芯片。例如，通過應用新思科技的DSO.ai工具，開發者將一款HPC處理器的運行頻率提高了100Mz，而開發時間縮短了一半，整個團隊的產出效率提升至原來的三倍。
第二，HPC芯片性能提升方式從平面擴展轉變為立體增長。多晶片系統（Multi-Die System）正在成為HPC芯片的主要發展潮流，從HPC的系統角度來看，采用先進封裝技術將不同芯片封裝在一起的方式，比PCB互連能大幅提升系統性能，因而HPC芯片在實現上，2.5D封裝與3D封裝的設計將越來越多。
而由于成熟的接口IP可以直接以芯粒（Chiplet）方式與計算內核進行拼接，多晶片系統開發方式還可以有效保證良率，加快開發效率。
多晶片系統的實現，需要設計方法學的更新，以實現高帶寬、低延遲、低功耗和無差錯工作的片間接口，多晶片系統的片間接口技術對于數據中心與邊緣設備的快速、可靠的數據傳輸至關重要。
采用先進封裝技術將芯片進行立體堆疊，為芯片性能提升打開了無限可能，但也需要更強的EDA工具、設計方法學和IP，來處理多晶片系統中的異構集成、互連和封裝問題。此外，隨著數據中心互連技術的發展，開發者還需要具備硅光學等領域的專業知識和技術。
新思科技的3DIC Compiler是一個高效易用的多晶片系統設計實現平臺，可以為各種不同工藝制造的芯粒拼接堆疊提供完整的開發環境。
例如，從多晶片系統項目啟動時，開發者就需要用3DIC Compiler對多晶片系統進行功能劃分，將整體設計分解為多個芯粒，接下來，可以用3DIC Compiler進行早期版圖規劃和基于封裝的信號完整性分析，以實現更好的片間連接性能和更優的功耗表現。
第三，邊緣計算設備將不斷進步迭代。人工智能的訓練發生在數據中心，但推理或數據收集都離不開邊緣設備。
在人工智能應用中，對邊緣設備的延遲要求越來越高，希望能進一步減少邊緣設備數據處理和傳輸延遲，這就要求優化邊緣設備主芯片的數據傳輸速度和效率。而邊緣設備數量眾多，因而在芯片層面能夠降低功耗的話，將對整個云加邊緣體系的節能降耗貢獻極大。
所以，邊緣端芯片需要強大的仿真和驗證工具、功耗和熱分析功能、設計布局的智能實施，以及一系列關鍵功能和接口的認證IP模塊，新思科技可以為開發者提供從邊緣到云端可應用的基礎IP、接口IP、安全IP和處理器IP，優化實現高性能、低延遲和低功耗，同時支持先進的工藝技術。
第四，從信息安全、可靠性和運營成本等考慮，HPC芯片需要全生命周期管理。HPC系統規模巨大，運營成本高昂，可以處理PB乃至ZB級別的數據，可以實時運行大模型。這種級別的系統一旦出現故障，由于業務暫停造成的經濟損失，數字會十分驚人。
所以，一個好的HPC系統，應該具備卓越的可靠性、可用性和服務能力，而要做到這一點，系統角度可以通過冗余設計來增加可靠性，但更重要的則是從芯片層級來減少故障率。
在芯片層級減少系統的故障率，就需要用到新思科技的硅生命周期管理（Silicon Lifecycle Management，SLM ）的理念。
SLM通過內置IP來收集芯片運行中的各種參數，并將芯片運行數據傳輸至指定位置進行分析和跟蹤，從而讓系統可以實時監控各個核心芯片的運行狀況，為系統建立起芯片健康狀況跟蹤圖，從而更好地預測和預防故障的發生，最終實現故障率降低和最小化故障損失。
第五，可持續發展是HPC產業長期繁榮的基礎。由于規模巨大，HPC系統能耗驚人，專家預測，到2030年，僅數據中心用電量將占到全球總用電量的3%至7%，不少區域甚至抵制建設數據中心，以免因其耗能巨大而導致當地環境惡化。所以，如何有效解決HPC/數據中心能耗和散熱問題，已經成為其能否可持續發展的關鍵。
在新思科技為HPC/數據中心提供的完整解決方案中，處處體現了節能降耗的理念。例如，通過低功耗設計方法學和功耗優化過的IP核來實現HPC芯片的整體功耗優化，從而降低HPC系統能耗，有效降低系統功耗，而新思科技各種高效率開發、仿真和驗證工具，大幅降低了研發一款芯片的總體用時和資源占用，則是從更廣泛角度上為可持續發展做出的貢獻。
總結
隨著互聯網與人工智能技術的發展，HPC產業的重要性與日俱增，大數據與大數據模型的應用，都對HPC系統的性能與能耗提出了更高要求，只有從芯片層級出發來對HPC系統進行優化，才能真正讓HPC系統性能不斷升級，能效持續優化，走上真正的可持續發展之路。
更多精彩內容歡迎點擊==>>電子技術應用-AET<<
