Perubahan Radikal dalam Seni Bina Pengkomputeran
Penyelidik China memperkenalkan cip pengkomputeran analog revolusioner yang memproses beban kerja kecerdasan buatan dengan menggunakan sebahagian kecil tenaga yang diperlukan oleh pemproses digital konvensional, sekali gus menandakan pencapaian penting dalam usaha membangunkan perkakasan AI yang lebih mampan. Dalam kajian yang diterbitkan minggu ini dalam jurnal Nature Communications, saintis dari Universiti Peking menunjukkan bahawa cip memori capaian rawak rintangan mereka boleh melatih sistem saranan menggunakan set data yang skalanya setanding dengan yang digunakan oleh Netflix dan Yahoo, dengan kelajuan 12 kali lebih tinggi berbanding pemproses digital canggih, sambil menggunakan hanya satu per dua ratus daripada tenaga.
Kandungan
Penemuan ini mengesahkan dakwaan teori terdahulu, sambil membawa teknologi tersebut melangkaui penanda aras matematik ringkas kepada aplikasi praktikal. Penulis utama Sun Zhong menyifatkan pencapaian itu sebagai langkah maju dalam memperluas sempadan pengkomputeran analog, sambil menyatakan bahawa cip baharu itu mengendalikan tugas kompleks dengan mengekalkan kelebihan kelajuan dan kecekapan tenaga yang sedia ada pada pengiraan analog. Perkembangan ini berlaku ketika pusat data di seluruh dunia bergelut dengan permintaan elektrik yang melonjak akibat latihan AI, dengan sesetengah kemudahan menggunakan tenaga setara dengan bandar kecil.
Penyelidikan ini mengembangkan kerja yang mula-mula dilaporkan pada Oktober, apabila pasukan itu mengumumkan bahawa mereka telah menyelesaikan masalah ketepatan berusia seabad yang menurut pakar membelenggu pengkomputeran analog. Ketika itu, penyelidik berkata cip tersebut berpotensi mencapai kadar pemprosesan 1,000 kali lebih pantas berbanding unit digital terkemuka seperti unit pemprosesan grafik Nvidia H100, selain menawarkan kecekapan tenaga 100 kali lebih baik. Penerbitan terkini mengesahkan peningkatan prestasi dalam penggunaan sebenar, meskipun lebih sederhana berbanding unjuran teori awal, sambil menunjukkan keupayaannya dalam aplikasi saranan peribadi dan pemprosesan imej.
Berbeza dengan komputer tradisional yang memproses maklumat sebagai digit binari, iaitu sifar dan satu, sistem analog memanipulasi isyarat fizikal berterusan seperti arus elektrik. Pengkomputeran digital beroperasi seperti suis lampu biasa yang hanya mempunyai dua kedudukan, hidup atau mati, manakala pengkomputeran analog berfungsi lebih seperti suis pemalap yang melaraskan nilai dalam julat berterusan. Perbezaan asas ini membolehkan cip analog melakukan pengiraan menerusi sifat fizikal dan bukannya kod binari, sekali gus mengelakkan pemindahan data yang menggunakan banyak tenaga antara memori dengan unit pemprosesan, yang menjadi kekangan bagi pemproses konvensional.
Masa kemunculan perkembangan ini amat penting ketika industri kecerdasan buatan berdepan krisis tenaga. Latihan satu model bahasa besar sahaja boleh menggunakan megawatt-jam elektrik, manakala pusat data di seluruh dunia menggunakan lebih banyak tenaga berbanding sesetengah negara maju. Pemproses digital tradisional berdepan had fizikal asas apabila pengeluar menghampiri skala atom bagi komponen semikonduktor, menjadikan inovasi seni bina, bukannya kemajuan fabrikasi, semakin diperlukan untuk meneruskan kemajuan.
Namun, sistem analog secara sejarahnya berdepan kesukaran mencapai ketepatan. Komputer digital menghasilkan keputusan tepat menerusi algoritma langkah demi langkah, tetapi peranti analog mudah terjejas oleh gangguan dan hingar isyarat, menjadikannya tidak sesuai untuk aplikasi moden yang kompleks. Keterbatasan ini menyebabkan teknologi analog sekadar menjadi bahan kajian sejarah selama beberapa dekad, meskipun akarnya bermula sejak zaman purba, termasuk mekanisme Antikythera, kalkulator astronomi Yunani berusia 2,000 tahun yang menggunakan gear bersambung untuk meramalkan kedudukan objek cakerawala.
Mengatasi Halangan Ketepatan
Pasukan Universiti Peking menangani keterbatasan ini menerusi seni bina dua litar yang inovatif, menggabungkan kelajuan pengiraan analog dengan ketepatan sistem digital. Cip mereka menggunakan sel memori capaian rawak rintangan yang menyimpan data dengan melaraskan rintangan elektrik antara elektrod. Dengan mengatur sel-sel ini menjadi dua litar berbeza, penyelidik menghasilkan sistem yang memberikan penyelesaian anggaran dengan pantas, kemudian memperhalusinya menerusi pemprosesan berulang sehingga mencapai ketepatan yang setanding dengan pengiraan digital titik apung 32 bit.
Ketepatan sejak sekian lama menjadi halangan utama dalam pengkomputeran analog. Cara mencapai ketepatan tinggi dan kebolehskalaan dalam pengkomputeran analog, sekali gus memanfaatkan kelebihan semula jadinya untuk tugas pengkomputeran moden, ialah masalah berusia seabad yang membelenggu komuniti saintifik global.
Sun Zhong, penolong profesor di universiti itu, menjelaskan bahawa pendekatan ini meningkatkan ketepatan pengkomputeran analog tradisional sebanyak lima tertib magnitud, atau kira-kira 100,000 kali ganda. Litar pertama menghasilkan keputusan dengan kadar ralat kira-kira satu peratus, tetapi selepas tiga kitaran pemurnian menerusi litar kedua, kadar ralat menurun sehingga setanding dengan pemproses digital standard. Pasukan itu menunjukkan keupayaan ini dengan menyelesaikan masalah penyongsangan matriks yang melibatkan matriks nilai nyata berukuran 16 darab 16 dengan ketepatan titik tetap 24 bit.
Teknologi memori capaian rawak rintangan yang menjadi teras inovasi ini menandakan penyimpangan besar daripada pengkomputeran tradisional berasaskan transistor. Sel RRAM berfungsi sebagai memristor, iaitu komponen elektrik yang mengingati jumlah arus yang pernah mengalir melaluinya dengan mengubah rintangan dalamannya. Sifat ini membolehkan cip menyimpan dan memproses maklumat secara serentak di lokasi fizikal yang sama, sekali gus menghapuskan pemisahan antara memori dengan pemproses yang memaksa komputer konvensional menggunakan tenaga untuk mengalihkan data berulang-alik melalui talian bas.
Operasi matriks menjadi asas matematik bagi kecerdasan buatan moden, pembelajaran mesin dan komunikasi tanpa wayar. Ketika melatih rangkaian neural atau memproses isyarat untuk rangkaian 6G, komputer perlu menyelesaikan persamaan yang melibatkan grid nombor yang sangat besar. Pemproses digital mengendalikan tugas ini secara berjujukan dengan memecahkan pengiraan kepada rentetan operasi binari yang panjang. Cip analog memproses matriks ini secara selari, melakukan pengiraan terus dalam tatasusunan memori tanpa menukar isyarat kepada kod binari.
Kepentingan sejarah penyelesaian masalah ketepatan ini tidak boleh dipandang ringan. Pengkomputeran analog mendahului teknologi digital, dengan contoh awal termasuk penyepadu air Soviet pada 1936 yang menggunakan cecair yang mengalir melalui tiub untuk menyelesaikan persamaan matematik. Walaupun terdapat inovasi sedemikian, masalah hingar dan kebolehskalaan menyebabkan sistem analog menjadi lapuk apabila teknologi digital berkembang. Cip baharu ini menghidupkan semula konsep tersebut menggunakan teknologi memori rintangan moden, sekali gus berpotensi membuka semula laluan kepada seni bina yang ditinggalkan beberapa dekad lalu.
Daripada Teori Matematik kepada Aplikasi Praktikal
Pengumuman awal tertumpu pada keupayaan teori, tetapi penerbitan terkini mengesahkan prestasi cip itu pada beban kerja AI praktikal yang mencerminkan keperluan industri. Cip itu berjaya mengendalikan sistem saranan peribadi menggunakan set data yang skalanya setanding dengan yang digunakan oleh Netflix dan Yahoo, membuktikan keupayaannya melangkaui penanda aras matematik ringkas. Dalam ujian pemampatan imej, sistem tersebut membina semula data visual dengan kualiti yang hampir sama seperti pengkomputeran digital berketepatan penuh, sambil mengurangkan keperluan storan sebanyak separuh.
Aplikasi ini mewakili beban kerja intensif data yang kini membebankan sumber pusat data di seluruh dunia. Algoritma saranan menjadi nadi perkhidmatan penstriman, platform media sosial dan laman e-dagang, dengan memproses berbilion-bilion interaksi pengguna untuk menghasilkan cadangan yang diperibadikan. Pemampatan imej pula menjadi asas segala-galanya, daripada penstriman video hingga pengimejan perubatan. Mengurangkan saiz fail tanpa mengorbankan kualiti dapat menjimatkan lebar jalur dan kos storan. Keupayaan cip mengendalikan tugas ini dengan penggunaan tenaga yang minimum menunjukkan potensinya untuk mengubah cara perkhidmatan sedemikian beroperasi.
Ini membawa sempadan pengkomputeran analog selangkah lebih jauh.
Selain aplikasi pengguna, cip itu menunjukkan keupayaannya dalam ujian komunikasi tanpa wayar dengan mengesan isyarat dalam sistem berbilang input berbilang output berskala besar. Teknologi ini penting untuk rangkaian 6G masa depan, yang memerlukan stesen pangkalan memproses tatasusunan antena yang besar dalam masa nyata. Peranti itu menyamai prestasi pemproses digital dalam tugas komunikasi ini sambil menggunakan kira-kira 100 kali lebih sedikit tenaga, menunjukkan potensinya dalam persekitaran yang kekurangan tenaga, apabila hayat bateri atau kapasiti penyejukan mengehadkan perkakasan tradisional.
Rangkaian tanpa wayar 6G masa depan memerlukan stesen pangkalan mengurus ratusan elemen antena secara serentak, sambil memproses sejumlah besar data isyarat dalam masa nyata untuk mengekalkan sambungan dengan peranti mudah alih. Keperluan pengiraan sistem ini melampaui keupayaan pemproses isyarat digital semasa, khususnya dari segi kekangan kependaman dan had penggunaan kuasa di menara selular terpencil. Keupayaan cip analog mengesan isyarat komunikasi tanpa wayar dengan prestasi setanding pemproses digital sambil menggunakan tenaga yang minimum menjadikannya sangat sesuai untuk aplikasi telekomunikasi ini.
Penjimatan tenaga menjadi amat ketara apabila mengambil kira skala infrastruktur AI moden. Latihan model bahasa besar memerlukan pemprosesan selama berminggu-minggu menggunakan ribuan kad grafik berprestasi tinggi, sekali gus menggunakan megawatt-jam elektrik. Pengurangan penggunaan tenaga sebanyak dua tertib magnitud sambil mengekalkan atau meningkatkan kelajuan pemprosesan boleh mengurangkan kos operasi dan kesan terhadap alam sekitar dengan ketara, sekali gus menangani kebimbangan yang semakin meningkat tentang jejak karbon pembangunan kecerdasan buatan.
Konteks Semikonduktor Global
Penemuan ini muncul pada saat penting dalam landskap teknologi global, ketika sekatan eksport mengehadkan akses China kepada GPU Nvidia canggih dan pemproses digital berprestasi tinggi yang lain. Walaupun cip ini tidak serta-merta menggantikan kad grafik kegunaan umum, ia menawarkan pilihan khusus untuk tugas pengkomputeran tertentu yang mendominasi beban kerja latihan dan inferens AI. Penganalisis industri berkata cip ini boleh mengubah perkakasan AI dengan menyediakan pilihan cekap tenaga bagi pengiraan berasaskan matriks yang menjadi teras operasi rangkaian neural.
Perbandingan dengan Nvidia H100, kad grafik yang digunakan untuk melatih model bahasa besar termasuk ChatGPT, menunjukkan potensi gangguan yang boleh dibawa oleh cip ini. Unjuran teori menunjukkan kadar pemprosesan 1,000 kali lebih tinggi berbanding pemproses digital tersebut bagi operasi matriks tertentu, dengan peningkatan kecekapan tenaga sebanyak 100 kali. Malah, hasil penggunaan sebenar yang telah disahkan, iaitu kelajuan 12 kali lebih tinggi dengan kecekapan tenaga 200 kali lebih baik, merupakan peningkatan besar berbanding teknologi semasa yang mendominasi pusat data di seluruh dunia.
Proses pembuatan menggunakan keupayaan foundri komersial, bermakna pengeluaran secara teori boleh ditingkatkan tanpa memerlukan bahan eksotik atau kemudahan fabrikasi baharu yang revolusioner. Pendekatan praktikal ini membezakan penyelidikan tersebut daripada eksperimen makmal yang tidak dapat berfungsi di luar persekitaran terkawal. Cip itu dibuat menggunakan teknik pembuatan semikonduktor standard, menunjukkan bahawa jika permintaan meningkat, pengeluaran boleh diperluas dengan memanfaatkan rantaian bekalan sedia ada, tanpa memerlukan pelaburan berbilion-bilion dalam infrastruktur.
James Millen, penyelidik di King's College London, menjelaskan kepentingan pengiraan matriks dalam latihan AI. Beliau berkata komputer digital berfungsi sebagai mesin serba guna yang mampu mengira apa-apa sahaja, tetapi tidak semestinya mampu mengira semuanya dengan cekap atau pantas. Komputer analog yang direka khusus untuk tugas tertentu boleh mencapai kelajuan dan kecekapan luar biasa bagi aplikasi tersebut, sekali gus berpotensi mengurangkan permintaan tenaga yang besar akibat kebergantungan terhadap AI yang semakin meningkat.
Keterbatasan Teknikal dan Pembangunan Masa Depan
Walaupun penanda arasnya mengagumkan, penyelidik mengakui terdapat keterbatasan yang ketara. Sun Zhong mengingatkan bahawa aplikasi dunia sebenar mungkin menunjukkan peningkatan yang lebih kecil berbanding unjuran maksimum teori. Cip ini dikhususkan sepenuhnya untuk pengiraan matriks, bermakna ia hanya mempercepat bahagian latihan AI yang melibatkan operasi matematik tertentu ini. Jika pengiraan matriks mendominasi beban kerja tertentu, peningkatan kelajuannya adalah ketara. Namun, bagi tugas pengkomputeran umum yang memerlukan pelbagai operasi, manfaatnya tetap terhad.
Keadaan ini menunjukkan bahawa masa depan berkemungkinan melibatkan seni bina hibrid, bukannya penggantian pemproses digital sepenuhnya dengan sistem analog. Unit pemprosesan grafik masa depan mungkin menggabungkan litar analog untuk mengendalikan bahagian tertentu algoritma latihan AI, khususnya kaedah pengoptimuman tertib kedua dan operasi algebra linear, sambil mengekalkan teras digital untuk pengkomputeran kegunaan umum. Penyepaduan sedemikian masih bertahun-tahun lagi daripada menjadi produk komersial, tetapi penyelidikan ini menyediakan asas teknologi untuk pembangunan tersebut.
Pengkomputeran pinggir merupakan satu lagi bidang aplikasi yang menjanjikan. Kenderaan autonomi, robot industri dan set kepala realiti terimbuh memerlukan kuasa pemprosesan yang besar, tetapi beroperasi dengan kekangan ketat terhadap bateri dan suhu. Penyelesaian semasa bergantung pada penghantaran data ke pelayan awan untuk diproses, yang menyebabkan kependaman dan kebergantungan pada sambungan. Cip analog yang mampu menjalankan inferens AI kompleks secara setempat tanpa penalti penggunaan tenaga pemproses digital boleh membolehkan peranti ini beroperasi dengan lebih autonomi, selain memanjangkan hayat bateri dengan ketara.
Kebolehskalaan turut menjadi cabaran. Pemproses digital boleh mengendalikan masalah yang sewenang-wenangnya besar dengan memecahkannya kepada bahagian lebih kecil dan memprosesnya secara berjujukan, manakala sistem analog memerlukan litar fizikal yang lebih besar untuk menyelesaikan matriks yang lebih besar. Pembinaan cip yang mampu mengendalikan masalah sejuta darab sejuta pemboleh ubah seperti yang terdapat dalam model bahasa besar moden memerlukan kemajuan kejuruteraan yang ketara. Namun begitu, bagi aplikasi pengkomputeran pinggir yang didominasi kekangan penggunaan kuasa, cip analog berskala lebih kecil sekalipun boleh membolehkan AI kompleks dijalankan terus pada peranti dan bukannya bergantung pada sambungan awan.
Pasukan penyelidik menyatakan bahawa sasaran seterusnya ialah membina cip yang lebih besar dan disepadukan sepenuhnya, serta mampu mengendalikan masalah lebih kompleks dengan lebih pantas. Kejayaan dalam usaha ini boleh mempercepat pembangunan komunikasi 6G, membolehkan latihan model AI yang lebih cekap dan mengurangkan kesan alam sekitar pusat data yang kini menggunakan peratusan semakin besar daripada jumlah pengeluaran elektrik global. Ketika pengkomputeran digital menghampiri had fizikal yang ditentukan oleh pemisahan memori dengan pemprosesan, pilihan analog menawarkan laluan untuk meneruskan peningkatan prestasi tanpa kenaikan penggunaan kuasa yang sepadan.
Kesimpulan Utama
- Penyelidik Universiti Peking membangunkan cip AI analog yang menggunakan memori capaian rawak rintangan, dengan kelajuan 12 kali lebih tinggi dan kecekapan tenaga 200 kali lebih baik berbanding pemproses digital canggih dalam tugas saranan dan pemprosesan imej dunia sebenar.
- Peranti ini menyelesaikan masalah ketepatan berusia seabad yang sebelum ini menghalang pengkomputeran analog daripada menyamai ketepatan digital, menggunakan seni bina dua litar yang memperhalus pengiraan anggaran untuk mencapai kadar ralat setanding sistem titik apung 32 bit.
- Berbeza dengan pemproses digital yang menggunakan digit binari satu dan sifar, cip ini memanipulasi isyarat elektrik berterusan untuk melakukan pengiraan matriks terus dalam memori, sekali gus menghapuskan kesesakan pemindahan data yang menggunakan sebahagian besar tenaga dalam pengkomputeran konvensional.
- Teknologi ini dihasilkan menggunakan proses semikonduktor komersial, menunjukkan potensinya untuk pengeluaran besar-besaran, walaupun pelaksanaan semasa hanya mengendalikan matriks yang lebih kecil berbanding saiz yang diperlukan untuk melatih model AI terbesar.
- Aplikasinya termasuk sistem saranan peribadi, pemampatan imej, pemprosesan isyarat tanpa wayar 6G dan kemungkinan seni bina pengkomputeran hibrid yang menggabungkan kecekapan analog dengan fleksibiliti digital.
- Penemuan ini muncul ketika China berdepan sekatan terhadap pengimportan GPU Nvidia canggih, menawarkan alternatif yang dibangunkan dalam negara untuk beban kerja AI tertentu, sambil berpotensi mengurangkan penggunaan tenaga pusat data di seluruh dunia.
